代币经济学：一家公司一年烧掉 700 万美金的代币账单
Tokenomics, Claude Mythos, and Infinite Demand
本报告由 AI 深度分析生成，基于视频完整字幕。
导读
Dylan Patel 是过去 3 年硅谷最有影响力的独立研究者之一。他创办的 SemiAnalysis 是现今关于半导体供应链、AI 基础设施、数据中心经济的首屈一指的研究机构——Nvidia、Microsoft、Meta、Apple 的高管都订阅他的数据。
这一期 60 分钟的访谈是2026 年 4 月理解 AI 经济学的最重要一份文本之一。核心话题：
- SemiAnalysis 自己一年花了 700 万美金在 Claude Code 上（工资支出 2500 万）
- 他们现在用 AI 做一个人完成 200 人团队的工作（一个经济学家 Malcolm 的故事）
- Anthropic 的 gross margin 可能已超过 72%
- Mythos（Claude 5）据称是"过去 2 年最大的能力跃迁"——因为"太强"，Anthropic 刻意发布了一个弱化版
- 未来 3-4 年：商业模式转向"Token 套利（token arbitrage）"
这一期的独特价值： Dylan 是既做投资又做实操的罕见人物。** 他不是谈 AI——他是在真金白银地用 AI**。他给出的数字和案例具体到让人颤抖。
一句话记住： 2026 年的商业真相——谁能买到、会用、会高价值应用 tokens，谁就赢。Tokens 不是产品——是经济的新货币。
核心观点速览
- Dylan 的公司 SemiAnalysis 每年 Token 支出 = 工资支出的 28%（$7M vs $25M），按当前增速年底可能超过 100%。
- 颠覆的业务案例：
- 一个人用几千美元 Token 做出了一个前 Intel 团队用数年做的芯片反向工程工具
- 一个经济学家独自完成 200 人经济学团队的工作
- 3 周 + $6000/天 token 做出了一个比 100 人 10 年做的能源数据库更好的产品
- Ideas > Execution。 以前"执行太难，想法廉价"。现在"想法廉价丰富，执行极易。真正的护城河是好想法"。
- Anthropic 经济学：
- ARR 从 $9B → $40-45B（2026 Q1）
- Gross Margin 至少 72%，可能更高
- 计算资源增长远小于收入增长——** 这证明每 token 价值暴涨**
- Mythos（Claude 5）： Anthropic 内部的下一代模型，"被刻意弱化后发布 GPT 4.7"——太强到不敢完全释放。
- Token 经济学的核心：
- 前沿模型 → 经济价值创造
- 老模型 → 已经商品化
- 真正的稀缺资源：接口限额（rate limits） ——有 Anthropic 企业合同的人不会被限流
- Patrick 的震惊观察： 他自己 4.7 发布当天就"无法接受再用 4.6"——证明"最前沿模型"的需求弹性完全不可预测。
- 下一个 3-5 年：商业模式是"Token 套利（token arbitrage）"——谁能把 token 指向最有价值的任务，谁就赚钱。
一、SemiAnalysis 的内部数据：一家真实公司用 AI 的现状
支出的爆炸式增长
Dylan 开场就丢出震撼数据：
| 年份 | SemiAnalysis AI 支出 |
|---|---|
| 2024 年（整年） | 几万美元（个位数万） |
| 2025 年 12 月（开始爆发） | 开始上升 |
| 2026 年 1 月 | 已到 $5M/年的 run rate |
| 2026 年 3 月 | $7M/年 run rate |
| 2026 年 Q4 预期 | 可能超过 $25M（超过工资支出） |
工资支出基准： $25M/年（约 80-100 人团队）
不是研究员在用——是每个人都在用
Dylan 透露了一个关键人物——Doug Oaflin（公司总裁） 。
"Doug is very much like leading the charge in the sense of like non-technical people using AI for coding." （Doug 在带头——作为一个不写代码的人用 AI 写代码。）
这是关键： 不是工程师在推 AI——是非技术高管在推。Doug 逐步把整个公司"改造"成 AI 重度使用者。
单人天消耗几千美元的情况
"People who have never coded before are using Claude Code and spending thousands of dollars sometimes a day." （从没写过代码的人在用 Claude Code——有时一天花几千美元。）
二、三个震撼案例：AI 真正改变商业的现场
案例 1：芯片反向工程实验室
背景： SemiAnalysis 在 Oregon 有一个芯片反向工程实验室（用扫描电子显微镜等分析芯片）。
之前：
- 拿到芯片图片
- 人工分析每一层的材料（"这里是铜、这里是钽、这里是锗、这里是钴"）
- 手工做有限元分析（FEA）
AI 化之后：
- 一个人用几千美元的 Claude tokens
- 做出一个 GPU 加速的 web 应用
