Dùng AI để tăng năng suất hay giảm chi phí? Nâng gấp trăm lần hiệu suất không đi kèm gấp trăm lần doanh thu, nhưng ở Thung lũng Silicon không ai dám kêu dừng

孟醒，五源資本合夥人，近日發表矽谷考察報告，提出一個讓他自己都改變記筆記習慣的判斷：矽谷正在進入一個連造浪的人都被浪淹沒的階段。AI 的迭代速度已經從「按月」變成「按週」，連矽谷自己都跟不上自己。

當 AI 把一個團隊的生產力放大五倍，你可以減少八成人力維持原本產出，也可以維持人數做五倍的事。孟醒這次矽谷的觀察，等於是在現場給出了答案的初稿：當 100 倍效率沒有換來 100 倍營收，當 token 預算逼近人力成本，當蒸汽機還跑不過馬車卻沒人敢停下，矽谷現在選的是「先把速度衝上去再說」。但這條路最終會走到「擴張能力」還是「壓縮成本」，目前沒有定論。

YC 從領先指標變成落後指標

孟醒今年 3 月坐在 YC W26 batch Demo Day 觀眾席，聽到第五家公司路演時就放下了筆。原因是這一屆超過一百家公司中，約 80% 都在做垂直 agent，例如幫律師整理文件、幫客服分發工單、幫 HR 篩選履歷。

如果是去年 10 月看到這些題目，他會覺得「挺有想法」。但 Claude Code 從開發者工具變成幾乎人人可用的介面、Opus 4.6 把 vibe coding 的門檻壓到地板之後，這些垂直 agent 在尚未建立業務壁壘前，一個普通工程師花一個週末就能複製出來。

YC 的批次制度從申請、篩選、入營、打磨到路演，是按一個更慢的世界設計的。在當前 AI 的迭代速度下，5 個月足夠發生數輪典範轉移。孟醒形容，YC 正從過去的領先指標逐漸變成落後指標。

Meta 全員用對手的產品寫程式

孟醒這次矽谷之行最大的衝擊，是 Meta 整間公司全員都在使用 Claude Code。一家市值兆級的公司，讓幾萬名工程師用競爭對手的 API 接觸自家程式碼，這在半年前完全不可想像。

Meta 內部曾推出名為 myclaw 的工具試圖解決程式碼安全問題，但「不好用，沒人用」。最後公司直接放寬政策，只要不涉及客戶資料，員工可自由使用 Claude Code，並開始召開「如何變成 AI native 組織」的內部會議與培訓。

Google 因安全考量原則上禁止員工使用對手工具，但 DeepMind 是例外，負責 Gemini 與內部應用的幾個團隊都在用 Claude Code。Google 自家內部編碼工具 Antigravity 號稱目前約 50% 的新程式碼由 AI 編寫，仍無法阻擋 DeepMind 的偏好。

其中一個關鍵是 Anthropic 為其做了私有化部署，而且 Anthropic 的推理與訓練本來就大比例跑在 Google Cloud 的 TPU 上，雙方有信任基礎；其他大廠則沒有這層關係，是真的把程式碼安全暫時擱在一邊，先把速度衝上去。

工程師的 token 花費，比工程師本人還貴

孟醒在 Palo Alto 走訪的數家 AI-native 新創公司中，一個工程師一年的 token 預算約為二十多萬美元，這個數字已經接近一個工程師的年薪。看似公司用 AI 裁人省錢，實際上總成本可能根本沒降，只是把人的成本換成了 token 成本。

Meta 把這件事推到極致，內部設立了一個 token 消耗排行榜，誰用得多誰上榜，末尾可能被裁，員工為此卷出了一個叫做「token legend」的非官方頭銜。但同一段時間，Meta 接連兩輪裁員、規模合計上萬人。一邊全員衝 token、一邊大規模裁員並不矛盾，這是同一件事的兩面。

孟醒實地看了一家 C 輪公司，技術負責人打開 Slack 給他看，全是 agent 在跑，背後並行十幾個 Cursor agent，再開一個 Claude Code 視窗負責調度。工程師圈最流行的焦慮，是睡覺前不知道我那十幾個 agent 要幹什麼，就很慌。

