文 | 《硅谷觀察》欄目 鄭峻
AI時代什麼最貴？在經歷了此前哄搶顯卡和爭奪人才的熱潮之後，現在看來是算力，是Token成本。不僅普通企業只能省喫儉用，連科技巨頭都沒有餘糧了。「Tokenmaxxing」迅速變成了一個笑話。
雲服務公司Box CEO亞倫·萊維（Aaron Levie）表示，他近期參加了一場有衆多頂級企業高管的晚宴，發現商界領袖們討論最多的話題，不是宏觀經濟議題，而是他們企業的Token成本。
萊維所說的並不令人意外。Uber的CTO普拉文·內帕利·納加（Praveen Neppalli Naga）上個月坦承：公司將Claude Code部署給約5000名工程師後，短短四個月內就將全年AI預算燒光殆盡，讓他措手不及。
Uber高層的本意是推廣工程師們普及AI工具，從這個角度來看，他們達到了目的。上個月Uber工程師的Claude Code月使用率已飆至95%。但高層並沒有考慮到另一面，單個工程師每月產生的API成本高達500到2000美元。
面對着目瞪口呆的Token預算，即便是Uber這樣市值1500億美元的大企業都不得不緊急制定嚴苛的分級管理，限制員工的使用流量，像當年節省紙張一樣精打細算着每一個Token的成本。
科技巨頭都燒不起了
令人意外的是，收緊AI預算的不僅有Uber這樣的中型企業，甚至還包括了微軟和亞馬遜的超級雲計算巨頭。
去年年底，微軟最核心的Experiences and Devices部門——覆蓋Windows、Microsoft 365、Outlook、Teams及Surface全線產品的核心工程團隊——率先在內部大規模推行Claude Code。
雖然微軟對外強調並沒有將AI使用量納入員工績效考覈體系，但他們內部卻流傳着一份開發部門負責人朱莉婭·劉松（Julia Liuson）的內部備忘錄，稱AI的使用「不再是可選項，而是每個崗位、每個級別的核心要求」。
但僅僅六個月後，這場實驗就不得不被緊急叫停。這並不是因為效果不好，而是員工們用得太爽，用量太猛，才讓IT部門猝不及防。就在本周，微軟開始着手關閉大部分內部Claude Code授權。數以千計的工程師被強制遷移回微軟自家的GitHub Copilot CLI，以便進行成本管控。
然而，更觸目驚心的案例來自Axios本周的獨家報道。一家科技巨頭因為沒有對員工的Claude許可證設定使用上限，在短短一個月內燒掉了5億美元。這不是一個抽象的數字：5億美元相當於許多中型科技公司的全年營收。
雖然報道沒有實名，但外界普遍認為這說的是亞馬遜，因為亞馬遜此前在公司內部大力推行AI工具，並將開發者的AI使用量納入內部排行榜考覈，要求超過80%的開發者每周必須使用AI。
這套考覈機制迅速催生了一個新詞：Tokenmaxxing——專指員工為了刷高排行榜數據而人為製造無意義AI消耗的行為。亞馬遜員工們用MeshClaw自動化那些根本不需要AI的日常任務，讓AI智能體在後台空轉，只為讓自己的token消耗數字好看。
面對每個月高達5億美元的天價Token賬單，亞馬遜高管最終意識到，員工大量使用AI是為了提升排名，而不是解決實際業務問題。
就在上周，亞馬遜放棄了AI使用量考覈，要求員工高效使用AI工具。一位亞馬遜高管甚至告誡旗下員工，不要單純地為了使用AI而使用AI。這種態度和此前形成了鮮明對比。
同樣的刷Token鬧劇也在Meta上演。Meta首席人力官賈內爾·蓋爾（Janelle Gale）明確宣佈，AI使用情況與業務影響力將從2026年起正式納入績效考覈體系，頂尖員工的獎金上限將超過年薪的200%。
Meta甚至要求員工必須在辦公電腦上安裝一套軟件，在詳細追蹤他們的AI使用情況的同時，也為AI自動化辦公提供訓練數據。Meta CTO安德魯·博斯沃思（Andrew Bosworth）曾公開表示，目標是未來開發能夠自主執行工作任務的AI代理。
博斯沃思表示，他最頂尖的工程師花在AI Token上的錢相當於自己的年薪，並以此作為生產力倍增的證據。在這套指揮棒下，Token消耗量從一個工程指標悄然蛻變為職場晉升的通貨。
Meta內部甚至出現了一個名為「Claudeonomics」的非官方排行榜，追蹤全公司約8.5萬名用戶的Token消耗量。結果在30天的統計窗口內，該排行榜顯示的總使用量超過60萬億個Token。排行榜曝光兩天後，因「內部數據遭外部獲取」而緊急下線。
賬單讓企業瞬間清醒
這種燒不起Token的戲劇性局面似乎反轉得太快。因為就在不久之前，科技企業還在紛紛鼓勵旗下員工全面轉型AI，為員工提供無限度的Token額度。
在今年3月的英偉達GTC期間，黃仁勳公開表示，計劃為英偉達每一個員工提供每年50萬美元的Token額度。黃仁勳甚至強調，如果哪個員工在年底前沒有把這50萬美元的Token額度用完，他甚至會感到」失望」，因為這意味着員工沒有充分利用AI來重塑自己的工作方式。
