Партнёр Dragonfly Хасиб: компании с самым быстрым ростом в будущем могут застрять на 149 человек

Автор：Haseeb

Составил: Цзяхуан, ChainCatcher

@SemiAnalysis_ недавно обнаружил удивительное явление в экономике подписок на AI-программирование. Если использовать максимальный объем, ваши расходы фактически дешевле на 20-70 раз, чем покупка токенов через API.

Многие, увидев это, говорят: Боже мой, посмотрите, сколько денег эти крупные компании моделей субсидируют на токены, пузырь, безусловно, скоро лопнет.

Такая реакция неверна. Крупные компании моделей готовы предлагать такие щедрые пакеты, потому что большинство пользователей редко достигает лимита. Этот продукт похож на абонемент в спортзал: лимит велик, потому что подавляющее большинство людей вообще не использует его.

Но я долго размышлял над этим, и здесь действительно есть некоторые странные моменты.

Мы не можем знать их фактическую совокупную прибыльность по подпискам, но по оценкам SemiAnalysis, при среднем уровне использования 20% план Max 5x от Anthropic едва ли покрывает свои расходы. 20% использования может быть даже завышенным, особенно в тех организациях, где у всех (включая непрофессионалов) есть подписка, но они используют ее только время от времени. Большинство учреждений, которые я знаю, включая Dragonfly, щедро раздают подписки на Claude Code и поощряют непрофессионалов попробовать.

Но SemiAnalysis не углубляется в то, что это явление полностью характерно для малых предприятий. Крупные компании не могут воспользоваться такой моделью подписки.

Причина следующая: когда число сотрудников превышает 150 человек, вы вынуждены перейти на подписку, называемую "командной (Team)". Вам необходимо переключиться на "корпоративную (Enterprise)" версию, цена которой составляет 20 долларов за место, плюс API-расходы, рассчитываемые по фактическому использованию токенов. Корпорации могут платить только по линейной стоимости токенов, а SemiAnalysis считает, что валовая прибыльность API-токенов составляет около 75%. Это значительное повышение цен, которое внезапно вступает в силу, когда число сотрудников достигает 150.

Таким образом, если вы малое предприятие или стартап (или индивидуальный пользователь), ваше восприятие расходов на AI искажено. Ваша цена на токены на самом деле очень выгодна, Anthropic может поддерживать у вас крайне низкую или даже отрицательную прибыльность.

Вам может быть интересно, почему Microsoft и Uber так удивлены расходами на токены и говорят о "оптимизации токенов (token-mining)". Причина в этом. Структурные затраты на каждый токен, которые они платят, значительно выше, чем у стартапов и индивидуальных пользователей.

Но Anthropic не волнует это! Для B2B-компании извлечение максимальной ценности из малых компаний или индивидуальных пользователей не имеет большого значения. Посмотрите на такие компании, как Datadog или Cloudflare, 80-90% их доходов поступает от крупных контрактов (годовой регулярный доход превышает 100 тысяч долларов). Заработок нулевой прибыли на клиентах с длинным хвостом — это просто стоимость привлечения клиентов.

Это типичный подход к B2B-продажам.

Но на ту же ситуацию есть и другой взгляд: с точки зрения налоговой политики.

Потому что если токены заменяют рабочую силу, то валовая прибыль, которую OpenAI и Anthropic получают от токенов, на самом деле является налогом на AI-рабочую силу.

С этой точки зрения, ценообразование токенов приводит к двум основным последствиям.

Ценообразование токенов как налоговая политика

Предположим, что прибыльность, упомянутая в статье SemiAnalysis, верна: подписная модель безубыточна, валовая прибыль API для крупных компаний составляет 75%. Первая реакция — назвать это налогом на AI-рабочую силу в 75% для крупных организаций и 0% для стартапов.

