出品 | 《态度》栏目
作者 | 袁宁
编辑 | 丁广胜
当公司全面 All in AI，一些员工却发现，新的成本并没有消失。它只是换了一种方式，回到自己身上。
“以前公司买电脑、买软件、买服务器。现在变成我们自己买 AI。”一位创业公司工程师告诉我，“工资没涨，效率要求却按用了 AI 之后算，工具还得自己掏钱。”
公司获得效率红利，员工承担工具成本。AI 时代，一批新的“自费打工人”正在出现。
AI 工具，成了打工人的隐形成本
过去，办公成本边界非常清晰。电脑公司配，软件公司买，服务器公司出，属于默认规则。
AI 出现后，这条规则开始松动。在不少公司内部，AI 被定义为“个人效率工具”，而不是“基础生产设施”。逻辑也随之改变——想提效，可以自己买。
但与此同时，公司对效率的预期却已经提前升级：排期按 AI 后效率制定；人力预算按 AI 后产能压缩；绩效默认已使用 AI。
一位工程师很直接地告诉我：“效率按用了 AI 算，成本按没用 AI 算。”
当 AI 成为默认选项，却没有被写进公司成本表，它就不再只是工具。而是开始成为打工人的隐形成本。
生产资料的边界，从企业，悄悄滑向了个人。
All in AI，默认是员工自费
问题真正显现，是在执行层面。
现在，几乎所有公司都在强调 All in AI。但具体怎么承担成本？很多公司给出的答案是模糊的。
一位 20 多人规模公司的员工告诉我，公司开始强推 Claude Code、Copilot、Cursor 等编程工具。但至于报不报销？没有明确说法。
他告诉我，最初的口径是：“大家先用起来，验证提效后再说。”听上去合理。执行起来却变成——必须用，必须提效，费用自己解决。
一位月薪几千的程序员在社交媒体上发帖吐槽：“老板让我用 Claude Code，说效率高。我问报销，他让我自己找镜像。”
现实也很简单：不用 AI，算能力不足；用了 AI，算个人投入。
为了不被“卷”掉，越来越多人开始主动氪金。
ChatGPT、Claude、Perplexity、Manus、Genspark……海外工具单个每月订阅费 20 美元起步。国内产品免费居多，但想用最新模型，同样需要付费。
一位律师朋友给我列过他的 AI 清单：一个 ChatGPT Plus 账号 280 元，Grok 238 元，Meta Law 41 元，Alpha 138 元，oslaw 案牍尽调 58 元……合计每月 664 元。
“如果月薪一万，还能勉强承受，主要是买的是成长速度。”他说。但如果月薪只有几千，这就是另一种压力。
企业的 AI 战略，开始变成个人的现金流支出。
从自愿氪金，到被动成本分摊，再到制度化 AI 考核
如果只是“自愿购买”，还算个人选择。更激进的案例，已经出现。
2026 年 1 月，有网友爆料：某年收入破百亿的跨境电商公司，大规模采购 Cursor、Copilot 等 AI 工具，并将费用分摊进员工薪酬，年底统一扣除——每人 7200 元。
统一采购，统一扣款。“第一次见公司用我的钱给我配工具。”有员工吐槽。
一些公司已经进入更系统化阶段。
3 月 1 日，昆仑万维发布内部通知，宣布全面扩展 AI 编程工具应用范围。
核心包括：统一开通 OpenAI Codex 或 Claude Code 账号；每人每月提供 100 美元额度；所有技术研发人员（含 CTO）必须强制使用；开发效率必须提升至少 50%；2026 年 6 月纳入绩效考核；不达标者实行5%-20% 末位淘汰。
这是一个清晰的信号——AI 不再是“建议使用”，而是成为技术岗位的核心技能门槛。
公司承担了成本。但问题并没有消失。有人吐槽：100 美元额度并不够用。
当 AI Coding 成为默认开发模式，当“效率提升 50%”成为硬指标，额度却是封顶的。这意味着什么？意味着工具成为生产资料，但生产资料被限量供应。
当额度用完，你可以停下吗？不能。于是问题回到了个人。要么压缩使用，要么自己补充。
从自愿氪金，到制度化强制；从成本转嫁，到效率绑定淘汰。AI 正在从“辅助工具”，升级为“考核标准”。而当考核绑定在算力之上，问题就不再只是制度，而是资源。
算力的马太效应：不敢不跟进
当 AI 被写进绩效，当效率被量化，当淘汰比例被明确，问题就不再只是“要不要用”。而是——你用得够不够多？够不够快？够不够贵？
为什么大家一边抱怨，一边还在买单？因为差距已经肉眼可见。
高阶模型并没有降价。随着上下文窗口扩大，推理能力增强，成本也同步上升。以 Anthropic 的最新旗舰模型 Claude Opus 4.6 为例，其 API 定价是每百万输入 Token 5 美元、输出 Token 25 美元。而其 快速 / 强化推理模式（Fast / Adaptive 模式）定价：输入 Token 30 美元、输出 Token 150 美元 —— 是标准模式的 6 倍价格。
在一些 API 定价统计中，最顶级模型的输出费用甚至远高于中低端模型，如一些定价统计显示前沿模型每百万输出 Token 价格从几十美元起步，而基础或迷你版本则可能低于 1 美元。
速度更快，成本更高。一天的消耗，可能是过去的 10 倍。
问题来了:你的竞争对手在用 2.5 倍速度开发，你敢不跟吗？但如果你没有 10 倍预算，你怎么跟？这就是算力的马太效应。更多算力 → 更快迭代 → 更好结果 → 更多收入 → 买更多算力。一旦循环启动，差距只会扩大。
而当公司开始统计 Token 使用量，用得少，被视为“不够 AI 化”；用得慢，被视为“效率不足”。这和当年统计代码行数，有什么本质区别？
工具被量化，产出被放大，差距被制度化。算力，正在成为新的生产资料。而生产资料一旦分层，竞争就不再是能力差距，而是预算差距。
“自费上班”，会成为新常态吗？
回头看这场 AI 化升级，它早已不是一个“工具使用问题”。
它关乎一个更底层的变化——当生产资料改变，劳动关系也在改变。
在工业时代，机器属于工厂。在互联网时代，服务器属于公司。而在 AI 时代，算力正在变成新的生产资料。问题是——它属于谁？
当企业要求员工必须掌握 AI、必须提升 50% 效率、必须进入 AI Coding 模式时，AI 已经不再是“加分项”，而是岗位基本盘。
但当成本由个人承担，或额度被严格限制时，生产资料的一部分，开始个人化。
这是一个微妙的转折。过去，公司为效率投资；现在，员工为效率预付。过去，工具升级带来岗位稳定；现在，工具升级伴随淘汰比例。
当效率提升不能换来更少工时，而是更高指标；当算力成为门槛，而不是辅助。问题只剩一个：当生产力工具需要员工自己买单时——这场效率革命，究竟在解放谁？
