a16z：企业 AI 算力预算将成为最疯狂的话题

核心要点

2026 年 4 月，a16z 转发并力推了一场关于企业 AI 支出的重磅讨论。Box CEO Aaron Levie 与前微软高管 Steven Sinofsky 在播客对话中描绘了一个极端图景：在 AI-first 的工程团队中，token 成本占工程计算预算的比例可能从当下的 1% 急剧膨胀至未来的 80%–100%。这意味着 CFO 不再能以传统 IT 预算思维审视 AI 支出——每一家想把 AI 深度嵌入产品的公司，都必须重新构建一套全新的预算框架和审批逻辑。

原文 + 中文翻译

原文（a16z 转推概述 + 核心引用）：

"Box CEO Aaron Levie & former Microsoft exec Steven Sinofsky on the future of AI spend: Engineering compute budgets will go from 1% to near 100% tokens. CFOs need a whole new framework."

翻译： Box CEO Aaron Levie 与前微软高管 Steven Sinofsky 论 AI 支出的未来：工程计算预算将从 token 占 1% 变为接近 100%。CFO 们需要一套全新的框架。

"If you want to do something that requires intelligence — whether that's code generation, reasoning, content generation — you're now purchasing that as a token, not as a human."

翻译： 如果你想做一件需要智力的事情——无论是代码生成、推理还是内容生成——你现在是在购买 token 来实现，而不是购买人。

深度解读

1. 「Token 即 CPU」：算力消费模式的根本性迁移

Steven Sinofsky 的核心论断是：AI 推理正在成为继 CPU、GPU 之后的第三层计算资源，并且正在蚕食一切。传统软件开发成本的结构是：工程师薪资 + 计算基础设施（云服务器 / CI/CD） + 数据存储。而在 AI-native 开发模式下，工程师的核心工作正在被 LLM 替代——一个高产能工程师 + 强大的 LLM 调用的组合，其成本结构中最大的增量来自 token 消耗，而非底层的云虚拟机。

这与当年「云计算把 CapEx 变成 OpEx」的转变同样深刻，但影响更为直接：每请求的成本是可量化的（每次 API 调用），但规模化后的总量是惊人的。以一个 100 人工程师团队为例，若全员高频使用高级模型，日 token 消耗可达数千万 token，月费用轻松突破数十万美元——而这只是开始。

2. CFO 困境：旧预算模型已死

Aaron Levie 指出了一个被大多数 CFO 忽视的结构性变化：传统软件预算的逻辑基于人头、席位（seat）和固定授权。但 AI 支出的计量单位是「智能消耗量」，本质上是变量成本，随使用深度指数增长。

这创造了一个前所未有的预算矛盾：AI 投入的价值验证周期长（需要数月才能看到产品 KPI 改善），但账单每月到期。传统的 ROI 框架（计算服务器利用率、计算每行代码成本）失效了，取而代之的必须是类似「营销支出」的思维方式——对实验性支出保持耐心，同时设定明确的转化率指标。

深层次看，这也将倒逼 CFO 与 CTO 的关系重新洗牌。过去 CTO 主导基础设施预算决策，未来 CFO 将更多介入 AI 支出的战略评估，因为这类支出的规模已经可以影响公司整体 P&L。

3. 从 1% 到 100%：不是科幻，是演进路径

a16z 将这一预测框定为「最疯狂的话题」并非噱头。事实上，这个 1%→100% 的演进并非线性，而是阶梯式的。每当 AI 能力跃升到一个临界点（比如 o3 这样具备强推理能力的模型普及），更多之前由人类执行的任务就会被 token 替代。

Levie 的预判是：任何「需要智力的工作」都在成为 token 的候选领地。代码生成、文档撰写、数据分析、设计稿评审——这些原本被视为「知识工作者专属」的任务，正在快速被模型覆盖。随之而来的，是整个工程预算的重新分配：减少人头编制、节省现有 SaaS 工具授权，将资源集中倾斜到 AI API 消耗上。

值得关注

• Box 自身的 AI 预算实验： Aaron Levie 作为亲历者，其公司 Box 的 AI 集成进度值得追踪。当 Box 将 AI 功能嵌入企业内容管理平台后，token 成本与收入增长之间的函数关系将是业内第一个大规模公开案例。
• CFO 新预算工具的出现： 预计 2026 年下半年，会有更多 FP&A（财务规划与分析）工具厂商（如 Anaplan、CFO Tech）推出针对 AI 支出的监控仪表盘产品，取代传统的云成本工具（如 CloudHealth、Densify）。
• 从「席位模型」到「消费模型」的 SaaS 定价迁移： Sinofsky 的洞察暗示，更多 B2B SaaS 公司将面临产品定价模型的根本性压力——当客户的核心价值交付来自 AI 而非人力驱动时，「按用户席位收费」的逻辑将崩解。
• AI 推理成本下降速度： 若模型推理成本（如 OpenAI、Anthropic、Google 的定价）在未来 18 个月内继续下降 10x，「1%→100%」的演进速度可能被加速，也可能因成本下降而被推迟——关键变量在于需求弹性和供给价格曲线。
• 企业内部 AI 支出审计案例披露： 预计 2026 年 Q3 财报季前后，会有大型企业在财报或投资者日披露 AI 支出的规模与占比，这将是检验「token 占预算 50%+」预测的第一个实证窗口。

信源行：
原文链接：a16z X 推文
背景报道：Stratechery（分析 SaaS 定价模型变化）；Foundation Capital（企业 AI 支出框架研究）；The Information（2025 年企业 AI 预算趋势报道）。