Dragonfly 合夥人 Haseeb: 未來增長最快的公司或都將卡在 149 人

作者：Haseeb

編譯：佳歡，ChainCatcher

@SemiAnalysis_ 最近在AI編程訂閱的經濟學裡發現了一個不可思議的現象。如果把使用量拉滿，你支付的費用實際上比通過API購買代幣便宜20到70倍。

許多人看到這一點便說：天哪，看看這些大模型公司在代幣上補貼了多少錢，泡沫肯定很快就要破了。

這種反應是錯的。大模型公司之所以願意提供這麼慷慨的套餐，自然是因為大多數用戶極少觸及上限。這款產品就像健身房會員卡：額度寬裕，是因為絕大多數人根本不怎麼用。

但我花了很長時間琢磨這件事，這裡確實有些古怪的地方。

我們無從得知他們在訂閱上的實際綜合利潤率，但據SemiAnalysis估計，在20%的平均利用率下，Anthropic的Max 5x計劃才勉強回本。20%的利用率可能還偏高了，尤其是在那些所有人（包括非程序員）都有訂閱帳號、卻只是偶爾用一次的組織裡。我認識的大多數機構，包括Dragonfly，都很大方地發放Claude Code訂閱，還鼓勵非編程人員去試。

但SemiAnalysis沒深入講的是，這完全是小企業才有的現象。大型企業用不上這種訂閱定價。

原因如下：當人數到了150人以上，你會被迫退出被稱為"團隊（Team）"版的訂閱模式。你必須切換到"企業（Enterprise）"版，定價是基礎20美元/席位，外加按代幣實際用量計算的API費用。企業只能按代幣成本線性付費，而SemiAnalysis認為API代幣的毛利率大約在75%。這是一個巨大的漲價，會在人數到150時突然生效。

所以，如果你是一家小企業或初創公司（或者個人用戶），你對AI支出的認知是被扭曲的。你的代幣定價其實非常優惠，Anthropic在你身上可能只維持著極低甚至負的利潤率。

你或許好奇，為什麼微軟和Uber對代幣支出大驚小怪，還大談"代幣精簡（token-minning）"。原因就在這裡。他們在每個代幣上付的結構性成本，比初創公司和個人高得多。

但Anthropic並不在乎！對一家B2B公司來說，從小公司或個人身上榨取最大價值，意義不大。看看Datadog或Cloudflare這樣的公司，他們80%到90%的收入都來自大型合同（年度經常性收入超過10萬美元）。在長尾客戶身上賺零利潤，只是一項客戶開發成本。

這是典型的B2B銷售思路。

但對同樣的局面，還有另一種看法：從稅收政策的角度。

因為如果代幣正在取代勞動力，那麼OpenAI和Anthropic在代幣上收的毛利，實際上就是一種對AI勞動力的徵稅。

這樣看代幣定價，會帶出兩個主要後果。

代幣定價作為稅收政策

假設SemiAnalysis文中的利潤率成立：訂閱制盈虧平衡，大型企業API毛利率75%。第一反應是把它稱為對大組織徵75%的AI勞動力稅，對初創公司徵0%。

標準的稅收分析會說，這阻礙了大公司在內部使用AI勞動力，在邊際上促使企業減少自動化、保留更多人類勞動力。（顯然，這也鼓勵使用更小或開源的模型，但淨效應是兩者都被激勵了。記住，我們這裡談的是邊際。）

然而，更強烈驅動行為的並不是平均稅率。在稅收政策裡，從來都不是。我們真正關心的是邊際稅率。

對採用一口價訂閱的初創公司來說，在觸及上限之前，下個代幣的邊際價格為零。而零邊際價格，是一項政策可能造成的最大扭曲。

對初創公司而言，訂閱模式基本上就是一種創新補貼。最壓倒性的動力，是琢磨怎麼盡可能高效地把整個代幣預算花光。這意味著跑Ralph循環、讓螢幕堆滿Claude Code會話、調度成群的智能體一起幹活。

在觸及上限之前，探索是免費的。所以初創公司實際上在競相榨乾訂閱的最後一滴價值，靠產量壓倒對手。反常的是，用得越多，平均代幣價格反而越低。每家初創公司都想成為那個讓Anthropic在訂閱上虧得最多的人。

大型企業面臨的激勵正相反。如果你超過了150個席位，探索中的每一個代幣都按全額加價收費（還帶75%附加費！），所以他們每多探索一步前沿，懲罰就線性地往上加。

大企業仍會把那些顯而易見的大批量任務自動化，但邊際的、實驗性的、有風險的自動化永遠發掘不出來，因為發現成本太高。這種稅收結構最終促使他們保留更多人力，維持原有的整體組織結構。

