Tomer Tunguz 博客(VC 分析)
精选
58AI 编辑部评分,满分 100

Anthropic:当AI成本超过工程师薪酬

2026-06-29 08:00· 46天前· Tomasz Tunguz
AI 导读

Anthropic在算力上的支出达到每位工程师每年51.5万美元,是其完全薪资(22.4万美元)的2.3倍。相比之下,顶尖1%软件公司的算力支出为8.9万美元,中位数仅为1.37万美元。三个2029年情景预测了这一差距的缩小路径。

推荐理由

Tomer Tunguz 用数据把 AI 公司的烧钱速度拆得很细,Anthropic 每个工程师年算力成本 51.5 万美元,是工资的 2.3 倍,这个数字对重新理解 SaaS 毛利率很有冲击力。

正文 · AI 翻译

简而言之:Anthropic 在算力上的支出是其薪酬支出的 2.3 倍——按目前每位工程师每年 22.4 万美元的全额薪酬计算,相当于每人每年 51.5 万美元的算力成本。顶尖 1% 的软件公司此项支出为 8.9 万美元,中位数公司则为 137 美元。三个 2029 年的情景假设勾勒出这一差距如何收窄。

Anthropic 在算力上的支出是其薪酬支出的 2.3 倍。¹ 该公司约有 5000 名员工,2026 年推理与训练支出约 100 亿美元,这意味着每位员工每年约 200 万美元的算力成本,而每位员工的全额薪酬很可能超过 50 万美元。²

软件行业的其他公司则远远落后。顶尖 1% 的公司每位工程师每年在 AI 上的支出为 8.9 万美元,占高级工程师 22.4 万美元全额薪酬的 40%。³⁻⁴ 中位数公司仅支出 137 美元。这就是差距所在:前沿公司为 2.3 倍,市场顶尖公司为 0.4 倍,而中位数公司几乎为零。

市场其他公司能追得多近?三个情景假设框定了答案范围。

Line chart showing three scenarios for AI spend as percent of engineer salary through 2029, with the Bull case converging to the Anthropic benchmark of 230 percent

熊市情景(模型 token 通缩占主导)、基准情景(顶尖 1% 公司增长放缓)、牛市情景(到 2029 年市场其他公司达到 Anthropic 的支出比例)。每个情景都对应着每位工程师每年的 AI 支出账单。⁵

年份 熊市 基准 牛市
2026 年 9 万美元(40%) 9 万美元(40%) 9 万美元(40%)
2027 年 10.6 万美元(45%) 16.4 万美元(70%) 25.8 万美元(110%)
2028 年 11.8 万美元(48%) 25.9 万美元(105%) 44.4 万美元(180%)
2029 年 10.6 万美元(41%) 36.3 万美元(140%) 59.6 万美元(230%)

在牛市情景下,仅每位工程师的 AI 账单就相当于一名中位数 SaaS 员工贡献的全部收入。⁶ Anthropic 和 OpenAI 每位员工已分别创造 1400 万和 650 万美元的收入,位列福布斯全球 2000 强之首。⁷

成本结构紧随收入结构。

牛市驱动因素:前沿模型价格保持坚挺,训练成本趋于平稳,而需求超过供给。智能体工作流消耗的模型 token 量比聊天高出数个数量级,高盛预测到 2030 年模型 token 消耗量将增长 24 倍。⁸ 如果竞争对手更快推出功能,AI 账单就不再是可有可无的选择。

熊市抵消因素:模型 token 价格已连续三年每年下降 10 倍。⁹ 开源权重模型以极低的成本缩小了质量差距。¹⁰ 按角色或工作负载限制用量的公司则拉低了增长曲线。

A wooden seesaw with a small engineer & laptop lifted high on the left while a stack of server racks sinks down on the right

这些情景中,有一个将在 2029 年更接近现实。你为 2027 年建模的是哪一个?


  1. 高盛,《2026年AI经济》。在Anthropic这类AI原生企业中,算力支出约为员工成本的2.3倍,这表明其结构性成本基础中,基础设施支出已超过薪资支出。另见行业报道:valueaddvc.com/ai-spending。↩︎

  2. 据SaaStr数据(2026年6月),Anthropic员工约5000人。据《财富》杂志AI资本支出报道,2026年其推理与训练支出约100亿美元,营收约50亿美元。100亿美元 / 5000人 = 每位员工200万美元算力成本。根据Levels.fyi的Anthropic数据,顶级AI实验室的全额薪酬超过50万美元。↩︎

