请，多多浪费 AI 吧

我们内部经常开一个玩笑：

一个月烧了 5000 块的 AI 额度，挣回来 100 块。

这是真的。

很多人听完第一反应是：这不亏麻了吗？

但我今天还是想劝你一句：

请，拼命地浪费 AI 的 token 额度。

不只是我这么想。

今年 3 月，英伟达的 CEO 黄仁勋在 All-In 播客上说过这么一句：

"If that $500,000 engineer did not consume at least $250,000 worth of tokens, I am going to be deeply alarmed."

如果一个年薪 50 万美元的工程师，一年下来连 25 万美元的 token 都没用掉，我会非常警惕。

他还打了个比方：不用 token 的工程师，就跟一个说“我就用纸和笔画芯片吧”的芯片设计师没什么区别。

因为在 AI 时代，最便宜的东西就是 token。

最贵的，是你没见过的东西，和你自己的时间。

拿最便宜的，去换最贵的，这笔账怎么算都不亏。

先说第一个：没见过的东西。

可以先想三个问题。

这个世界上，在用 AI 的人，比例是多少？

用付费 AI 的，比例是多少？

用 200 美元那一档的，比例又是多少？

我查了一下。

ChatGPT 现在每周大概有 12 亿人在用，全世界 80 多亿人，差不多 7 个人里面有 1 个。

付费的，官方公布的是 5000 万左右，也就是用的人里面，二十多个才有 1 个付费。

至于 200 美元那一档，官方没公布，第三方估算也就几十万人。

放到全世界，一万个人里面都不一定有一个。

用免费版的人，觉得 AI 就是个聊天机器人，偶尔还胡说八道。

用 20 美元的人，觉得 AI 能帮忙写写文案、改改表格。

用 200 美元、开十几个窗口一起跑的人，已经在让 AI 做网站、做数据分析、做视频，甚至让一个 AI 带着另外几个 AI 干活了。

同一个 AI，三种人看到的是三个世界。

一个人对 AI 的判断，基本就停在他用过的最好的那个模型上。

所以我一直跟同事说，复杂一点的事情，直接上最强的模型，先把它的边界测出来，效果明确了再考虑怎么省钱。

用便宜的模型去碰复杂的事，省下来的那点钱，最后都会变成你自己搭进去的时间。

而且这个边界，根本无法通过看别人的测评能看出来的，得自己烧出来，这是一种 feel。

就像你看了一万小时的游泳视频，不下水，还是永远学不会游泳。

Shopify 的 CEO Tobi Lütke 去年给全公司发过一封内部信，里面有句话我特别认同：

"What we have learned so far is that using AI well is a skill that needs to be carefully learned by… using it a lot."

到目前为止我们学到的是：用好 AI 是一门需要认真学的手艺，而学会它的办法就是……大量地用。

他还说，自己一直在用，但也觉得只摸到了一点皮毛。

Shopify 创始人兼 CEO Tobi Lütke

你得真的让它做一件超出你预期的事，失败几次，再成功一次，才知道它的能力到哪，你自己又能被它放大到哪。

这个过程，前期一定是更慢的，甚至比你自己动手做还慢。

但它有一个临界点。

迈过去之后，其他方向的效率会一下子提上来。

这种“浪费”，我以前也干过，只是那时候还没有 AI。

那几年我进了很多知识星球和圈子，说实话，99% 的内容根本没看，有的圈子质量也一般。

明面上看，这钱是浪费了。

但最起码，我练出了一个能力：一眼就能分出什么是好内容，什么是水货。

浪费 AI 也是一样的。

烧过的 token 不会白烧，它会变成你的手感。

当然，如果资金比较紧张，也不用一上来就开 200 美元的。

国内有大量可以“白嫖”的地方，特别是现在很多国产模型都很便宜。

比如 WorkBuddy 会送很多额度，Zcode、通义千问、豆包、Kimi 这些也都有免费的，几家换着用。

羊毛薅一下，一个月花个一两百，也能做很多事情了。

重点不在花多少钱，而在别舍不得用token。

再说第二个：时间。

我从华与华那里学到了两个哲学。

第一个是：要想把钱花在刀刃上，就得多花钱。只有多花钱，才能把钱花在刀刃上。

听起来很矛盾对吧。

这里面的核心暴论是：很多时候我们根本不知道刀刃在哪。

只有多花一点，覆盖的面大一点，碰到刀刃的概率才会大一点。

这是一个数学的概率美学问题，不是主观的感性鸡血。

这里面核心的思考点是：为了找刀刃花掉的时间，我们往往是不算进成本里的。

人的时间，是有成本的，而且成本非常高，你的薪资越高，你赚的钱越多，你的时间就越值钱。

我自己就吃过这个亏。

早几年做海外社媒，为了省钱，买了很多便宜的网络线路。

结果账号涨粉特别慢，我根本分不清是网络的问题，还是内容的问题。

只能不停地换网络、换内容做测试，测了一大圈，最后只证明了一件事：便宜的线路确实不行。

钱是省下来了，时间全搭进去了。

如果再算上员工的薪资，这成本比一个好一点的网络专线，不知道贵了几百几千倍了。

用 AI 也是一样。

为了省 token，用个凑合的模型，让它一遍遍地改，看起来每一次都没花多少，但时间就这么一点点漏掉了。

第二个哲学是：最快的速度，就是不返工。

一个东西如果要改来改去，会产生三个成本：

一是时间成本；

二是消耗更多 AI token 的成本；

三是注意力被打散的成本。

第三个最容易被忽略：我们用 AI 把内容改到第五遍的时候，往往可能已经不记得自己最开始想要什么了。

所以现在我每做一个优化、一个改动，都会让 Claude 拉着 Codex 和 Grok 先一起讨论，讨论到没有意见了再动手。

做完之后，再拉两个 AI 来检查一遍。

这浪费吗？当然很浪费，同一件事，几个 AI 各跑一遍，简直莫名其妙……

但它们在前面多跑的这几遍，换来的是我后面不用返工。

浪费的是 token，省下来的是我的时间。

不过，浪费也得有个讲究。

我经常跟团队说，测试肯定是要浪费钱的，但这个钱你得科学地浪费。

什么叫科学地浪费？

就是测了，失败了，也没关系，但要做好记录。

至少你证明了这条路不通，下一次就不用再走一遍。

就像爱迪生发明电灯泡，失败了 99 次，这是浪费了？不，这是不停地逼近成功，是必须的浪费。

不这么浪费，怎么找到“刀刃”呢？

最怕的浪费，不是烧了多少 token，而是同一个坑踩两次。

同一个轮子，上个月造过，忘了，这个月又造一遍。

所以我现在会把做过的事情，整理成 SOP 和知识库，下次让 AI 直接接着用。

回到开头那个玩笑。

一个月 5000 块的额度，挣回来 100 块，看起来是亏的。

但那 5000 块买回来的，是你对 AI 边界的判断，是你省下来的时间，还有一份下次不用再踩的坑的记录。

这些东西，在账单上是看不到的。

美国橡树岭国家实验室的 Frontier 超级计算机。图：OLCF at ORNL / Wikimedia Commons（CC BY 2.0）

token 会越来越便宜。

你的时间，只会越来越贵。