近日，微软内部悄然停用大部分员工的Claude Code许可，成为科技行业重新审视AI部署成本与价值的标志性事件。这一转变并非孤例，从Uber、Meta到Salesforce，众多硅谷大厂正不约而同地收紧AI token使用政策，甚至下线内部使用排行榜。一场由“拼命用AI”到“审慎看效果”的理性回归，正在全球企业界蔓延。
此前，“tokenmaxxing”（最大化token使用量）曾是企业推动AI落地的流行管理逻辑。公司鼓励甚至考核员工对AI工具的使用量，视其为数字化转型的指标。然而，这种“为用而用”的模式正暴露出巨大隐形成本。一项针对2444家公司的研究揭示，企业每投入1美元用于AI token，就需要额外花费约0.82美元用于修复AI生成的错误、重写代码及处理审查延迟等衍生问题。
“这就像靠开着所有的灯来衡量生产力——花更多钱，不等于产出更多。”投资人Shruti Gandhi的比喻直指要害。摩根大通一份题为《AI Token成本正在吞噬互联网利润》的报告，更是以严厉措辞警示行业。Shopify、Spotify等公司在财报会议中纷纷将AI列为运营支出的主要压力源，行业讨论焦点已从“技术有多牛”转向“钱花得值不值”。
核心困境在于个人效率提升未能有效转化为公司收益。微软前首席AI官Sophia Velastegui指出，员工倾向于用AI自动化自己“讨厌的任务”，而非对公司“最有价值的任务”。Uber高管也坦言，难以将个人生产力提升与公司整体业务影响关联起来。据调查，仅14%的CFO认为其AI投资获得了清晰可衡量的回报。
压力之下，企业开始行动。Salesforce CEO期待建立“智能路由器”来优化模型调用成本。HubSpot等AI厂商则将计费模式从“按token用量”转向“按解决的对话数”等结果指标，试图将自身利益与客户业务成果对齐。5月28日，Harness与CloudZero同日发布AI成本管理工具，旨在帮助企业实时监控支出并将开销与具体业务挂钩。
《财富》杂志分析认为，“tokenmaxxing很容易，重新设计工作流程很难。”当前大多数企业仍在用AI优化旧流程，而非重塑商业模式。全球AI软件支出预计在2026年达到2.59万亿美元，但与此同时，94%的工程负责人仍表示关键投资回报率指标缺失。这场成本危机，究竟是AI产业化必经的阵痛，还是更深层问题的前奏？企业最终必须回答：AI究竟是加速旧工作的锤子，还是推动变革的新思维框架？理性回归之后，真正的挑战才刚刚开始。