企業(yè)AI消費(fèi)的“無限暢飲”時(shí)代正在收尾，但賬單管控并不等于踩剎車。

今年上半年，“Token最大化”（Tokenmaxxing）成為企業(yè)AI圈的流行詞。Meta、Salesforce等公司主動(dòng)鼓勵(lì)員工盡可能多地消耗AI Token以提升生產(chǎn)力。Meta內(nèi)部甚至出現(xiàn)了一個(gè)名為“克勞德經(jīng)濟(jì)學(xué)”（Claudeconomics）的排行榜，追蹤公司前250名重度用戶。數(shù)據(jù)顯示，Meta員工在30天內(nèi)消耗了超過60萬億個(gè)Token，單個(gè)最高消耗用戶約達(dá)2800億個(gè)Token。員工們?yōu)榱烁?jìng)逐“Token傳奇”“緩存巫師”等稱號(hào)，讓AI代理花數(shù)小時(shí)做無意義的研究來“燒Token”。

隨后，Uber因在四個(gè)月內(nèi)燒光Claude Code和Codex全年預(yù)算登上頭條，隨即對(duì)員工實(shí)施每月1500美元的使用上限，超出部分需逐案審批。

這些事件引發(fā)廣泛關(guān)注。但SemiAnalysis團(tuán)隊(duì)在Databricks AI峰會(huì)上進(jìn)行實(shí)地調(diào)研，并通過Slack、電話與超過50家企業(yè)客戶深度交流后，得出了與媒體敘事截然不同的結(jié)論。

該機(jī)構(gòu)認(rèn)為，媒體的報(bào)道嚴(yán)重夸大了問題的普遍性。Meta和Uber的極端案例，根源是激勵(lì)機(jī)制失當(dāng)和內(nèi)部管理松弛，而非企業(yè)AI投入整體失控。

頭條故事被夸大，真實(shí)數(shù)據(jù)更溫和

媒體報(bào)道可能夸大了企業(yè)AI預(yù)算危機(jī)。

關(guān)鍵數(shù)據(jù)支撐這一判斷。SemiAnalysis援引Ramp的消費(fèi)數(shù)據(jù)顯示，前1%的頭部客戶每位員工年均AI支出約9萬美元，前10%約為7300美元，而Ramp客戶的中位數(shù)僅為136美元。Ramp客戶整體技術(shù)應(yīng)用水平已遠(yuǎn)高于普通企業(yè)，但《財(cái)富》500強(qiáng)媒體類客戶的人均AI支出仍遠(yuǎn)低于100美元

即便是"燒Token大戶"Meta，按標(biāo)價(jià)計(jì)算每年每位員工花費(fèi)接近5萬美元，據(jù)SemiAnalysis估算也僅占Anthropic客戶收入的3%至5%

Anthropic自身文檔也印證了這一點(diǎn)：Claude Code開發(fā)者月均支出僅150至250美元，僅10%的用戶日均花費(fèi)超過30美元。

SemiAnalysis認(rèn)為：“媒體的夸大報(bào)道并不屬實(shí)——企業(yè)仍在持續(xù)投入，新的需求場(chǎng)景和垂直領(lǐng)域帶來的Token消耗，正推動(dòng)著AI列車以迅猛的速度繼續(xù)前行。”

這意味著企業(yè)AI采用仍處在不均勻擴(kuò)散階段。不是所有員工都在高頻調(diào)用大模型。很多公司只是少數(shù)團(tuán)隊(duì)、少數(shù)崗位先跑起來。

預(yù)算管控成新常態(tài)，但標(biāo)準(zhǔn)五花八門

超過50家受訪企業(yè)中，大多數(shù)已對(duì)AI使用設(shè)置硬性上限。但各公司的標(biāo)準(zhǔn)差異極大，并無行業(yè)共識(shí)。

低端案例：

• 美國排名前三的航空航天與國防制造商：每人每月250美元上限，部分重度用戶首月四天即耗盡額度

• 全球最大制藥公司之一：每人每月500美元，特殊情況可申請(qǐng)1000美元

高端案例：

• Workday、Stripe：員工月度預(yù)算約2000美元

• 上市網(wǎng)絡(luò)安全公司：初級(jí)員工每月800美元，高級(jí)員工1600至4000美元，數(shù)據(jù)科學(xué)家獲最高額度

• 大型旅游科技公司（1500名員工中800名工程師，年AI支出接近1000萬美元）：默認(rèn)每人每月200美元，根據(jù)職位可增至數(shù)萬美元

預(yù)算設(shè)定邏輯也各有不同。一家美國三大航空公司之一的做法最為特殊：Token分配直接與具體項(xiàng)目及預(yù)期營收掛鉤。例如，一個(gè)預(yù)期營收1000萬美元的項(xiàng)目，財(cái)務(wù)團(tuán)隊(duì)批準(zhǔn)100萬美元總支出預(yù)算，團(tuán)隊(duì)再自行決定其中多少比例用于Token——AI成本被納入項(xiàng)目財(cái)務(wù)模型，而非單獨(dú)的IT預(yù)算。

