原文标题：《疯狂烧了数十亿美元 Token 之后，硅谷大厂开始限制员工 Token 用量了》
原文作者：桦林舞王，极客公园
为企业自动化的是员工「讨厌的工作」，而不是「赚钱的工作」。
几天前，极客公园报道过在 AI 上押上重注的微软公司，悄悄在内部停止了大部分员工的 Claude Code 许可。
这件事十分诡异，因为这一波 AI 落地的浪潮中，面向企业用户最大的营销点就是「提效」。既然能提效，为什么微软却要停止让员工们使用 Claude Code？
微软并不是唯一一家这么干的，「紧缩 Token 用量」，不再鼓励员工疯狂 Vibe Coding，已经成了硅谷大厂的新风向。
Uber 在四个月内花完了全年的 AI token 预算。Salesforce 每年给 Anthropic 的支票大约是 3 亿美元。某位 AI 顾问透露，他的一个客户单月 AI 支出高达 5 亿美元。Meta 甚至悄悄下线了内部的「tokenmaxxing 排行榜」——那个榜单原本是为了鼓励员工多用 AI 的。
现在，企业们正在做一件几年前想都不敢想的事：
限制、并监视员工使用 AI。
为什么大厂们纷纷转向了？
01「Tokenmaxxing」，时代的缩影
要理解今天的成本危机，得先搞清楚「tokenmaxxing」是什么。
这个词大概在 2025 年开始流行，字面意思是「最大化 token 使用量」。它背后是一种管理逻辑——既然公司花大钱买了 AI 工具，员工就应该拼命用，用得越多证明你越「数字化转型」，用得越少就是在浪费资源。于是很多公司设置了使用配额、排行榜、甚至绩效考核，催着员工把 AI 用起来。
结果呢？
员工开始用公司的企业级 AI 模型查天气、写生日祝福、问今天吃什么。
一项针对 2444 家公司的研究发现，企业每花 1 美元在 AI token 上，0.44 美元用于修复 AI 生成的 bug，0.27 美元用于重写 AI 产出的代码，0.11 美元消耗在审查和合并延迟上。
也就是说，每一块钱 AI 采购成本背后，还藏着将近 80% 的隐性损耗。
投资人 Shruti Gandhi 用了一个很准的比喻：「tokenmaxxing 企业，就像靠开着所有的灯来衡量生产力的公司——花更多钱，不等于产出更多。」
这些公司大多根本不知道员工在用 AI 做什么，更不知道那些任务的完成，是否因为 AI 而带来任何改变。
这场「烧钱竞赛」从 2024 年烧到了 2025 年，终于在今年集中引爆。JPMorgan 发了一篇措辞严厉的报告，标题直白得让人不舒服——《AI Token 成本正在吞噬互联网利润》。
Shopify、Spotify、ServiceNow、Roku 在财报电话会上纷纷提到，AI 成为运营支出的主要压力来源。行业整体的气氛，开始从「用 AI 多牛」转向「这钱花的到底值不值」。
02 当 CEO 开始质疑 ROI
仅有 14% 的 CFO 表示能看到 AI 投资有清晰可衡量的回报。
Uber 首席运营官 Andrew Macdonald，在播客里说了一句很坦诚的话——他们发现很难把员工个人生产力的提升，和公司整体的业务影响联系起来。「如果你看不出 AI 帮你向用户推了多少有价值的功能，token 成本就更难为自己辩护。」
这句话点出了企业 AI 困境的核心所在：个人效率提升，不等于公司收益增长。
员工用 AI 写周报快了三倍，但公司营收没有变化。工程师用 AI 生成代码速度翻倍，但代码「流失率」——也就是被抛弃或重写的比例——上升了 800%。
微软前首席 AI 官 Sophia Velastegui 说了一句让很多管理者不舒服的话：「大多数人默认自动化他们不喜欢的任务，而不是对公司最有价值的任务。」
说白了，企业自动化的是员工「讨厌的工作」，而不是「赚钱的工作」。
这不是技术问题，是优先级的问题。也是为什么大约 30% 的生成式 AI 项目，卡在概念验证阶段就被放弃——成本说不清，价值也说不清，老板自然不续费。
Salesforce CEO Marc Benioff 的处理方式颇具代表性。面对每年 3 亿美元的 Anthropic 账单，他的期待是一个「智能路由器」：能判断哪些查询值得用顶级模型，哪些用便宜的小模型就够了。
这个想法本身没什么新奇——早在云计算时代，「按需付费」「资源优化」就是标准操作。但 AI 这波浪潮来得太急，大家先买后想，现在才开始补课。
03 理性回归，还是寒冬前奏？
微软近期取消了大部分 Claude Code 的企业许可证，官方理由指向成本因素。这件事在业内引发了不小的讨论——毕竟微软自己就是 OpenAI 的最大投资方，同时又在砍竞品的订阅，这里面有多少是成本考量、多少是战略布局，很难说清楚。
但无论如何，它代表了一个信号：企业开始用脚投票了。
Harness 和 CloudZero 几乎在同一天——5 月 28 日——分别发布了 AI 成本管理工具，一个主打实时监控 AI 支出和 ROI，另一个推出「AI 财务控制平面」，帮企业把每一美元的 AI 开销和具体业务成果挂钩。
这两款产品的出现本身就说明问题：市场有需求，而且需求很急迫。
HubSpot 从今年 4 月开始调整 AI 代理的定价模型，不再按 token 收费，改为按「解决的对话数」或「生成的线索数」计费——这是一个方向性的转变，把卖方的利益和买方的实际产出对齐了。ServiceNow 也在做类似的调整。AI 厂商们正在意识到，如果他们继续卖「用量」而不是卖「结果」，企业客户迟早会集体反弹。
这场调整，是 AI 产业化必须经历的阵痛，还是更大危机的序幕？
我倾向于认为是前者。但有一个细节让人有点担心：全球 AI 软件支出预计 2026 年将达到 2.59 万亿美元，同比增长 47%，但与此同时，94% 的工程负责人表示关键 ROI 指标仍然缺失。钱越花越多，但没人知道烧在哪、烧得值不值——这个矛盾如果不解决，下一个「tokenmaxxing 时刻」只是时间问题。
Fortune 杂志的一篇分析说得很直接：「tokenmaxxing 很容易，重新设计工作流程很难。」大多数公司现在做的，是在优化现有流程，而不是重新发明商业模式。这是 AI 真正价值的所在，也是大多数企业还没有到达的地方。
理性回归是好事。但理性回归之后，企业还需要回答一个更难的问题：AI 对我们的业务，到底应该是一把锤子，还是一套新的思维框架？
如果只是用 AI 把旧的工作做得更快，账单总有一天会把你逼回到这个问题面前。
原文链接