  3. 高级软件工程师的全额薪酬基准为每年22.4万美元,该数据综合了Levels.fyi 2026年第一季度的基本薪资数据与美国劳工统计局2026年雇主员工薪酬成本中的福利附加比例。顶级公司薪酬更高。↩︎

  4. Ramp AI指数,2026年6月。ramp.com/data/ai-index-june-2026。排名前1%的企业在AI上每位员工每月支出7449美元(每年8.9万美元),环比增长14.1%;中位数企业每月支出11.38美元(每年137美元);领先企业与中位数企业之间的支出差距达680倍。↩︎

  5. 方法论。高级工程师的全额薪酬基准目前为每年22.4万美元,并以每年约5%的速度增长(BLS薪资趋势)。每种情景下,AI支出占薪资的百分比路径决定了每位工程师的年度AI支出。悲观情景(AI支出占薪资百分比按年变化):40、45、48、41。基准情景:40、70、105、140。乐观情景:40、110、180、230。悲观情景下的美元支出在2028年前持续上升,随后在2029年下降,因为该比例下降速度快于薪资通胀。↩︎

  6. 公有SaaS公司的人均营收基准数据来自KeyBanc Capital Markets的SaaS调查及OPEXEngine 2025-2026年队列。中位数约为25万美元;根据公司阶段和垂直领域的不同,前四分位数在40万至60万美元之间。↩︎

  7. Epoch AI,《AI公司人均营收》,2026年。epoch.ai/data-insights/revenue-per-employee-ai-companies。Anthropic人均营收约1400万美元,OpenAI约650万美元,为福布斯全球2000强中最高。↩︎

  8. 高盛研究预测,到2030年,与当前以聊天为主的用法模式相比,智能体AI工作负载将推动模型token消耗量增长24倍。↩︎

  9. OpenAI的GPT-4级别模型输入定价从发布时(2023年3月)的每百万token 30美元降至2026年的不到3美元,同等能力水平下每年约降价10倍。Anthropic Claude和Google Gemini的各版本产品也出现了类似的降价趋势。↩︎

  10. 根据 Ramp 在 2026 年 6 月的观察,头部企业正在“将前沿模型与廉价开源模型混合使用”以控制成本,DeepSeek-V3 及后续的开源权重版本以领先闭源模型 1/10 到 1/30 的 API 成本,实现了可与之匹敌的基准测试成绩。 ↩︎

来源:Tomer Tunguz 博客(VC 分析) · tomtunguz.com

Anthropic:当AI成本超过工程师薪酬

Tomer Tunguz 博客(VC 分析)·2026-06-29 08:00·46天前·Tomasz Tunguz
AI 导读

Anthropic在算力上的支出达到每位工程师每年51.5万美元,是其完全薪资(22.4万美元)的2.3倍。相比之下,顶尖1%软件公司的算力支出为8.9万美元,中位数仅为1.37万美元。三个2029年情景预测了这一差距的缩小路径。

正文 · AI 翻译

简而言之:Anthropic 在算力上的支出是其薪酬支出的 2.3 倍——按目前每位工程师每年 22.4 万美元的全额薪酬计算,相当于每人每年 51.5 万美元的算力成本。顶尖 1% 的软件公司此项支出为 8.9 万美元,中位数公司则为 137 美元。三个 2029 年的情景假设勾勒出这一差距如何收窄。

Anthropic 在算力上的支出是其薪酬支出的 2.3 倍。¹ 该公司约有 5000 名员工,2026 年推理与训练支出约 100 亿美元,这意味着每位员工每年约 200 万美元的算力成本,而每位员工的全额薪酬很可能超过 50 万美元。²

软件行业的其他公司则远远落后。顶尖 1% 的公司每位工程师每年在 AI 上的支出为 8.9 万美元,占高级工程师 22.4 万美元全额薪酬的 40%。³⁻⁴ 中位数公司仅支出 137 美元。这就是差距所在:前沿公司为 2.3 倍,市场顶尖公司为 0.4 倍,而中位数公司几乎为零。

市场其他公司能追得多近?三个情景假设框定了答案范围。

Line chart showing three scenarios for AI spend as percent of engineer salary through 2029, with the Bull case converging to the Anthropic benchmark of 230 percent

熊市情景(模型 token 通缩占主导)、基准情景(顶尖 1% 公司增长放缓)、牛市情景(到 2029 年市场其他公司达到 Anthropic 的支出比例)。每个情景都对应着每位工程师每年的 AI 支出账单。⁵