Стандартный налоговый анализ скажет, что это препятствует крупным компаниям использовать AI-рабочую силу внутри компании, на пределе побуждая предприятия сокращать автоматизацию и сохранять больше человеческой рабочей силы. (Очевидно, это также поощряет использование меньших или открытых моделей, но чистый эффект заключается в том, что оба варианта получают стимулы. Помните, что мы говорим о пределе.)

Тем не менее, более сильным движущим фактором поведения является не средняя налоговая ставка. В налоговой политике это никогда не было. Нас на самом деле интересует предельная налоговая ставка.

Для стартапов, использующих фиксированную подписку, предельная цена следующего токена до достижения лимита равна нулю. А нулевая предельная цена — это максимальное искажение, которое может вызвать политика.

Для стартапов модель подписки в основном является субсидией на инновации. Самый мощный стимул — это выяснить, как максимально эффективно потратить весь бюджет на токены. Это означает запуск Ralph-цикла, заполнение экрана сессиями Claude Code, координацию групп агентов для совместной работы.

До достижения лимита исследование бесплатно. Таким образом, стартапы фактически конкурируют за то, чтобы выжать из подписки последнюю каплю ценности, полагаясь на объем, чтобы подавить конкурентов. Парадоксально, чем больше они используют, тем ниже средняя цена токенов. Каждый стартап хочет стать тем, кто заставит Anthropic понести наибольшие убытки по подписке.

Стимулы, с которыми сталкиваются крупные компании, прямо противоположны. Если вы превышаете 150 мест, каждый токен в исследовании облагается полной ценой (с дополнительной платой в 75%!), поэтому за каждый шаг вперед в исследовании они линейно наказываются.

Крупные компании все равно будут автоматизировать очевидные массовые задачи, но предельная, экспериментальная, рискованная автоматизация никогда не будет обнаружена, потому что стоимость открытия слишком высока. Эта налоговая структура в конечном итоге побуждает их сохранять больше рабочей силы, поддерживая существующую организационную структуру.

Это прямо противоположно Японии. Из-за снижения численности населения Япония сталкивается с огромной нехваткой рабочей силы. Исторически это означало, что Япония стремилась к высокой автоматизации, поскольку высокие затраты на рабочую силу стимулировали автоматизацию. Вот почему в японских ресторанах, фабриках, отелях и больницах есть роботы.

Но странно, что крупные компании обнаруживают, что они попали в противоположную ситуацию: если им придется платить высокие налоги за использование AI, это, наоборот, ослабит стимулы к автоматизации и усилит мотивацию сохранить существующих сотрудников (если в это время зарплаты также остаются на месте, это становится еще более очевидным).

Так куда же направляется замена рабочей силы в этой модели?

Все смотрят на крупные компании, ожидая, когда начнется волна увольнений из-за AI. Но при налоговой ставке в 75% слишком радикальная замена своих сотрудников AI может быть просто невыгодной, бюджет на токены может взорваться.

Но это не означает, что замена не произойдет, просто она проявится в другой форме.

Когда крупные компании теряют долю рынка в пользу AI-родных стартапов с крайне низкими затратами на рабочую силу, падение доходов и акций крупных компаний приведет к увольнениям. Но те рабочие места, которые будут устранены, никогда не появятся снова в выигравших стартапах. Чистый эффект сокращения будет таким же, этот пробел в безработице просто переместится в другой сегмент экономики с более низкой налоговой ставкой.

Вот почему "AI-washing" (представление обычных увольнений как нового открытия эффективности AI) может не быть временным явлением. Так называемый AI-washing — это когда компания приписывает увольнения эффективности AI, на самом деле просто скрывая обычную слабость бизнеса.

Многие думают, что это всего лишь временное явление в текущем цикле ажиотажа вокруг AI. Однако, несмотря на то, что все готовы стать свидетелями реальных увольнений крупных компаний из-за AI и "замены рабочих мест" AI, этого может никогда не произойти в массовом масштабе.

