每經編輯｜金冥羽 李雨冰    

曾經被產業(yè)界寄予厚望的“token經濟”，如今卻成了“token刺客”——Meta、Uber、亞馬遜等全球科技巨頭近期不約而同為員工使用AI踩下剎車。

Uber的案例最為典型。其原本規(guī)劃覆蓋全年的token（詞元）預算，僅四個月便消耗殆盡，單個工程師月均AI（人工智能）開銷達到500至2000美元。為遏制成本失控，Uber直接劃定了單人每月1500美元的token使用上限。

Meta內部測算顯示，若維持當前員工調用增速，2026年僅內部AI使用一項支出便將達數十億美元，公司面向6000名核心員工發(fā)放備忘錄，明確了全員token配額限制。亞馬遜高管也公開告誡員工“不要為了使用AI而使用AI”，考核指標從token消耗量切換為標準化業(yè)務交付成果。

這些企業(yè)此前全力推動全員AI落地，核心訴求清晰。其一，以AI替代重復性人力工作，壓縮研發(fā)、運營、客服崗位人力開支，依靠大模型自動生成代碼、整理數據、撰寫方案，縮短項目周期。其二，搶占AI轉型先發(fā)紅利，依靠全員深度使用積累落地經驗，探索業(yè)務智能化新模式，拉開與同行數字化差距。其三，依托token單價持續(xù)下行的行業(yè)趨勢，認定AI邊際成本會持續(xù)走低，長期投入將形成正向收益循環(huán)。

不難看出，這些企業(yè)激進的AI推廣目標已經落空。企業(yè)非但沒有實現人力成本縮減，反而新增一筆難以預估的巨額算力賬單，大量token投入能否轉化為業(yè)務增量仍有待驗證。

而預期與現實嚴重背離，根源集中在三個矛盾。

第一，企業(yè)的消耗量呈指數級膨脹，形成難以逾越的“成本墻”。公開數據顯示，主流大模型token單價較2023年初降幅最高達98%，但AI智能體等應用需要多輪推理、長文本循環(huán)交互，企業(yè)員工日均調用量呈百倍增長，單價下跌無法抵消總量暴漲帶來的總開支，哪怕微小的單位成本，乘以海量的使用規(guī)模后，最終總成本也將是個天文數字。

第二，企業(yè)內部存在嚴重的token浪費。原本大量僅靠人腦思考、搜索引擎即可快速解決的簡單需求，員工全部交由AI處理。大模型的底層推理邏輯意味著，即便簡單的問答也要完整加載模型、生成多輪文本，天然比人工檢索成本更高。頭部大廠急于搶占AI紅利，將token消耗納入正向考核，設立消耗排行榜，只考核使用頻次，未配套產出、效率約束指標，員工刻意刷高token用量以換取績效認可，進一步放大了浪費。

第三，現階段AI存在明顯能力局限，企業(yè)尚未找到高效落地路徑。當前大模型仍無法深度適配細分業(yè)務場景，產出內容常需要員工二次核對修正，員工只是從生產者變成了審核者，企業(yè)并未真正解放人力；多數企業(yè)對AI的使用，也僅停留在淺層文案、代碼輔助層面，沒能搭建完整AI業(yè)務閉環(huán)。縱使Meta、亞馬遜這類巨頭有海量的資金支持，只要投入無法創(chuàng)造凈收益，就失去了商業(yè)邏輯。集體限制token使用，正是市場給出的答案。

token作為AI時代的核心資源，相當于互聯(lián)網時代的網絡流量、工業(yè)時代的能源，這些生產要素必須普惠低價，不構成企業(yè)主要的運營成本。如今頭部企業(yè)因token賬單主動收縮AI使用，表明AI大模型遠未達到基礎設施的標準，token的價格戰(zhàn)也將成為必然。最新的情況是，OpenAI已啟動大幅降價規(guī)劃，一旦落地，其他廠商可能跟進。

token降價不能僅依靠大模型廠商單方面讓利，整條產業(yè)鏈都需要同步降本。目前唯一有望實現季度運營盈利的頭部AI廠商是Anthropic，其余廠商普遍處于虧損狀態(tài)。想要持續(xù)壓低token定價，除了大模型廠商持續(xù)優(yōu)化架構、壓縮推理算力損耗，上游GPU（圖形處理器）、存儲等硬件價格，機房的能源消耗，電力價格都必須同步下降。整條鏈路成本同步下探，token才能走向廉價普惠，AI才有機會真正賦能各行各業(yè)。

免責聲明：本文內容與數據僅供參考，不構成投資建議，使用前請核實。據此操作，風險自擔。

每經評論員|杜恒峰

編輯|金冥羽 ?李雨冰

校對|何小桃

｜每日經濟新聞 ?nbdnews? 原創(chuàng)文章｜

未經許可禁止轉載、摘編、復制及鏡像等使用