- 跑在 Coreweave 上
- 发图过去，自动识别每一层每一种材料
- 配 dashboard GUI
震撼的对比：
"The person previously worked at Intel and he said that was an entire team's job to build that and maintain that." （那个人以前在 Intel 工作。他说这在 Intel 是一整个团队的工作——建立和维护这个系统。）
Intel 团队 = 几十人 × 数年时间 = 几千万美元投入 SemiAnalysis 单人 + Claude = 几千美元 + 几周时间
案例 2：Malcolm 的一人经济学家
背景： SemiAnalysis 新聘请的经济学家 Malcolm，之前在一家主要银行的经济学家部门（那个部门有 100-200 人）。
他做了什么？
- 接入 FRED（联储经济数据） 、就业报告等多个 API（花了几千美元签合同）
- 做回归分析
- 研究"各种经济革命的通缩/通胀影响"
- 创建了一个叫 "Phantom GDP" 的概念（AI 让 output 上升但 cost 大幅下降，理论上 GDP 反而缩小）
- 用 BLS（美国劳工统计局）的 2000 项任务清单做一个评分体系，** 评估每项任务是否能被 AI 完成**
他的结论： ~3% 的任务当前能完全被 AI 做。 但这个数字正在疯狂增长。
Malcolm 的话：
"Dude, this would have taken a team of 200 economists a year. He's just completely cracked out on Claude. He's like everything has changed." （兄弟，这本来需要 200 人经济学团队做一年。我就像磕了 Claude 上瘾——一切都变了。）
案例 3：能源数据业务（3 周进入价值 $900M 市场）
背景： 能源数据服务市场约 $900M/年，被几个大公司主导（每个都是 100 人规模、做了 10 年）。
SemiAnalysis 之前： 试了 1 年多，有好几个能源分析师，都没真正打入市场。
然后一个员工 Jeremy 被 "Claude psychosis" 袭击：
- 3 周内
- 每天花费 $6,000 的 tokens
- 用公开数据爬取了全美每一个发电厂
- 爬取了所有高于某个电压级别的输电线
- 创建了整个美国电网的 地图 + dashboard
产品的反馈：
"We started showing some of our customers... and they're like 'wow how long did this take you? This is really good. This is better than XYZ company.' XYZ company has 100 people and has been working on this for a decade." （我们给客户看——他们说："这做多久？真好。比 XYZ 公司的东西还好。" XYZ 公司 100 人做了 10 年。）
教训： 3 周 + $6000/天 tokens = 超越 100 人 × 10 年的竞争对手。
三、"Ideas vs Execution" 的本质反转
这是整期播客最深刻的宏观判断。
Dylan 的一句话总结
"What used to matter a lot was execution was very very fucking difficult and ideas were cheap. Now ideas are cheap and plentiful but execution is very easy. So really only the good ideas are the ones that can justify the spend on super cheap implementation." （过去——执行极难、想法廉价。现在——想法廉价丰富，执行极易。所以真正重要的是好想法，因为只有好想法值得花极低成本去实现。）
这颠覆了所有传统商业智慧
传统智慧： "好想法廉价，执行力才珍贵。"
Dylan 的新智慧： "执行正在商品化。好想法重新变成稀缺资源。 "
含义
对创业者：
- 执行不再是护城河
- 你能想到的角度才是护城河
- 不要做"比别人执行更好"——做"别人想不到"
对员工：
- 能执行是最低门槛
- 会问正确问题（= 有好想法）是高阶技能
- 上升路径不是执行更快，是 problem identification
对投资人：
- "团队执行力强"不再是核心投资标准
- **"有独特洞见"**是新的核心
四、Anthropic 的经济学：为什么是一家印钞机
Dylan 给出了一份公开的推算——** Anthropic 的真实财务健康度**。
收入爆炸
| 时间 | ARR |
|---|---|
| 2024 初 | 约 $5B |
| 2025 初 | $9B |
| 2025 Q3 | $15-20B |
| 2025 Q4 | $30-35B |
| 2026 Q1 | $40-45B |
计算资源增长 vs 收入增长
关键发现：计算资源（GPU 投入）增长远小于收入增长。