這正好和日本相反。由於人口下降，日本面臨巨大的勞動力短缺。歷史上這意味著日本追求高度自動化，因為高昂的人力成本激勵了自動化。這就是為什麼日本的餐廳、工廠、酒店、醫院裡都有機器人。

但奇怪的是，大企業發現自己陷入了和日本相反的困境：如果要為用AI付極高的稅，反而會削弱自動化的動力，加強保留現有員工的動機（如果這期間工資還停滯不前，就更明顯了）。

那麼在這個模型裡，勞動力的替代流向了哪裡？

所有人都盯著大公司，等AI裁員潮到來。但在75%的稅率下，太激進地用AI替換自己的員工可能根本不划算，代幣預算會直接爆炸。

但這不代表替代不會發生，只是替代會以另一種形態顯現。

當大企業把市場份額輸給那些綜合人力成本極低的AI原生初創公司時，大企業的收入和股價下跌會觸發裁員。但被淘汰的那些崗位，永遠不會在贏家初創公司裡重新出現。淨減員效應是一樣的，這個失業缺口只是轉移到了經濟體中稅率更低的另一個環節。

這也是為什麼"AI-washing"（把普通裁員說成是新發現的AI增效）可能不是一時的現象。所謂AI-washing，是指一家公司把裁員歸功於AI效率，實際上只是在掩飾普通的業務疲軟。

許多人以為這只是當前AI炒作周期裡的一陣風。但是，儘管所有人都準備好目睹大企業進行真正的AI裁員、用AI"替代崗位"，這種事可能永遠不會大規模發生。

勞動力的替代可能會以另一種方式展開：初創公司擊敗大公司，大公司一路借AI之名掩飾衰退直到倒閉，而初創公司永遠不會重建那些舊崗位。崗位替代依然會發生，只是不在大家盯著的地方。

這是這個模型的第一個後果。但還有一個更離奇的第二個後果。

150 人的懸崖

所謂監管斷點（Notch），是指一道會誘使行為出現巨大跳變的監管界限。例如：每週30小時的全職就業標準，催生了大量剛好每週工作29小時的崗位。

眾所周知，法國有極其嚴苛的勞工法規，企業一旦到50名員工就會生效（職工委員會、強制利潤分享、解雇保護），小公司則被豁免。這給了雇主巨大的動機，去拼命把規模壓在50人以下。

摘自：Garicano, Luis, Claire Lelarge, 和 John Van Reenen，2016年，《企業規模扭曲與生產力分佈：來自法國的證據》。

把這個類比延伸到AI。大模型公司設下了一道稅收門檻，懲罰那些超過150席位的公司。這意味著你必須保持小規模，才能留住那套美妙的補貼訂閱價，讓代幣被徵約0%（甚至負）的稅，而不是75%。

這可能會催生一種全新的企業管理哲學。初創公司會越來越痴迷於用智能體解決一切，團隊更小，裁員更頻繁，更多外包，窮盡一切手段，讓需要用到人的環節盡可能少。

這並不是因為它是"最優"的自動化程度，而是因為激勵機制把他們逼到了那裡。如果神奇的數字是149，那每個席位都至關重要，你沒法在公司的核心關節之外浪費任何一個人。

這種斷層可能會被哈佛商學院那類人視為"新一代AI優先管理"。但只要理解到位，它其實只是對企業定價方案的理性回應。

這聽起來可能有點誇張。但不同組織之間的行為差異，你現在已經能看到了。去和大企業的開發者聊聊，他們正精打細算地數代幣，對領導削減代幣預算越來越緊張。而初創公司的開發者們卻在拼命把用量拉滿（tokenmaxxing），一夜之間啟動成群智能體，等早上再來看日誌。我預計這種趨勢會加速。

沒有人故意設計這一切。沒有哪個委員會在決定給初創公司補貼創新、對老牌企業徵稅。這一切都直接源自那些屢試不爽的傳統企業定價策略。

但稅法向來如此：一堆附帶的規則，最終決定了哪些公司能被建起來，以及這些公司如何扭曲自身、把稅負降到最低。

你可能會反駁說這是暫時的，大模型公司遲早會對所有人計量收費。Github Copilot已經完成了這個轉變。可能吧，也可能不會。但在定價回歸正常之前，149人的公司和這套新派的AI優先管理，可能早已爆發、吞下大量市場份額，並為下一代初創公司寫好了劇本。

稅收政策至關重要。整個"零工經濟"的概念，正是因為W-2（正式員工）和1099（獨立承包商）之間的法律界限才存在的。隨著越來越多的勞動力被AI蠶食，代幣定價可能成為未來十年最具影響力的稅收政策。然而，永遠不會有人為此投票表決。

（如果下一個周期裡增長最快的公司，都顯眼地卡在149個席位上，也別感到驚訝。）