Замена рабочей силы может произойти другим способом: стартапы побеждают крупные компании, крупные компании скрывают упадок под предлогом AI, пока не обанкротятся, а стартапы никогда не восстановят те старые рабочие места. Замена рабочих мест все равно произойдет, просто не в тех местах, на которые все смотрят.

Это первое последствие этой модели. Но есть и второе, более странное последствие.

Пропасть в 150 человек

Так называемая точка регулирования (Notch) — это граница, которая вызывает резкие изменения в поведении. Например: стандарт полной занятости в 30 часов в неделю привел к появлению множества рабочих мест, где работники работают ровно 29 часов в неделю.

Известно, что во Франции существуют крайне строгие трудовые законы, которые вступают в силу, когда компания достигает 50 сотрудников (комитеты работников, обязательное распределение прибыли, защита от увольнений), тогда как малые компании освобождаются от этого. Это дает работодателям огромный стимул стараться удерживать численность ниже 50 человек.

Из: Garicano, Luis, Claire Lelarge и John Van Reenen, 2016, "Искажения размера компании и распределение производительности: доказательства из Франции".

Распространяя эту аналогию на AI. Крупные компании моделей установили налоговый порог, наказывая компании, превышающие 150 мест. Это означает, что вам необходимо оставаться небольшим, чтобы сохранить ту замечательную субсидированную цену подписки, позволяя токенам облагаться налогом в 0% (или даже отрицательным), а не 75%.

Это может привести к возникновению совершенно новой философии управления компаниями. Стартапы будут все больше одержимы решением всех задач с помощью агентов, команды будут меньше, увольнения будут происходить чаще, больше аутсорсинга, исчерпывая все средства, чтобы свести к минимуму количество процессов, требующих человеческого участия.

Это не потому, что это "оптимальный" уровень автоматизации, а потому, что стимулы толкают их туда. Если волшебное число — 149, то каждое место имеет решающее значение, и вы не можете позволить себе тратить ни одного человека вне основных узлов компании.

Этот разрыв может быть воспринят такими людьми, как Гарвардская школа бизнеса, как "новое поколение управления с приоритетом AI". Но как только это будет понято, это на самом деле просто рациональный ответ на схемы ценообразования компаний.

Это может показаться немного преувеличенным. Но различия в поведении между различными организациями вы уже можете увидеть. Поговорите с разработчиками крупных компаний, они тщательно подсчитывают токены и становятся все более напряженными в отношении сокращения бюджета на токены. В то время как разработчики стартапов изо всех сил стараются максимально использовать объем (tokenmaxxing), запуская группы агентов за ночь, а затем проверяя журналы утром. Я ожидаю, что эта тенденция будет ускоряться.

Никто не проектировал это намеренно. Ни один комитет не решал, чтобы субсидировать инновации для стартапов и обложить налогом устоявшиеся компании. Все это напрямую вытекает из тех проверенных временем традиционных стратегий ценообразования компаний.

Но налоговое законодательство всегда таково: множество сопутствующих правил в конечном итоге определяет, какие компании могут быть созданы и как эти компании искажают себя, чтобы минимизировать налоговую нагрузку.

Вы можете возразить, что это временно, и крупные компании моделей рано или поздно начнут взимать плату с всех. Github Copilot уже завершил этот переход. Возможно, да, а может и нет. Но прежде чем ценообразование вернется к норме, компании с 149 сотрудниками и эта новая модель управления с приоритетом AI могут уже разразиться, захватив значительную долю рынка и написав сценарий для следующего поколения стартапов.

Налоговая политика имеет решающее значение. Вся концепция "экономики наемного труда" существует именно из-за юридической границы между W-2 (официальные сотрудники) и 1099 (независимые подрядчики). Поскольку все больше рабочей силы поглощается AI, ценообразование токенов может стать наиболее влиятельной налоговой политикой следующего десятилетия. Однако никто никогда не проголосует за это.

(Если в следующем цикле самые быстрорастущие компании будут заметно застревать на 149 местах, не удивляйтесь.)