这意味着：
- Token 平均生成成本没有大幅提高（因为硬件/算法都在进步）
- 但 token 销售价格维持甚至提升（因为 Mythos、GPT-4.7 这些前沿模型）
- 每 token 的毛利在暴涨
毛利率底线：72%
Dylan 的推算：
"Their margins are at a floor of 72%. In reality, some of that incremental compute they got probably went to research and development. It may be higher than 72% gross margins." （他们的毛利率至少 72%。实际可能更高——因为他们仍把部分计算资源用于研发。）
对比：年初披露的是"30 多%"
Dylan 透露一个重要细节：2025 年底有人泄露了 Anthropic 的融资文件，显示当时毛利率是 "30 多%"。
从 30% → 72%+ 在 6 个月内——这是什么速度？
这证明什么？
"Their demand is so high. They're able to cut back on usage limits, rate limits, all these things." （他们的需求高到他们可以切掉使用限额、速率限制这些。）
这是卖方市场的经典信号： 当你能砍供应而价格仍然涨——你处于绝对的市场支配地位。
五、"Claude Mythos"：不敢完全发布的模型
这是播客最让人屏息的一段。
泄露的信号
Dylan 和他的朋友 Leopold（投资人）** 跪在 Anthropic 联合创始人面前**求访问 Mythos 的访问权（这里是玩笑说法，但反映了圈内的焦虑）：
"One of my funniest memories in the past month and a half is myself and a buddy of mine, Leopold, being on our knees in front of an Anthropic co-founder begging him for access to Mythos and then pretending it doesn't exist cuz we knew it existed." （过去 1 个半月最搞笑的回忆——我和 Leopold 跪在 Anthropic 联合创始人面前求 Mythos 访问权，他假装不知道那是什么。）
Mythos 是什么？
- Anthropic 的下一代模型
- "过去 2 年最大的能力跃迁"
- 比 GPT 4.7 好 5-10 倍
- Token 价格是 GPT 4.7 的 5-10 倍
为什么 Anthropic 不完全发布？
"They're worried about the impact on the world and they're releasing a shittier worse version of Opus 4.7 to us. And they explicitly said in the model card 'hey, we actually preferentially made it worse at cyber.'" （他们担心对世界的影响。所以发布给我们的是一个更差的 4.7 版本。他们在模型卡里明确说了："我们刻意把 cyber 能力变差了。"）
解读： Anthropic 有一个内部版本的模型，但发布的是人为弱化版（特别是网络攻击能力）。这是 AI 历史上第一次公司明确承认"我们能做到但故意不给你"。
这对整个行业的含义
这是 AGI 到来前夜的信号。 当前沿实验室开始说"我们有，但不能给你"——单纯的能力竞赛已经结束。进入"负责任发布"时代——但同时意味着竞争对手加速追赶的压力。
六、Token 经济学的底层规律
规律 1：前沿模型 vs 商品化模型
"No one gives a crap about GPT-4 class models. They want the frontier because the frontier lets them create the economically valuable things." （没人在乎 GPT-4 级的模型。他们要的是前沿——因为前沿让他们创造有经济价值的东西。）
含义：
- 老模型（GPT-4 级）已经商品化——成本降了 100-600 倍（DeepSeek vs GPT-4 早期）
- 但没人愿意为老模型付钱
- 所有价值都在前沿
规律 2：价值不是线性的
一个模型比另一个强 20% → 订阅者不愿意用弱的那个。
Patrick 自己在采访中承认：
"On the flight here I got rate limited out on something I saw 4.7 came out and what I immediately wanted was to be on 4.7 that second." （来的飞机上我被限流了。我看到 4.7 发布——我立刻想上 4.7，现在就要。我已经不能接受 4.6 了。）
这是什么心理？ 当你尝过更好的——回去用次好的感觉像倒退。这对用户是不可忍受的。
规律 3：企业级合同是关键
Dylan 透露一个深层的"游戏规则"：
