企業AI熱潮正在遭遇第一次真正意義上的賬單危機。

5月28日，據Axios援引一位AI顧問的說法，其旗下一家企業客戶近期在單個月內花費了5億美元用于Claude，起因僅僅是沒有為員工使用量設置任何上限。

分析認為，許多公司在快速鋪開AI工具時，將注意力集中在功能和推廣上，卻忽視了成本管控機制的建立。

華爾街見聞提及，微軟，亞馬遜等科技巨頭正紛紛采取行動，削減內部AI工具或叫停追蹤AI使用量的項目，以遏制被稱為“tokenmaxxing”（詞元極大化）的過度消耗行為。

亞馬遜一名高級副總裁不得不向員工發出警告：

請不要為了用AI而用AI。

市場現在面臨的核心問題，已不再是"要不要擁抱AI"，而是"燒了這么多錢，到底換來了什么"。

亞馬遜關榜，內部"刷分"引發真實成本

亞馬遜的案例從另一個角度揭示了企業AI治理的困境。

據報道援引兩位知情人士透露，亞馬遜旗下開發者平臺Kiro曾設有一個名為"Kirorank"的內部排行榜，根據員工的AI使用活躍度進行評分。

然而，該榜單意外引發了員工為提升排名，而讓AI代理執行無意義任務的行為，直接導致公司算力消耗上升。

亞馬遜高級副總裁Dave Treadwell本周向員工承認，這一排行榜出發點是好的，但最終結果是員工通過"tokenmaxxing"推高了公司的運營成本。

他明確指示員工，不要將注意力放在token消耗量上，而應專注于打造更好的產品，并強調"不要為了用AI而用AI"。

亞馬遜隨后在聲明中確認，該測試版儀表盤"并非正式或經批準的工具，已被下線"。

Meta也出現了類似情況，員工同樣試圖通過拉高token消耗量來在公司內部排名中占據有利位置。

這一現象表明，當企業將AI使用量納入考核時，可能適得其反，將員工激勵扭曲為對算力的無效消耗。

亞馬遜此后轉向以"歸一化部署"指標替代token消耗量，重點追蹤工程師能否通過AI持續生成有實際價值的代碼。

值得注意的是，亞馬遜今年的資本支出預計將達2000億美元，絕大部分流向AI與數據中心基礎設施。

四大癥結：為什么AI花了錢卻沒帶來回報

據Axios梳理，企業AI采用正面臨四個結構性障礙。

用例選擇錯位。Velastegui Ventures CEO、前微軟首席AI官Sophia Velastegui表示，大多數人傾向于用AI自動化他們不喜歡的工作，而非對公司最有價值的工作。

她認為，企業應將AI資源集中在能直接驅動營收的場景上，而非盲目鋪開。

成本缺乏管控。AI查詢并非無成本，企業級套餐按token計費，即便是日常性的簡單查詢也會快速累積成可觀支出，而多數業務部門對此并無清晰認知。

人是最大瓶頸。Velastegui將企業目前普遍采用的"撒花"式AI授權，定性為無法帶來實質回報的路徑。

企業將大量AI工具堆給員工，但缺乏有效的引導和聚焦，導致真正的采用效率低下。

數據開放存在顧慮。專注金融行業AI工具的Boosted.ai CEO Josh Pantony指出，當企業因顧慮數據安全而不愿向AI代理開放內部專有數據時，代理的實際效能將大打折扣，投資回報自然無從談起。

Token經濟學：AI敘事的新核心變量

這場爭論的背后，是一套更為復雜的投資邏輯正在重構。

華爾街見聞提及，據高盛One-Delta部門負責人Rich Privorotsky的最新觀點，AI交易的核心變量已從"技術是否可行"轉向"成本是否可承受"。

DeepSeek據稱將Token定價下調75%，小米MiMo的降價幅度接近99%，這種成本壓縮可能觸發類似補貼競爭后的"價格戰"邏輯。

他指出，基礎設施瓶頸終會緩解，市場不應為"即將被解決的問題"支付過高溢價。

Rich Privorotsky進一步提出假設，更便宜的Token是否會率先替代高成本推理服務？如果需求擴張存在時間滯后，云服務商、模型公司及AI基礎設施的收入增長可能面臨階段性壓力。

他認為，Token支出的理性化可能在今年第二、三季度成為董事會層面的重要議題，其重要性不亞于AI增長敘事本身。

據彭博Silicon Data LLM Token Expenditure Index，Token價格自今年2月底以來已上漲約65%，美國AI軟件價格過去一年累計漲幅達20%至37%。

這一成本趨勢正在引發企業重新審視AI采購策略。當"以10%的成本獲得90%的輸出"變得日益可行，企業對高成本前沿模型的依賴或將系統性下降。

AI模型訓練公司Micro1首席執行官Ali Ansari表示，企業正經歷一次從過度使用AI轉向理性使用的"健康擺蕩"。他認為：

AI目前真正有效的領域，其實只有編程。

多空之爭：同一現實，兩種解讀

就AI投資回報而言，相同的數據在不同分析框架下，正指向截然不同的結論。

多頭視角認為，當前的混亂不過是轉型過程中的正常陣痛。

據高盛的Jim Schneider在5月初的研判，到2030年，代理式AI將推動Token消耗量增長24倍，超大規模云服務商和模型提供商的毛利率將在未來3至12個月內轉正。

摩根大通的經濟研究也發現，2026年初Python包在PyPI上出現跳升式增長，而這一趨勢在2022年ChatGPT上線時并未出現，表明真實的生產力提升正在發生。

空頭視角則由高盛半導體分析師Jim Covello在4月的報告中系統闡述。

他指出，AI供應鏈中幾乎所有價值都流向了半導體公司，這在歷史上前所未有且不可持續。芯片公司本應在客戶獲益時受益，但本輪周期中，其繁榮是以整條產業鏈上游消耗為代價的。

兩種敘事都在同時發生，勝負仍未分明。可以確定的是，"Token消耗量增長即等于AI轉型成功"的簡單等式已經被打破。

從單月燒掉5億美元的極端案例，到亞馬遜叫停刷分排行榜，AI投入正在接受更嚴格的回報審查。下一筆AI賬單能產生多少真實價值，將是這場豪賭真正的判決時刻。