今天在 GTLC 现场听完白鲸开源 CEO 郭炜的演讲，回来就把那张 slide 写成了《当智能变得免费，什么东西在涨价》。顺着这个题目继续想，想到一个更落地的对比：
企业花钱买 AI，是为结果买单；个人花钱买 AI，是提效给自己赚钱。
两句话听起来是同一件事的两面。但放到账本上看，是两种完全不同的账——而且大多数人把自己的账记错了。
个人的账：两类正在发生的高价值任务
先看个人这边。今天个人掏钱买 AI，高价值的用法其实就两类。
第一类：工程师写代码。 用 Qoder 这类 Coding Agent，token 账单自己付，每个月几十到几百块。买的是效率，但沉淀下来的不止效率——代码进了自己的仓库，踩过的坑变成了 know-how，交付记录变成了个人声誉。token 烧完，东西留下了。
第二类，也是增量更大的一类：非工程师搭应用和工作流。 一个自媒体人用 AI 搭一条从选题、写稿、排版到发布的流水线；一个运营把自己的周报流程做成自动化；一个小店主用 AI 搭了个订单处理的小应用。他们不会写代码，但他们在做和工程师同构的事——用 token 换一条属于自己的流水线。流水线每天在跑，内容库在涨，粉丝在攒，这些都是资产。
这两类任务的共同点：token 是自己掏钱买的，烧出来的资产落在自己账上。 用会计的话说，这是资本性支出（capex）——花一次，受益跨年。
企业的账：为结果买单，默认是费用
再看企业这边。今天企业买 AI 主要两种形态：一种是 买结果——外包给服务商，按交付付费；另一种是 自建管道——开发、部署、云端托管一支 7×24 运行的 Agent 队伍，token 消耗量远超个人，一个中型企业的月度消耗可能是个人的几千倍。
问题出在第一种。为结果买单，结果交付完就蒸发了：一批 AI 生成的营销素材投放完就过期，一次外包的客服任务结束就结束，一份咨询报告看完就进抽屉。钱花了，账上什么都没留下——这是标准的费用（opex），当期损益，跨年归零。
token 成本怎么计量、怎么归因到团队和数字员工，我在《未来的员工，有两份成本单》里写过；按工作付费的定价怎么签「干完了」，在《数字员工按工作收费，谁来签「干完了」》里写过。这两篇解决的是「怎么算账」，今天要补的是另一半：算清楚之后，这笔账该记成什么性质。
最危险的不是记成费用——费用没什么可耻的，该外包的就该外包。最危险的是 把费用误记成资产：以为「我们在 AI 上投了这么多钱，数字化转型了，资产厚了」，实际上账上沉淀为零。更糟的一种情况是，买结果的同时把过程数据也送给了供应商——你在上一篇文章里读过的那个问题又回来了：数据进了谁的资产负债表？你付钱，供应商攒资产，这是纯负的交易。
明年测试：一个问题分清两种账
capex 和 opex 的判别，不需要会计知识，一个问题就够：
这笔钱花出去，明年它还在不在你这边？
在，是资产；不在，是费用。套到常见场景上：
| 支出 | 明年还在吗 | 性质 | 留下的资产（对应郭炜环图） |
|---|---|---|---|
| 买一批 AI 生成内容投放 | 投放完就过期 | opex | 无 |
| 自媒体搭选题→发布流水线 | 流水线每天在跑 | capex | 分发网络、内容库 |
| 工程师用 Coding Agent | 代码和 know-how 留下 | capex | Know-how |
| 企业外包客服结果 | 服务结束即蒸发 | opex | 无（过程数据还可能归对方） |
| 企业云端托管 Agent 跑业务 | 流程数据持续沉淀 | capex | Proprietary Data |
| 买一个会被下版模型替代的自研工具 | 明年模型自带此能力 | opex | 无 |
