为什么未来增长最快的公司可能只有149人？一文看懂AI订阅定价的150人规模断层

作者：Haseeb（Dragonfly合伙人）

编译：Jiahua，流元

@SemiAnalysis_ 近期在AI编程订阅经济学中发现了一个反常现象：如果把额度用满，订阅费用实际上比通过API购买Token便宜20到70倍。

很多人看到这一数据会惊呼：天哪，这些大模型公司在巨额补贴Token，泡沫肯定要破了。

这种反应是错误的。大模型公司愿意提供如此慷慨的套餐，是因为绝大多数用户根本用不满额度。这类产品就像健身房会员卡：额度给得很大方，因为绝大多数人几乎不去。

但我对此思考良久，确实发现了一些蹊跷之处。

我们无法获知订阅业务的实际综合利润率，但据SemiAnalysis估算，在平均利用率20%的情况下，Anthropic的Max 5x计划仅能做到收支平衡。20%的利用率甚至可能偏高，尤其是在那些给所有人（包括非程序员）都开通订阅、但只是偶尔使用的组织里。据我所知，大多数机构（包括Dragonfly在内）都在大方地分发Claude Code订阅账号，并鼓励非程序员尝试使用。

但SemiAnalysis没有深入探讨的是，这种现象完全是小企业的特权。大企业根本无法享受这种订阅定价。

原因如下：当人数超过150人，你就被迫退出名为“Team”的订阅模式，转而使用“Enterprise”版本。该版本按每个席位20美元打底，再加上按实际Token用量计算的API费用。企业只能按Token成本线性付费，而SemiAnalysis估计API Token的毛利率约为75%。当人数达到150人时，价格会突然大幅跳涨。

因此，如果你是小企业、初创公司（或个人用户），你对AI支出的感知是扭曲的。你的Token定价其实非常优惠，Anthropic在你身上可能只维持了极低、甚至是负的利润。

你可能好奇，为什么Microsoft和Uber这样的公司在Token支出上如此大做文章，甚至谈论“token挖矿”。原因就在于此。它们每枚Token支付的结构性成本远高于初创公司和个人。

但Anthropic并不在意！对一家B2B公司来说，从小公司或个人身上榨取最大价值意义不大。看看Datadog或Cloudflare这类公司，80%到90%的收入来自大额合同（年经常性收入超过10万美元）。从长尾客户身上零利润甚至亏损，只是获客成本而已。

这是典型的B2B销售思维。

但同一件事还有另一个观察角度：税收政策。

因为如果Token正在替代劳动力，那么OpenAI和Anthropic在Token上收取的毛利润本质上就是对AI劳动力征税。

这样看待Token定价，会引出两个主要后果。

Token定价为何形同“AI税”

假设SemiAnalysis提到的利润率属实：订阅业务收支平衡，大企业API毛利率75%。第一反应是将其称为对大型组织征收75%的“AI劳动税”，而对初创企业征收0%的税。

标准税收分析会指出，这阻碍了大公司在内部使用AI劳动力，从边际上促使企业减少自动化、保留更多人力。（显然，这也鼓励使用更小或开源的模型，但净效应是两者都受到激励。记住，这里讨论的是边际效应。）

然而，更能驱动行为的不是平均税率。税收政策中从来都不是。我们真正关心的是边际税率。

对于采用定额订阅的初创公司，在触及上限前，下一枚Token的边际价格是零。而零边际价格是一项政策能造成的最大扭曲。

对初创公司而言，订阅模式本质上是一种创新补贴。最强烈的动机就是想办法高效地花光全部Token预算。这意味着运行Ralph loops、在屏幕上开满Claude Code会话、调度成群的智能体协同工作。

在触及上限之前，探索是免费的。因此初创公司实际上在竞争谁能从订阅中榨取最后一滴价值，靠产出压倒竞争对手。矛盾的是，它们用得越多，平均Token成本就越低。每家初创公司都想成为那个让Anthropic在订阅上亏损最多的客户。

大企业面临的激励则完全相反。一旦超过150个席位，每一次探索都要按全价收费（外加75%的毛利！），因此越深入探索，线性增长的惩罚就越重。

大企业仍然会自动化那些显而易见的大规模任务，但边际性的、实验性的、高风险的自动化永远不会被发掘，因为发现成本太高。这种税收结构最终促使它们保留更多人力、维持现有组织架构。

这与日本的情况截然相反。由于人口萎缩，日本面临严重的劳动力短缺。历史上，这意味着日本追求高度自动化，因为高昂的劳动力成本激励了自动化。这就是为什么日本的餐厅、工厂、酒店和医院里都有机器人。

但奇怪的是，大企业发现自己陷入了与日本相反的困境：如果必须为使用AI支付极高的“税”，这实际上削弱了自动化的动力，反而强化了保留现有员工的动力（尤其是如果在此期间工资停滞不前）。

那么在这个模型中，劳动力替代会流向哪里？

所有人都在盯着大公司，等待AI裁员潮的到来。但在75%的“税率”下，激进地用AI替换员工可能根本不具备成本效益；Token预算可能会直接爆炸。

但这并不意味着替代不会发生；它只是会以另一种形式呈现。

当大企业因整体劳动力成本极低的AI原生初创公司而失去市场份额时，营收和股价下滑将触发裁员。然而，这些消失的岗位永远不会在胜出的初创公司中重现。净减少效应是一样的；这个失业缺口只是转移到了经济体中税率更低的另一个角落。