在這場科技巨頭爭相向華爾街講述AI轉型故事的時候，Token消耗量被當成AI落地深度的代理指標。Token消耗得越多，就越證明AI滲透進了工作流。於是，消耗量本身成了目標，生產力反而成了附帶品。
但現實情況是，將AI使用量納入績效考覈只會帶來毫無意義的Token浪費。根據美國軟件智能平台Jellyfish的估算，在輕度使用AI的情況下，合併一次拉取請求的成本僅為0.28美元，但在重度使用AI的情況下，這一成本可能瞬間就會急劇飆升到89.32美元。Token消耗得更多了，但交付的產品並沒有變多，只是帶來了更大的賬單。
科技媒體Axios用一個詞精準概括了當下的企業AI困境：sticker shock——價格虛高綜合徵。那些曾經急於擁抱AI的企業，正在集體面對膨脹的IT成本、難以量化的生產力提升，以及員工日益滋長的懷疑情緒。
高盛最新預測顯示，隨着企業和消費者大規模採用AI智能體，到2030年全球Token消耗量可能增長24倍，達到每月120千萬億（Quadrillion）。這是一個令人眩暈的數字——但數字本身並不創造價值。研究公司Mavvrik的調查顯示，85%的企業AI成本預測誤差超過10%；84%的企業表示，AI支出已將公司毛利率壓低了6個百分點以上。
Gartner的預測則讓人徹底清醒：即便到2030年AI推理成本下降近90%，企業AI總賬單也不會因此變得便宜。原因很簡單——智能體工作流所消耗的token量，是普通單次對話的數百倍乃至數千倍；消費量的增長速度，完全足以淹沒單價下降帶來的紅利。
「首席產品官們不應該把商品Token的通縮，誤讀為前沿推理能力的普惠化，」Gartner高級分析師威爾·薩默（Will Sommer）如此警告。
那些曾經以」打開AI、看看會發生什麼」為策略的公司，正在補課——補那些本該在推廣前就該建立的治理體系和成本管控機制。
Token賬單正在倒逼企業重新思考一個最基本的問題：AI到底在為我解決什麼問題？這個問題，在採購許可證之前就應該回答。現在，市場用賬單替他們給出了答案。
Uber COO安德魯·麥克唐納（Andrew Macdonald）對此直言不諱：「AI成本越來越難以合理化。「這與他們CTO早先的表態形成了一組沉重的呼應：Uber的CEO甚至公開表示，他看不出極端的Token消耗量與真正交付有價值的產品之間存在任何明確的關聯。
重新開始僱佣員工
雖然很多企業正在以「AI可以替代人工」為由推行裁員，但Token成本急劇上漲與AI回報低效已經讓一些企業開始踩起了急剎車。
瑞典金融科技巨頭Klarna曾是AI替代人工最激進的鼓吹者。2024年，該公司CEO塞巴斯蒂安·西米亞特科夫斯基（Sebastian Siemiatkowski）宣稱AI「已經能勝任人類所有的工作」，並以此為由凍結招聘、裁減約1200名員工，員工總數從2022年的5500人驟降至3400人。
然而到了2026年初，Klarna開始悄然反轉：重新啓動人工客服招募，並親口承認決策失誤——「成本不幸成為過於主導的評估因素，結果是服務質量的下降」。AI的確快，但它不擅長處理憤怒客戶、複雜糾紛和需要共情的場景。Klarna用一次耗資巨大的回頭路，給整個行業立下了一塊警示碑。
澳大利亞聯邦銀行（CBA）的案例同樣典型。2025年7月，這家澳洲最大銀行宣佈用AI語音機器人替代45名客服員工，理由是AI已能自動處理大量簡單來電。然而現實迅速打臉：機器人上線後，客服來電量不降反升，顧客投訴激增，剩餘員工被迫大量加班，管理層甚至親自下場接聽客服熱線。僅僅一個月後，聯邦銀行向被裁員工公開道歉並支付補償，宣佈撤回裁員決定，邀請這45人悉數返崗。澳大利亞金融業工會將此稱為「一次巨大的勝利」。
這兩起事件，折射出AI時代一個尚未被充分正視的結構性陷阱：企業在規劃AI替代方案時，往往只算了「省下多少人工成本」，卻漏算了AI失效後的善後成本——顧客流失、品牌受損、重新招募培訓，以及向員工賠付補償。
研究機構Orgvue和Forrester的聯合調查顯示，那些急於用AI替代人力的企業中，有55%事後表示後悔。Token可以很便宜，但用Token替代人所付出的隱性代價，往往遠比賬單上的數字昂貴得多。
這場反轉來得比任何人預期的都快。從黃仁勳在GTC舞台上宣佈「員工燒不完50萬美元Token我會失望」，到亞馬遜高管告誡員工「不要為了用AI而用AI」，前後不過幾個月。硅谷對Token的態度，完成了一次180度的弧線。
但這並不意味着AI時代結束了，而是意味着它真正開始了。此前那個「大水漫灌」式的推廣階段，本質上是一場以算力浪費為代價的組織實驗——企業用真金白銀買單，用員工的時間陪跑，用客戶的信任背書。現在賬單擺上桌面，該算清楚的事終於到了要算的時候：哪些場景真的需要AI，哪些只是在為排行榜表演。
Gartner那句話值得所有決策者貼在辦公室牆上：不要把Token的降價，誤讀為AI能力的普惠。真正的問題從來不是Token貴不貴，而是每一個被消耗掉的Token，究竟在為誰創造價值。
責任編輯：孫同懷