注意表里最微妙的一对：同样是外包，「买结果」和「买结果并要求过程数据回流」是两种账。 前者纯 opex；后者多付一点成本，把交易过程变成了自己的数据闭环——opex 里长出了 capex。这就是为什么合同里那几条数据条款，比砍价重要。
不对称：个人有上限，企业没有
还有一层容易被忽略的不对称。
个人的 token 消耗有天然上限——一个人的产出撑死就那么多，就算全天候用 AI，月账单也就几百上千块。企业没有这个上限：云端托管的 Agent 是 7×24 跑的，数量可以横向扩，单价下跌还会诱发用量超比例增长（#393 里写过的杰文斯陷阱，不展开）。
这意味着两件事。
对个人：账小，所以 每一笔都该尽量记成 capex——同样烧一百块 token，烧成一条可复用的流水线，和烧成一篇一次性文章，明年的处境完全不同。
对企业：账大且无上限，所以竞争维度会变。会用 AI 的组织已经到处都是，明年拉开差距的不是谁的 token 烧得多——烧得多太容易了——而是 谁的 token→资产转化率高。烧同样的 token，一家沉淀出数据闭环、流程资产、评测集（就是《软件工厂 3.0》里说的模具），另一家只沉淀了一堆过期素材。前者越烧越厚，后者越烧越薄。
最强反方
反方一：企业买结果就是理性的，不是每家公司都该攒 AI 资产。
对一半。买结果没问题——可重复采购、市场充分竞争的结果，外包永远比自建便宜，记成 opex 天经地义。要守住的只有两条纪律：一，别自我安慰，opex 就是 opex，不要拿「数字化投入」的名义给费用化妆；二，合同里把过程数据的归属写清楚——你可以买结果，但不能顺便免费给供应商喂数据闭环。
反方二：个人那边也没那么好看——大多数人烧的是公司的 token，干的是公司的活，资产全落在公司账上。
这一条全对，而且是这篇文章真正想说的第二个提醒：用公司的 AI 提效，是在帮公司记 capex，你自己的账上还是零。 公司发的 Coding Agent、公司买的 AI 平台，烧出来的代码资产、数据资产、流程资产，离职时一样都带不走。这就是为什么上一篇《学 AI 要学让你赚钱的 AI》的核心建议是「用自己的 token 搭自己的管道」——不是公司小气，是两本账本来就该分开记。白天用公司的 AI 给公司攒资产，那是职业道德；晚上用自己的 AI 给自己攒资产，那是职业规划。两个都做，才叫对冲。
怎么办
企业三个动作：
- 给每笔 AI 支出打标签：过一遍「明年测试」，标出 capex 和 opex。大多数企业第一次做完这个盘点会发现，自以为的 AI 资产投入，八成是费用。
- 在采购和 Agent 设计里内置 opex→capex 的转化：外包合同写数据回流条款；自建 Agent 把过程数据、评测集、流程模板当成一等公民存下来，而不是只存交付结果。
- 报表看转化率，不看消耗量：token 消耗量是电表读数，不是业绩。要问的是这个季度账上多了哪几项资产——数据闭环厚了多少，模具多了几套，评测集覆盖了多少场景。
个人两个动作：
- 分清两本账：公司的 AI 是公司的账；自己掏 token 搭的管道、攒的内容库、做的产品，才是自己的 capex。每个月留一笔自己的 token 预算，像交社保一样交给自己。
- 把 token 优先烧在管道上，而不是产出上：一篇 AI 写的文章是费用，一条能持续产文章的流水线是资产。先建管道，再谈产出。
写在最后
郭炜那张环图问的是「AI 无法低成本复制什么」，今天这篇其实是它的账本版：无法复制的东西，才配记进资产栏；其余的，都是费用。
年底翻账单的时候，这个问题值得每个用 AI 的人和公司问一遍自己：今年烧掉的 token，有多少明年还在你这边？
你的 AI 支出里，capex 和 opex 各占多少？欢迎留言聊聊。