年份 熊市 基准 牛市
2026 年 9 万美元(40%) 9 万美元(40%) 9 万美元(40%)
2027 年 10.6 万美元(45%) 16.4 万美元(70%) 25.8 万美元(110%)
2028 年 11.8 万美元(48%) 25.9 万美元(105%) 44.4 万美元(180%)
2029 年 10.6 万美元(41%) 36.3 万美元(140%) 59.6 万美元(230%)

在牛市情景下,仅每位工程师的 AI 账单就相当于一名中位数 SaaS 员工贡献的全部收入。⁶ Anthropic 和 OpenAI 每位员工已分别创造 1400 万和 650 万美元的收入,位列福布斯全球 2000 强之首。⁷

成本结构紧随收入结构。

牛市驱动因素:前沿模型价格保持坚挺,训练成本趋于平稳,而需求超过供给。智能体工作流消耗的模型 token 量比聊天高出数个数量级,高盛预测到 2030 年模型 token 消耗量将增长 24 倍。⁸ 如果竞争对手更快推出功能,AI 账单就不再是可有可无的选择。

熊市抵消因素:模型 token 价格已连续三年每年下降 10 倍。⁹ 开源权重模型以极低的成本缩小了质量差距。¹⁰ 按角色或工作负载限制用量的公司则拉低了增长曲线。

A wooden seesaw with a small engineer & laptop lifted high on the left while a stack of server racks sinks down on the right

这些情景中,有一个将在 2029 年更接近现实。你为 2027 年建模的是哪一个?


  1. 高盛,《2026年AI经济》。在Anthropic这类AI原生企业中,算力支出约为员工成本的2.3倍,这表明其结构性成本基础中,基础设施支出已超过薪资支出。另见行业报道:valueaddvc.com/ai-spending。↩︎

  2. 据SaaStr数据(2026年6月),Anthropic员工约5000人。据《财富》杂志AI资本支出报道,2026年其推理与训练支出约100亿美元,营收约50亿美元。100亿美元 / 5000人 = 每位员工200万美元算力成本。根据Levels.fyi的Anthropic数据,顶级AI实验室的全额薪酬超过50万美元。↩︎

  3. 高级软件工程师的全额薪酬基准为每年22.4万美元,该数据综合了Levels.fyi 2026年第一季度的基本薪资数据与美国劳工统计局2026年雇主员工薪酬成本中的福利附加比例。顶级公司薪酬更高。↩︎

  4. Ramp AI指数,2026年6月。ramp.com/data/ai-index-june-2026。排名前1%的企业在AI上每位员工每月支出7449美元(每年8.9万美元),环比增长14.1%;中位数企业每月支出11.38美元(每年137美元);领先企业与中位数企业之间的支出差距达680倍。↩︎

  5. 方法论。高级工程师的全额薪酬基准目前为每年22.4万美元,并以每年约5%的速度增长(BLS薪资趋势)。每种情景下,AI支出占薪资的百分比路径决定了每位工程师的年度AI支出。悲观情景(AI支出占薪资百分比按年变化):40、45、48、41。基准情景:40、70、105、140。乐观情景:40、110、180、230。悲观情景下的美元支出在2028年前持续上升,随后在2029年下降,因为该比例下降速度快于薪资通胀。↩︎

  6. 公有SaaS公司的人均营收基准数据来自KeyBanc Capital Markets的SaaS调查及OPEXEngine 2025-2026年队列。中位数约为25万美元;根据公司阶段和垂直领域的不同,前四分位数在40万至60万美元之间。↩︎

  7. Epoch AI,《AI公司人均营收》,2026年。epoch.ai/data-insights/revenue-per-employee-ai-companies。Anthropic人均营收约1400万美元,OpenAI约650万美元,为福布斯全球2000强中最高。↩︎

  8. 高盛研究预测,到2030年,与当前以聊天为主的用法模式相比,智能体AI工作负载将推动模型token消耗量增长24倍。↩︎

  9. OpenAI的GPT-4级别模型输入定价从发布时(2023年3月)的每百万token 30美元降至2026年的不到3美元,同等能力水平下每年约降价10倍。Anthropic Claude和Google Gemini的各版本产品也出现了类似的降价趋势。↩︎

  10. 根据 Ramp 在 2026 年 6 月的观察,头部企业正在“将前沿模型与廉价开源模型混合使用”以控制成本,DeepSeek-V3 及后续的开源权重版本以领先闭源模型 1/10 到 1/30 的 API 成本,实现了可与之匹敌的基准测试成绩。 ↩︎

来源:Tomer Tunguz 博客(VC 分析)· tomtunguz.com