員工的“省Token”生存法則

預(yù)算壓力倒逼出了一套實(shí)用的Token節(jié)約策略。

最典型的是"Copilot套利"：微軟365企業(yè)版訂閱用戶可免費(fèi)無限使用標(biāo)準(zhǔn)Copilot聊天機(jī)器人，且該使用量不計(jì)入月度AI預(yù)算。一家大型荷蘭消費(fèi)品與健康科技公司明確表示，員工會(huì)先用Copilot草擬和整合創(chuàng)意，再調(diào)用Claude或Codex處理最終任務(wù)，以此節(jié)約計(jì)量Token。

模型降級(jí)也是常見手段。那家全球旅游科技公司已將所有員工的Claude默認(rèn)模型從Opus切換為Sonnet，Opus仍可使用但需主動(dòng)選擇。那家航空航天與國防制造商則直接"關(guān)閉"了Opus 4.8和快速模式

對(duì)此，SemiAnalysis團(tuán)隊(duì)直接點(diǎn)評(píng)了管理層的邏輯："管理層認(rèn)為給員工更大的Token預(yù)算會(huì)促使他們自動(dòng)化那些根本不該自動(dòng)化的任務(wù)，比如撰寫郵件。我們認(rèn)為這種反自動(dòng)化觀點(diǎn)過于天真。"

便宜Token需求仍在增長，TaaS/API端點(diǎn)市場(chǎng)沒有冷下來

預(yù)算管理不等于減少調(diào)用。企業(yè)更關(guān)心的是單位成本。

便宜Token的需求仍然強(qiáng)。前沿模型和開源模型的Token-as-a-Service/API端點(diǎn)市場(chǎng)都在增長。AWS Bedrock被納入測(cè)算后，SemiAnalysis對(duì)AWS本季度整體增長率的估計(jì)高于市場(chǎng)預(yù)期。

TaaS供應(yīng)商也在擴(kuò)張。Together、Fireworks、Baseten等公司合計(jì)ARR已超過40億美元。

這說明企業(yè)預(yù)算壓力會(huì)改變采購結(jié)構(gòu)。能用便宜模型解決的問題，就不會(huì)一直調(diào)用最貴模型。默認(rèn)模型被降級(jí)，不代表AI使用減少，而是成本曲線被重新優(yōu)化。

編碼仍是最強(qiáng)需求，AI列車沒有因?yàn)轭A(yù)算上限而減速

編碼場(chǎng)景仍是當(dāng)前AI收入最大的驅(qū)動(dòng)力，OpenAI和Anthropic逾70%的ARR來自這一方向。Anthropic B2B占比超90%（OpenAI約60%），決定了其收入結(jié)構(gòu)對(duì)企業(yè)端的依賴更深，也更穩(wěn)定。

下一波增長被認(rèn)為將來自網(wǎng)絡(luò)安全和白領(lǐng)知識(shí)工作。隨著Cowork、CoPilot、Codex及Computer類產(chǎn)品進(jìn)一步滲透企業(yè)，編碼市場(chǎng)拉動(dòng)AI實(shí)驗(yàn)室ARR增長的路徑，會(huì)在更廣泛的場(chǎng)景中重演。

當(dāng)前大多數(shù)財(cái)富500強(qiáng)企業(yè)的人均AI支出仍遠(yuǎn)低于2000美元/年，主要集中在工程和數(shù)據(jù)科學(xué)部門。這意味著AI在企業(yè)中的普及還處于早期階段，增長空間并未消失，只是換了形態(tài)——從"隨意燒錢"變成了"有預(yù)算地持續(xù)投入"。

AI真正的ROI：效率提升，但產(chǎn)出預(yù)期也在同步上升

在受訪企業(yè)中，AI帶來的效率提升案例真實(shí)存在，且效果顯著。

• 亞馬遜招聘部門：從初步篩選到團(tuán)隊(duì)安置的流程，過去需要6至9個(gè)月，借助AI工具后縮短至3至4個(gè)月

• 一家為85%的《財(cái)富》500強(qiáng)提供數(shù)據(jù)分析服務(wù)的公司：過去需要一周完成的工作，現(xiàn)在只需幾小時(shí)

但效率提升的另一面是：產(chǎn)出預(yù)期同步上升。一位法律數(shù)據(jù)與風(fēng)險(xiǎn)解決方案公司的員工坦言，原本一周的工作量被壓縮到幾小時(shí)，"但公司卻因此期待她完成更多工作，結(jié)果她比之前更忙碌了。"

SemiAnalysis指出，Uber、Meta等公司的Token超支事件，根本原因是激勵(lì)機(jī)制失當(dāng)和監(jiān)管松懈，而非缺乏高ROI的應(yīng)用場(chǎng)景。亞馬遜盡管大規(guī)模裁員，但因AI工具帶來的效率提升，正在以更快速度招聘新員工——這是AI作為"人力杠桿"最清晰的注腳。