"What really matters is having an Anthropic rep and having an enterprise contract with them and getting the rate limit increases that you need because otherwise tokens are ultimately super super in demand." （真正重要的是有 Anthropic 销售联系人 + 企业合同——从而获得所需的 rate limit 增加。因为 token 本身需求极大。）
翻译： 现在已经不是"谁付得起"的问题——是"谁能被优先服务"的问题。Rate limit 成了真正的稀缺资源。
规律 4：好的 token 使用 > 多的 token 使用
Dylan 预测未来 3-5 年的商业模式：
"Maybe a year from now or two years from now, the business is actually just arbitraging tokens, right? The tokens are amazing, but let's figure out what direction to point them in." （也许 1-2 年后，商业模式就是套利 tokens——tokens 很厉害，关键是指向什么方向。）
Token 套利的含义：
- 你花 $100/天买 tokens
- 把它们指向能产生 $10,000/天价值的任务
- 差价就是你的利润
- "选对任务"是新的核心技能
七、对不同角色的具体启示
对 SaaS 创业者
坏消息： 如果你只是"Claude 的 wrapper + 漂亮 UI"——你会被直接干掉。Claude Design、Claude Code 已经在蚕食 Figma、Adobe、Webflow。
好消息： 如果你有独特数据 + 独特 workflow 知识 + 垂直整合，AI 只会让你更强。
对传统信息业务（咨询、研究、数据）
Dylan 自己就是这个行业的：
"I don't see why this wouldn't be completely commoditized on a pretty rapid basis if I'm not constantly improving." （如果我不持续改进——我看不到这不会被快速商品化的理由。）
翻译： 你不用 AI 加速 → 你会被用 AI 的对手 commoditize。
对任何 data/research/consulting 业务：
- 100% 必须 all-in AI
- 不是"会不会用"的问题
- 是"你用的速度和质量是否超过竞争对手"的问题
对投资人
新的投资论断：
"Anthropic: $9B → $40-45B in about 12 months." （Anthropic：12 个月从 $9B ARR 到 $40-45B ARR。）
这种增速在任何行业都是历史罕见。但 Anthropic 是私有的，你无法直接投。
你能做的：
- 投"使用 Anthropic/OpenAI 做出独特价值"的公司
- 投Nvidia（算力底层）
- 投数据中心基础设施（给 Anthropic 这样的公司供电）
- 投Coreweave（AI 计算云）
对任何专业知识工作者
Dylan 展示的模式： 一个人做 200 人团队的工作。
对你的含义：
- 现在你的工作价值 = 你的专业判断 × AI 执行放大倍数
- AI 执行放大倍数正在以 10-100x 的速度增长
- 如果你不用 → 你相对于同事的生产力差距呈指数级增长
- 6 个月后你可能就不具有竞争力
具体行动：
- 今天：开始用 Claude Code / Cursor
- 本月：把你的重复性工作 70% 自动化
- 本季度：做出一个"本来需要团队的项目"
- 建立你作为"能高杠杆 AI 的人"的职业身份
八、Dylan 给出的"独特洞察"
独特洞察 1：Phantom GDP（幻影 GDP）
Malcolm 创造的概念：
- AI 让产出（output） 指数级上升
- 但 AI 让成本（cost） 急剧下降
- GDP = 产出 × 价格
- 价格崩塌可能让 GDP 理论上缩小
含义： 现有 GDP 统计体系无法衡量 AI 驱动的经济变革。美国经济的 "GDP" 可能看起来停滞，但实际人均生产力在爆炸式增长。
独特洞察 2：经济学家能用 AI 做什么
Malcolm 用 AI 做出来的分析：
- 整合 FRED 数据、就业报告、经济调查——多 API 自动拉取
- 实时回归分析：每一次经济革命对通胀/通缩的影响
- 针对 BLS 2000 项任务 × AI 能力评分：建立新的 AI 劳动力市场指数
- 跨模型基准测试：哪个 AI 最适合经济分析
这是一个经济学家一个人在几周内做出来的。
独特洞察 3：什么工作 AI 暂时做不了
Malcolm 说 ~3% 的 BLS 职业任务能被 AI 完全自动化。
这是 2026 年 4 月的数字。 12 个月前可能是 1%。12 个月后可能是 10%。
这个趋势的跟踪比单个 AI 工具的"能力"更重要——** 它告诉你哪些人类工作正在消失**。
附录一：金句收录
