據 SaaStr 統計，Anthropic 在推理與訓練上的運算支出約 100 億美元，換算每位員工每年約 200 萬美元運算成本；對比 Levels.fyi 估算支出是薪資 2.3 倍。但 Ramp AI Index 6 月統計，頂尖 1% 企業工程師每年 AI 支出 8.9 萬美元，與中位數工程師落差 680 倍。
Anthropic 與產業中位數的現況數據
根據已發布的數據，2026 年 AI 支出的現況分層如下：Anthropic 每位員工承擔約 200 萬美元運算成本，是其薪酬（50 萬美元以上）的 2.3 倍，在整個軟體產業中為絕無僅有的比例。
Ramp AI Index 2026 年 6 月統計顯示，頂尖 1% 企業每位工程師每年 AI 支出約 8.9 萬美元（相當於資深工程師 22.4 萬美元薪資的 40%）；中位數企業每位工程師 AI 支出僅 137 美元，幾乎等於零；頂端與中位數的落差約為 680 倍。
Epoch AI 研究顯示，Anthropic 每位員工創造 1,400 萬美元營收、OpenAI 每位員工創造 650 萬美元，為 Forbes Global 2000 榜單中最高的兩家公司。
Tunguz 三情境模型：悲觀、基準、樂觀的核心假設
知名創投分析師 Tomasz Tunguz 以資深工程師年薪 22.4 萬美元（假設每年成長 5%）為基準，設計三種情境，分析企業每位工程師的 AI Token 支出走向：
2026 年（三種情境同為基準起點）：9 萬美元（佔薪資 40%）
2027 年：悲觀 10.6 萬美元（45%）、基準 16.4 萬美元（70%）、樂觀 25.8 萬美元（110%）
2028 年：悲觀 11.8 萬美元（48%）、基準 25.9 萬美元（105%）、樂觀 44.4 萬美元（180%）
2029 年：悲觀 10.6 萬美元（41%）、基準 36.3 萬美元（140%）、樂觀 59.6 萬美元（230%）
悲觀情境在 2028 年後金額反而下滑，原因為 Token 價格跌幅速度超越薪資通膨速度。上述均為 Tunguz 的情境分析預估，不構成投資建議。
GPT-4 Token 定價歷史趨勢：三年跌幅 90% 的已知定價軌跡
根據公開定價數據，OpenAI GPT-4 等級模型的輸入定價已從 2023 年 3 月上市時的每百萬 token 30 美元，跌至 2026 年不到 3 美元，三年來每年定價跌幅約 90%。開源模型亦對定價形成競爭壓力：DeepSeek-V3 及後續版本以十分之一至三十分之一的 API 成本，交出可與頂尖封閉模型相提並論的成績。
高盛預測到 2030 年 token 消耗量將成長 24 倍，為樂觀情境的核心支撐論據；但 Token 定價下滑與開源模型崛起，則是悲觀情境的主要拉力。
常見問題
Ramp AI Index 的 680 倍落差意味著什麼？
根據 Ramp AI Index 2026 年 6 月統計，頂尖 1% 企業每位工程師每年 AI 支出約 8.9 萬美元，中位數企業僅 137 美元；680 倍的落差意味著，目前 AI 重度應用僅集中在極少數頂尖企業，絕大多數公司的 AI 支出接近於零。Tunguz 的三情境模型分析的核心問題正是：中位數企業未來是否會以及多快速地向頂端靠攏。
為什麼 Tunguz 的悲觀情境中，2029 年的 Token 支出金額反而低於 2028 年？
根據 Tunguz 的情境設計，悲觀情境假設 Token 價格下跌的速度比薪資通膨（每年約 5%）更快；在此假設下，Token 定價持續跌幅大於需求增長帶來的支出增加，導致以美元計算的年度 AI Token 支出金額在 2028 年後出現下滑。上述為 Tunguz 的情境分析假設，以官方數據來源更新為準。
GPT-4 等級模型的 Token 定價三年來下跌幅度有多大？
根據公開定價記錄，GPT-4 等級模型的輸入定價從 2023 年 3 月的每百萬 token 30 美元，跌至 2026 年不到 3 美元，三年每年定價跌幅約 90%；DeepSeek-V3 等開源模型以更低的 API 成本進一步壓縮定價空間。具體當前定價以各模型供應商官方公告為準。