100 倍效率，沒有換來 100 倍營收

很多 CTO 興奮地告訴孟醒，「以前 60 個人花 1 年做的事，現在 2 個人加 Claude Code 一週就能搞定」，所謂「百倍工程師」、「十倍效率提升」。

但孟醒冷靜下來後問了一個問題：好，效率提升了 100 倍，那公司的營收增長 100 倍嗎？產品線擴張了 100 倍嗎？他沒有得到正面回答。事實是 100 倍的效率提升落到營收上，常常只體現了 50% 或一倍。差距在哪，現在沒人能說清楚。

「用了這麼多 token，公司應該基因突變成另外一種公司才對。但到底變成什麼，我也不知道。」一位創辦人這樣告訴他。連 Anthropic 自己也有跟不上的場景。孟醒問一位 Anthropic 朋友「你們自己用 agent 最痛苦的場景是什麼」，答案是 oncall 即時響應。

當 API 響應變慢、推理節點掛掉、用戶反饋輸出異常時，oncall 工程師需要快速定位是程式碼 bug、算力分配還是模型本身的問題。Anthropic 是全世界 coding agent 最強的公司，這個場景離他們的核心能力近得不能再近，他們內部的 oncall agent 仍然不好用。

蒸汽機跑得還沒馬車快，但沒人敢停下來等

孟醒形容當下的狀態：蒸汽機已經被發明出來，但有時候跑得還沒馬車快。關鍵是所有人都知道蒸汽機終將跑得更快，所以程式碼安全也不管了、token 預算爆了、排行榜卷起來了。至於蒸汽機什麼時候真的跑過馬車，沒人知道，但沒人敢停下來等那一天，因為停下來的代價，可能比燒錯 token 更大。

而 token 消耗大概率不是線性增長。孟醒援引研究機構 METR 的數據：衡量 AI agent 能以 50% 成功率完成多長任務（按人類專家完成時間算）的指標，2025 年 3 月時 Claude 3.7 Sonnet 還是 50 分鐘，到 2025 年底 Claude Opus 4.6 已經做到 14.5 小時。

過去兩年這個指標的翻倍週期，從 7 個月壓縮到 4 個月。一旦 agent 可靠性再上一個台階，token 消耗就不是每年加 50% 的問題，而是一夜之間上一個數量級。孟醒也提到一個朋友圈內共識的預測：到今年年底，不少公司（包括科技大廠）實際上只需要 20% 的人。

(回答一個問題：AI 讓你效率提升五倍，你要減少 80% 成本，還是做五倍的事？)

筆者今年 4 月曾在一篇文章中問過：當 AI 把一個團隊的生產力放大五倍，你可以減少八成人力維持原本產出，也可以維持人數做五倍的事。Aaron Levie 在 a16z Podcast 上提出，未來一間公司的 agent 數量可能是員工的 100 到 1,000 倍；黃仁勳則直言，如果世界沒有新的創意，AI 帶來的生產力提升最終只會轉化為失業。問題不在 AI，而在於決策者是否具備想像力。

孟醒這次矽谷的觀察，等於是在現場給出了答案的初稿：當 100 倍效率沒有換來 100 倍營收，當 token 預算逼近人力成本，當蒸汽機還跑不過馬車卻沒人敢停下，矽谷現在選的是「先把速度衝上去再說」。但這條路最終會走到「擴張能力」還是「壓縮成本」，目前沒有定論。

孟醒在文章結尾留下一個更平衡的視角：他這半個月看到那麼多「跟不上」確實讓人焦慮，但如果 AI 真的能在幾年內讓癌症變成慢性病、讓材料科學快進二十年，這場「跟不上」可能是人類發展史上最大的一次提速。

對企業決策者而言，真正的問題從來不是 AI 會不會取代人，而是當生產力被放大五倍、十倍、一百倍之後，你選擇用它去裁掉更多人，還是去做更多事。這個選擇，正在矽谷與全球企業的會議室裡同時發生。

這篇文章 用 AI 提升產出還是降低成本？百倍效率沒換來百倍營收，但矽谷沒人敢喊停 最早出現於 鏈新聞 ABMedia。