年薪百万的工程师不敢花几十万算力，黄仁勋：这才是我最怕的

英伟达CEO黄仁勋最近：公司软件工程师的工作，正从"写代码"变成"教AI写代码"。

以前，工程师每天的主要工作是敲键盘、改Bug。

现在，他们花更多时间设计AI系统、制定测试标准 —— 这些活更依赖想象力和判断力，而不是打字速度。

这听起来像是个"工作内容变化"的故事，但真相是成本结构变了。

以 Anthropic 为例：

它每个月花在AI上的钱，已经是员工工资的2.3倍。

换句话说，这家公司的最大开销不是"养人"，而是"养算力"。

算力与工程师的体型反差：机柜 vs 人

算力与工程师的体型反差：机柜 vs 人

这跟传统软件公司完全反过来了。

过去30年，软件公司的成本排序一直是：工资第一，服务器第二，软件许可证第三。

现在在Anthropic这里，算力成了最大的那块。

有人打了个比方：

工程师以前是"修飞机的"，现在变成"开飞机的"。

机长看仪表：判断者而非飞行者

机长看仪表：判断者而非飞行者

公司买的不再是手艺，而是看仪表盘、做判断的能力。

不是工程师变贵了，而是AI变成了公司账本上的"固定资产"。

但Anthropic不是孤例，这只是冰山一角。

一组数据能说明差距有多大：头部1%的公司，每年给每位工程师花89,000美元在AI上；而普通公司只花137美元。

相差680倍。

前者把AI当战略工具，后者把AI当试用插件。

这不是"早用晚用"的区别，是两种完全不同的成本结构。

未来三年，预计99%的公司都会往这个方向走 —— AI花费占工资的比例，会从现在的40%一路涨到105%，甚至230%。

问题是：当AI账单涨到工资的1.4倍时，很多公司连账都看不懂了。

为什么看不懂？因为95%的AI试点项目，根本没能产生可衡量的效果。

不是AI不好用，是公司缺少三样基础设施（而且有先后顺序）：

1. 测量层：先搞清楚AI到底干了多少活、创造了什么价值。
2. 自动化层：让AI的工作流程化，不用人一直盯着。
3. 决策层：根据AI的输出拍板，把"判断力"变成核心竞争力。

顺序不能乱 —— 先会算账，才能自动化；自动化跑顺了，才有资格谈战略决策。

而战略清晰度，才是真正的杠杆。

BCG 2026年报告给出过一个扎心的结论：

清晰的AI战略能带来+25%的业务影响，而换更好的工具只能带来+5%。

所以，当AI账单从40%涨到230%，真正拉开差距的不是谁买了更多算力，而是谁想清楚了"我们用AI到底要干什么"。

具体来说，四件事需要CEO亲自定调：

• 省下来的时间往哪儿放？
• 鼓励什么样的工作？
• 禁止什么样的工作？
• 怎么判断什么是浪费？

没有这四件事，省出来的时间会顺着老习惯流走。AI账单涨到230%那天，公司会发现 —— 钱花了，产出没跟上。

最后说一句容易被忽略的话：

AI越能干，工程师越值钱的，不是"写代码"那段，而是"定方向"那段。

工具采购 → 培训覆盖 → 节省时间 → 方向定义 → 价值转化。

前两步是过去三年所有公司都在做的事，但从第三步开始，决定成败的是最后两步。

参考

• Tomasz Tunguz: When AI Costs More Than the Engineer — Theory Ventures, 2026-06-29
• An MIT report finding 95% of AI pilots fail — Fortune, 2025-08-21
• 高盛：2030 年 Token 消耗量增长 24 倍 — 财联社转引高盛研报, 2026-06-12
• Ramp AI Index, June 2026 — ramp.com/data/ai-index-june-2026
• Epoch AI, Revenue Per Employee at AI Companies, 2026 — epoch.ai/data-insights/revenue-per-employee-ai-companies
• BCG《AI at Work》2026（战略清晰度 25pp vs 工具 5pp
• shadow 知识卡《战略清晰度 25pp vs 工具 5pp 杠杆换位》《AI 投资回报率：测量层缺失》《AI 边界的人类护城河》

#AI成本结构 #判断密度 #AI战略