Larridin 把 AI 工程师每周账单晒给了全行业 中位数 213 美元 90 分位 911 美元

Larridin 把 AI 工程师每周账单晒给了全行业 中位数那一档每周 213 美元

硅谷老兵 Russ Fradin 带着一家叫 Larridin 的 AI 工具公司在 SaaStr 上把数据摊在了桌面上。他们做了一个内部基准测试，把 2026 年 8 月前四周里既合了代码又产生了计费的工程师拎出来，中位数那一档每周在 AI 编程上花掉 213 美元，差不多每月 920 美元。中位数这边还只是地板——摆到 90 分位那一档，单个工程师每周要在 AI 编程 token 上砸 911 美元，是中位数的 4 倍多。年化下来最重的那批人一年光 token 就要花掉接近 4 万 7 千美元，换到一家 100 人规模的工程团队，p25 和 p90 之间的差距已经是七位数的预算问题，而绝大多数 CFO 现在根本看不到这笔账，因为它们散落在各家模型厂商的账单里、公司信用卡里、工程师自己的 ChatGPT Plus 订阅里。

放回 Larridin 给出的另一个数据点接着往下看。Larridin 把同一公司、同一批工具、同一组价格、同一段起点开销的工程师按 AI 归因产出占比拆成了三组：在 79% AI 归因那批人身上，单位产出做到了 11.8 倍，开销到了每周 1300 美元还没看到天花板；37% AI 归因那批人，开销一旦过掉每周 600 美元这条线，边际收益就掉了快一半；15% 或更低 AI 归因那批人，开销从每周 21 美元拉到 421 美元、翻了 20 倍，单位产出只做到 1.9 倍就停了。引入 2027 年的预算会议桌前，这个发现的实务含义比中位数那一档更刺人——多出来的预算只对那些已经有 AI 习惯的工程师才有效，所以不存在一个"理想预算数"能照搬。Larridin 给出的建议是每家公司自己画一条 ROI 曲线，看到曲线走平就该重新评估，而不是抄别人公司的 cap。

Larridin 这家公司做的就是把这一团乱账拼成一幅图。a16z 领投了它 1700 万美元种子轮，Alex Rampell 进了董事会，跟投的有 Bloomberg Beta、Gradient、Haystack、Homebrew 和 Refract。Russ Fradin 不是新手，这是他六家公司，从 1996 年的 Flycast Communications 到 Dynamic Signal、Adify、再到 Larridin，每一段他都做完了退出。其中 Dynamic Signal 的故事值得单独提一句：18 个月做到 500 到 600 万美元 ARR 之后，他发现客户虽然满意也在付钱，但业务留不住人，他自己就把公司关了；之后他重做了一家 ARR 5000 万美元的员工沟通公司。一个亲手杀掉过几百万 ARR 因为觉得生意不长期的人，去做"AI 时代企业花钱能不能被看见"的产品，靠谱程度比一般 AI 工具高出一档。

具体到产品形态，Larridin 现在有四块。Spend Intelligence 把 token、模型许可证、云端模型花销都拉到一张表上，按团队、按工具、按代理拆开，每一笔都能追到下个预算周期；Agent spend 是这一类产品里最容易被忽视的一块，因为它不挂在人头上。AI Impact 把团队花的每一块 AI 钱换算成它换回来的人工时，告诉你该加投、该培训、该砍掉哪些工具。Developer Intelligence 把工程产出、代码质量、交付效率和 AI 支出拉到一起，配上新产品 Larridin Router，它会按每次编码请求打分，能用便宜模型就转便宜模型，并把每一次路由决策的成本、缺陷率、产出都记下来。Workflow Intelligence 把团队里反复发生的工作从"观察到"推到"自动化"，每一步都跟基线对账。

Gainsight 是这家产品的早期客户。Larry Hill 的故事很短：先用 Larridin 摸清了团队里到底在用什么 AI 工具，再去采购一份企业级 LLM 合同。Larridin 官网公开的客户名单里有 Vertiv、Gainsight、Klaviyo、SurveyMonkey、EcoVadis、TigerConnect 和 Sundt，合规层面 SOC 2 Type II、GDPR、HIPAA 都过了。CFO 那个最基础的问题——"这笔 AI 钱换到了什么"——到这一步才有了可量化、可对比、可向董事会交代的回答。如果你的工程团队已经过了几百人这道线，或者 agent 支出已经超过了席位支出，那就该把 Larridin 摆到下个季度的采购清单上去看一看了。

创业找资源，上乌鸦部落。