"What used to matter a lot was execution was very very fucking difficult and ideas were cheap. Now ideas are cheap and plentiful but execution is very easy." 过去执行极难、想法廉价。现在想法廉价丰富，执行极易。
"We're spending $7 million a year now on Claude Code at the current rate. Our salary expense is in the neighborhood of $25 million." 我们现在每年花 700 万在 Claude Code 上，而我们的工资支出约 2500 万。
"That was an entire team's job to build that at Intel." 那在 Intel 是一个完整团队的工作。
"He's just completely cracked out on Claude. Everything has changed." 他磕 Claude 磕上瘾了。一切都变了。
"Their margins are at a floor of 72%." [Anthropic] 的毛利率至少 72%。
"I don't see why this wouldn't be completely commoditized on a pretty rapid basis if I'm not constantly improving." 如果我不持续改进，我看不到这不会被快速商品化的理由。
"No one gives a crap about GPT-4 class models. They want the frontier." 没人在乎 GPT-4 级模型。他们要的是前沿。
"Maybe a year from now or two years from now, the business is actually just arbitraging tokens." 也许一两年后，商业模式就是 Token 套利。
"Mythos is potentially the biggest step up in model capabilities in like 2 years." Mythos 可能是过去 2 年模型能力的最大跃迁。
"We knew it existed. We were on our knees begging." 我们知道它存在。我们跪着求访问权。
附录二：时间线索引
- [00:00] 开场：Dylan 的 Ideas vs Execution 观察
- [01:00] SemiAnalysis Token 支出数据
- [02:30] Doug Oaflin 作为"非技术 AI 使用者"的推动
- [03:00] 芯片反向工程实验室案例
- [04:00] Malcolm（经济学家）的 200 人团队工作
- [06:00] Phantom GDP 概念
- [07:00] 能源数据市场的 3 周入场案例
- [09:00] 广告
- [11:00] 作为 CEO 的 AI 支出决策
- [12:00] 商品化压力：必须跑得快
- [14:00] Anthropic 的经济学推算
- [16:00] Anthropic 从 $9B 到 $40B+
- [18:00] 毛利率 72%+ 的解读
- [20:00] 为什么 Mythos 没有完全发布
- [23:00] 企业合同 vs rate limit
- [25:00] Patrick 4.7 发布当天的个人经验
- [28:00] 前沿模型 vs 商品化模型的价值差
- [32:00] Token 套利作为未来商业模式
- [36:00] 数据中心和能源作为基础设施
- [40:00] AI 如何改变投资决策
- [45:00] 对 BLS 2000 项任务的分析
- [50:00] 给普通专业人士的建议
- [55:00] 结语
报告结语
这期播客是 2026 年 4 月理解 AI 经济学的最重要的 60 分钟。
三个最值得带走的：
-
你的竞争对手正在以 10-100x 的速度放大自己。 不是"他们招了更多人"——是"他们每个人都在用 AI 做 10 人的工作"。如果你还没 all-in AI——你在给时间赌注自己被淘汰。
-
Ideas > Execution 已经反转。 过去"好想法廉价、执行力珍贵"。现在"执行力被商品化、好想法重新成为稀缺资源"。** 如果你还在为"我执行力强"而自豪——你走错了赛道**。
-
Token 套利是下一个 3-5 年的核心商业机会。 不是"谁有 tokens"——是"谁能把 tokens 指向产生最大价值的任务"。** 这需要的不是技术能力，是判断力、行业知识、业务洞察**。
最后一句： Dylan 说 "Mythos is potentially the biggest step up in model capabilities in like 2 years"—— 但 Anthropic 不敢完全发布。这告诉你：我们正在进入一个"AI 能力增长超过社会适应速度"的阶段。接下来 12-36 个月，可能是人类历史上最关键的时期之一。你准备好了吗？
评论
还没有评论，来第一个留言吧 ✨