第一批拥抱AI的“牛马”：一边提效 一边自嘲“自费”上班

 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？