据 TechCrunch 2026 年 11 月 2 日报道，Y Combinator 总裁兼首席执行官加里·谭（Garry Tan）在沃尔特·艾萨克森主持的播客《The Builders》中透露，他每年花在 AI 智能体上的 token 费用最高可达 20 万美元。这位掌管全球最密集创业网络的投资人，用一张六位数账单，为“AI 智能体到底有多贵”给出了一个具体坐标。
明星合影20 万美元账单：AI 智能体成了最贵的“同事”
TechCrunch 记者朱莉·博特在报道中写道，谭是在艾萨克森的新一期节目中“给自己的热情标了价”。20 万美元并非一次性采购，而是全年持续调用大模型接口所产生的 token 消耗。按月摊平约 1.67 万美元，按天摊平超过 540 美元。
明星同框放在风险投资行业里，这笔钱不算夸张，大致相当于一名中级工程师的部分薪酬。但它买到的不是一个人，而是一组可以并行运转、不知疲倦的执行单元。据 TechCrunch 描述，谭用这些 AI 智能体写代码、读文档、跑测试、整理材料，把它们当成随叫随到的团队成员。
明星聚会要理解这笔开销，先要理解计费方式。token 是大模型处理文本的基本单位，用户每输入一段指令、模型每输出一段回答，都会被折算计费。普通聊天一次消耗几千 token，而智能体要反复读文件、改代码、执行命令、校验结果，一个任务链条跑下来，消耗可能是普通对话的几十倍。
明星旅行“赛博精神病”：当睡眠让位于智能体
谭对自己状态的描述带着自嘲。据 TechCrunch 报道，他开玩笑说自己患上了“赛博精神病”，并坦言“有时几乎不睡觉”，原因不是焦虑，而是和 AI 智能体一起工作让他过于兴奋。
明星度假这段话之所以在硅谷引起共鸣，是因为它描述了一种正在扩散的工作节奏：当工具可以在凌晨三点继续推进任务，最先被牺牲的往往是人的作息。艾萨克森以传记写作闻名，他的播客《The Builders》长期追问“创造者如何工作”，谭给出的答案是把一部分执行交给机器，把清醒的时间留给判断。
谭并非在推销某款产品，这是他的个人使用体验。Y Combinator 成立于 2005 年，累计投资企业超过 5000 家，Airbnb、Stripe、DoorDash 均出自其加速器；谭本人在 2023 年回归并出任总裁兼 CEO。一位掌门人以亲身使用给出的数字，比任何厂商的营销材料都更有说服力。
关键数字一览
| 项目 | 数字 | 说明 |
|---|
| --- | --- | --- |
|---|
| AI 智能体年度 token 开销 | 最高 20 万美元 | 谭在播客中自述 |
|---|
| 折算月均支出 | 约 1.67 万美元 | 20 万除以 12 |
|---|
| 折算日均支出 | 超过 540 美元 | 20 万除以 365 |
|---|
| 播客节目上线 | 2026 年 11 月 2 日 | 《The Builders》 |
|---|
| Y Combinator 成立 | 2005 年 | 全球知名创业加速器 |
|---|
| 谭出任 YC 掌门 | 2023 年 | 总裁兼首席执行官 |
|---|
| YC 累计投资企业 | 超过 5000 家 | 官方披露口径 |
|---|
token 成本：大模型推理账单为何越来越重
单看 20 万美元，它只是一名高管的个人支出；放到行业尺度上，它指向一个更大的问题——推理成本正在成为 AI 应用的主要成本项。路透社与彭博社近两年围绕算力与推理开支的报道均指出，随着智能体调用次数成倍增长，企业的模型支出正从实验性预算转为常态化运营开支。
差别在于调用结构。聊天机器人的成本曲线相对平缓，一问一答即结束；智能体的成本曲线则陡峭得多，它需要规划、调用工具、读取结果、纠错重试，一个任务可能触发几十次模型调用。任务越复杂、自动化程度越高，账单越厚。
这也解释了为什么“AI 智能体一年要花多少钱”开始成为创业公司财务模型里的独立科目。对早期团队而言，token 支出可能挤占本已紧张的现金流；对成熟公司而言，它更像云服务账单，需要专人优化、限额与监控。
创投圈的分化：热情与质疑并存
谭的表态在投资人群体中引发两种反应。一种是艳羡——把最枯燥的执行环节外包给机器，意味着同样的时间可以做更多判断；另一种是怀疑——20 万美元的投入能否换来等值产出，目前仍缺少公开的量化证据。
据 TechCrunch 报道，谭本人显然站在前者一边，他的热情甚至溢出到生理层面。但从行业惯例看，早期投资机构对个人工具支出向来披露谨慎，一位掌门人主动把数字摆上台面，本身就是一个信号：AI 智能体已经从演示阶段进入日常生产。
怀疑并非没有依据。模型输出仍需人工校验，错误会带来返工成本；工具链的稳定性和数据安全也仍在完善。对多数团队来说，更现实的做法是先在小范围任务上试跑，测算单位产出成本，再决定是否扩大调用规模。
给创业者的三点提醒
第一，把 token 当作人力之外的第三类成本单独核算，而不是塞进“杂项”。第二，优先把智能体用在可验证、可回滚的任务上，例如测试、文档整理、日志排查，出错代价低。第三，警惕“调用量等于生产力”的错觉，真正决定产出的是任务拆解能力与验收标准。
这三条听起来朴素，却是把 AI 编程助手真正接入生产流程的前提。工具的价格标签已经公开，剩下的问题是团队自己的流程能否承接到这个价格。
常见问题
Q1：每年 20 万美元的 token 费用算多吗？
A1： 对个人而言这是一笔不小的开支，相当于一辆高配豪华车的价格；但放在企业尺度上并不极端，大致相当于一名中级工程师的部分薪酬。关键不在绝对金额，而在换回的产出——如果这些 AI 智能体替代或加速了原本需要数人完成的重复性工作，20 万美元可能相当划算；如果只是尝鲜式调用，则属于纯消耗。
Q2：谭所说的“赛博精神病”是什么意思？
A2： 这是他对自己状态的调侃，并非医学诊断。按 TechCrunch 的报道，他因为与 AI 智能体协作而高度兴奋，有时几乎不睡觉，于是用这个词形容那种分不清人与机器边界、长时间沉浸在高强度工作中的感觉。它反映的是工具效率提升后，人的作息与注意力被进一步挤压的现实。
20 万美元的账单，是 AI 智能体从概念走向日常的一个价格标签。当成本被摆到台面上，讨论才会从“能不能用”转向“值不值得用”。对创业者而言，真正的问题不是花多少，而是每一美元换回了多少可交付的成果。
