河南
前不久，大喇叭收到了好几个大厂读者的爆料，大意是某大厂要在6月30号前做一轮人员优化，目前的情况是HR已经开始陆续约谈了，具体人数未知。 这家大厂之所以这样做的前提背景是：一方面业务增长乏力，与同行的竞争太激烈，牺牲了利润，并且往后还有硬仗要打。另一方面，AI对数据产品等业务线的冲击太大了，很多之前需要手动报表、数据之类的，现在都是自动生成，简而言之就是AI做了某些岗位大部分的工作，导致这些岗位变成能替代的优先级最高。
无独有偶。前不久，一位100多人互联网创业公司老板向我吐槽，“他裁了几个从大厂出来的程序员，本想着能省下工资成本，然后把这笔钱买了Token。后面算了一笔账，他们人工一个月的成本十天烧完，就这还是省着用。”
对于大多数公司来说，幻想着用AI代替人工节省成本，这里面有4个问题需要一一解决，否则将面临“偷鸡不成蚀把米”。
1、对成本的误判，想当然的认为人工成本最贵，结果是把“人工vsToken”这笔账计算错了。
很多外行老板天真的认为，AI很强大，无所不能，代替员工能节省不少成本。国外的Gartner今年调研了三百五十家全球收入过十亿美元的企业，发现八成在部署AI后裁了人。结果Token消耗像关不住的水龙头，哗哗的成本流出。Uber CTO曾经说过，他所在的公司全年AI预算，四个月花完。硅谷有个Token消耗榜单，其中排名第一的公司，一个月烧50万美金（约330万人民币）。
2、不看投资回报率，钱烧了，用户得到什么？没人知道。
Uber COO曾经也说：Token消耗和交付给用户的功能之间联系太弱。几百万美金花出去，连个新功能都没交付出来，完全是成了"为了AI而AI"。为了防止出现这种问题，现在国内外很多大厂，专门制定了AI投入与业务产出之间的衡量指标。
3、管理滞后，用过去买软件的思维买AI。
很多公司把AI当办公软件采购，往往是去用一些低端、廉价模型，并且缺乏人工介入的机制，导致Agent死循环试错，修Bug的成本远超人工。国外的Salesforce公司曾经在裁了4000名客服后，发现AI搞不定复杂投诉，不得不扩招2000人，其中优先返聘原团队。Gartner曾经发表过预测：到2027年，大概会有一半因AI裁员的公司会重新招聘同类岗位。
4、AI没有想象的那么完美。
斯坦福研究显示，约四成员工每月浪费3、4个小时给AI擦屁股，有时候修正AI生成的缺陷比手动做还多。
当然，以上这些问题随着AI的发展会逐步解决，但目前还不行。
AI对资源的消耗也非常厉害。
1、随着AI算力的提升，它需要不停地大量“喝”水。
AI的算力中心是名副其实的“耗水大户”，这主要源于服务器密集运算时产生的巨大热量，需要大量水进行冷却。根据国外相关研究机构和企业披露的数据，微软为了训练 GPT-4，一个月就抽走了1150万加仑的水（1加仑≈3.785升水）。谷歌在俄勒冈州的数据中心，年用水量达到了 33亿加仑。有研究机构估算，用户在使用AI平台每进行20-50次对话，可能会消耗了大约500ml的淡水。以上可知，对水的消耗量是十分巨大的。
前不久（6月3日），联合国大学水、环境与健康研究所发布的《人工智能能耗的环境成本：碳、水和土地足迹》报告称：2030年AI数据中心耗水量相当于13亿人用量。
2、除了“喝”水，AI也是“吃”电大户。
AI的训练和日常运行（给用户推理解答问题）需要大量的电力支持。特别是硬件冷却系统运行所产生的能耗，占比很大。联合国曾发出警告，美国头部科技公司发展AI导致间接碳排放量激增150%
3、对金钱的消耗，Token成为公司运营新的成本大户。
AI的成本直接和“Token”挂钩。作为用户每一次提问（输入）和AI做出的每一次回答（输出），都会消耗Token，而这些背后都是看不见的金钱成本。国内月活排名第一的字节豆包，每天仅回答（推理）用户问题成本消耗可能高达数千万人民币，这也成为近期为什么豆包开始收费的主要原因。成本压力太大的，别的变现渠道单一、不明朗，需要及时止损。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