这也是为什么“AI洗白”（AI-washing，即把普通裁员包装成AI提效）可能不是暂时现象。

很多人以为这只是当前AI炒作周期中的一闪而过。然而，当所有人都准备好见证大公司进行真正的AI裁员、用AI“替代岗位”时，这种事可能永远不会大规模发生。

劳动力替代可能以另一种方式展开：初创公司击败大公司，大公司把AI当作衰退的遮羞布直到倒闭，而初创公司永远不会重建那些旧岗位。岗位替代仍会发生；只是不会发生在所有人注视的地方。

这是该模型的第一个后果。但还有第二个，甚至更奇怪的后果。

150人规模断层

所谓的“监管凹槽”（regulatory notch）是指一个监管边界诱发了行为的显著跃升。例如，每周30小时的全职雇佣标准导致大量恰好工作29小时的岗位出现。

众所周知，法国的劳动法规极为严格，一旦企业达到50名员工（需设员工委员会、强制利润分享、解雇保护），而小公司则可豁免。这给了雇主巨大的激励，把规模控制在50人以下。

摘录来源：Garicano, Luis, Claire Lelarge, and John Van Reenen, 2016, “Firm Size Distortions and Productivity Distribution: Evidence from France.”

把这个类比延伸到AI领域，大模型公司设定了一个税收门槛，对超过150个席位的公司进行惩罚。这意味着你必须保持小规模，才能保留那份美妙的补贴订阅价，让Token按0%（甚至负税率）被“征税”，而不是75%。

这可能催生一种全新的企业管理哲学。初创公司会越来越痴迷于用智能体解决一切问题：团队更小、裁员更频繁、更多外包，穷尽一切手段减少对人力的需求。

这不是因为这是“最优”的自动化水平，而是激励机制把它们推向了那里。如果那个神奇的数字是149，那么每一个席位都至关重要，你不能把任何一个人浪费在公司的非核心关节上。

哈佛商学院这类机构的人或许会把这种断裂视为“新一代AI优先管理”。但只要理解到位，这不过是对企业定价方案的理性反应。

这听起来可能有些夸张。但你已经能看到不同组织间的行为差异。去和大公司的开发者聊聊，他们在精打细算地数Token，对预算削减越来越紧张。与此同时，初创公司的开发者在拼命刷满额度（tokenmaxxing），连夜部署成群的智能体，早上再查看日志。我预计这种趋势会加速。

这一切并非某人刻意设计。没有哪个委员会决定补贴初创创新、同时向成熟企业征税。所有这些都直接源于那些久经考验的传统企业定价策略。

但税法历来如此：一堆附带规则最终决定了什么样的公司能被建立，以及这些公司如何扭曲自身以最小化税负。

你可能会说这只是暂时的，大模型公司最终会对所有人都按用量收费。GitHub Copilot已经完成了这种过渡。也许吧，但也未必。但在定价常态化之前，拥有149人并采用这种全新AI优先管理模式的公司可能已经爆发式增长，攫取大量市场份额，并书写下一代初创公司的剧本。

税收政策至关重要。整个“零工经济”的概念之所以存在，就是因为W-2（正式雇员）与1099（独立承包商）之间的法律边界。随着越来越多的劳动力被AI消耗，Token定价可能成为未来十年最具影响力的税收政策。然而，永远不会有人为此投票。

（如果下一个周期里增长最快的公司都显眼地卡在149个席位，不要感到惊讶。）

核心发现速览

AI编程订阅存在显著的规模断层：150人以下团队可通过定额订阅以近乎零边际成本使用Token，而150人以上企业被迫按API用量付费，承担约75%的毛利溢价。这相当于对大企业征收“AI劳动税”，却为初创公司提供了创新补贴。

订阅与API的成本差异有多大

据SemiAnalysis数据，Anthropic Max 5x订阅在平均利用率20%时仅勉强收支平衡；若用户把额度用满，订阅成本可比API低20至70倍。Enterprise版按每席位20美元加API用量计费，而API端毛利率约75%。对初创公司而言，越接近使用上限，平均Token成本越低，甚至可为负；对大企业而言，每多一次实验都按全价计费。

大企业需要警惕哪些风险

首先是“AI洗白”风险：部分企业可能借AI之名掩盖业务衰退与普通裁员。其次是自动化惰性：高边际成本会抑制边际性、实验性的自动化探索，使企业倾向于保留现有人力与组织结构，长期削弱竞争力。最后是岗位消失的结构性转移：失业不会大规模出现在“AI替代”头条中，而会通过初创公司击败巨头、旧岗位永不重建的方式隐性发生。

后续值得观察的指标

短期看，是否涌现大量刻意卡在149人规模、采用AI优先管理的初创公司。中期看，大模型厂商是否会统一按用量计费，抹平当前定价断层。长期看，AI原生初创与传统大企业的市场份额变化，以及“Token税”是否会成为影响企业组织形态的核心变量。