文 | 强调Next

企业降本增效省下来的钱可能在被无效的Token烧掉。

据报路，微软起头收缩Claude Code的内部授权。The Verge披露，微软Experiences + Devices团队将于6月底关停大部家世三方Claude Code授权席位，全面切换至自家GitHub Copilot CLI，主题诉求之一就是缓解AI成本压力。Uber的情况更为严格，其CTO Praveen Neppalli Naga公开坦言，公司2026年整年的AI预算，仅用四个月就已根基透支。

Meta走的是另一条路，并且方向齐全相反。Meta内部上线Token亏损排行榜，对高用量员工授予“Token传奇”“缓存魔法师”等荣誉，甚至将用量与查核挂钩、尝试末位裁减。这套机造落地仅30天，Meta全员Token总亏损量从6万亿暴涨至73.7万亿，增幅超12倍，AI亏损彻底失控。

有的公司在踩刹车，有的在才淄门，但面对的问题是一样的。行业至今没有一套成熟、不变、可落地的AI价值衡量尺度，因而单一易统计的Token亏损量，就成了唯一硬性指标。

百度CEO李彦宏就在两周前的大会上指出，Token好统计，但不蹬宗现实产出。

一个员工跑了更多Agent、塞进更长高低文、让模型反复试错，账单会急剧变大，业务了局却不定同步改善。

01.Token KPI：一场造作浪费的查核尝试

以最大化Token亏损为指标的工作方式（“Tokenmaxxing”），自去年底起头在硅谷舒展，此刻已传导至国内。阿里、腾讯、字节等大厂技术团队，分歧水平地将 Token使用量纳入转正和提升参考。

当查核与Token用量深度绑定，职场大局主义迅速向AI工作场景舒展。据《财经》报路，不少员工为达标，刻意让AI Agent批量读取上万行代码、堆砌数万字文件数据，单纯靠“堆工作量”刷高Token亏损，并无现实工作产出。这并非个例，公开数据显示，全球企业级AI利用中，近半数Token亏损都属于无效浪费。

Meta的73.7万亿Token，到底有几多真正转化成了有效产出？这刚好是所有 Token KPI造度的主题缝隙。

与硅谷企业的成本焦虑分歧，国内头部大厂正通过高额Token补助，全力降低员工AI使用门槛。

从分歧渠路披露的信息来看，各家企业福利政策各有侧沉：腾讯为主题研发配了年度22.8万元的Token专属套餐，另加每月1000美元表部工具报销
；字节对内盛开AI工具不限量使用，员工业余履历AI可报销50%，技术岗上限1000美元/年
；百度给技术岗配文心一言无限量使用权，表加最高800美元/年的表部Token补助
；360索性直接给全员充了1亿Token。

AI工具已经不是一个办公软件插件，而是在造成新的出产资料。从前企业给员工配电脑、软件账号、云盘和报销额度
；此刻，研发、设计、产品、运营都可能必要模型挪用额度。尤其在代码天生、Agent工作流、视频天生、知识检索这些场景里，Token就是干活的燃料。

问题在于，燃料发出去了，油耗怎么算，好多公司还没想明显。

02.吞金的Agent，算不清的变量账

Uber的内部数据，精准露出了企业AI成本失控的主题思造缝隙。目前其95%的工程师常态化使用AI编码工具，单人每月AI挪用成本达500至2000美元，70%的代码提交由AI天生，AI Agent每周可实现1800次代码调换，有关工作量占比从不及1%攀升至8%。

从业务落地视角看，这是AI渗入率的大幅提升，但对企业财政部门而言，这意味着刚性可控的IT成本系统彻底被突破。

成本失控的本原，在于AI Agent的高亏损个性。Gartner指出，实现一致工作量，Agent的Token亏损是传统谈天机械人的5至30倍。高盛更是预测，到2030年，全球Token亏损量将达到每月约120 quadrillion（约12亿亿），是2026年水平的24倍，驱动力正是企业端Agent的规
；渴。

传统SaaS按席位计费，IT部门能够在采购时锁定整年支出上限。

AI工具的成本结构与此底子不兼容。Token账单随使用行为动态增长，而财政部门不足汗青数据成立基准，IT部门没有成熟工具进行实时追踪与成本分摊，业务部门推广使用时也没有同步成立成本归因机造。

不是AI没用，而是企业FinOps系统齐全没跟上AI的消费速度。因而微软和Uber垂危踩下刹车。

03.员工在薅羊毛，业务在画饼

国内公司的近况，和硅谷略有分歧。硅谷的焦虑在于用量跑得太快、账单超支
；而国内大厂更现实的狼狈是：钱花出去了，员工用得却不够深，现实业务价值看不清。

从C端数据来看，国内AI利用热度空前高涨。量子位智库2026年行业汇报显示，今年4月国内AI利用Web端月接见量突破9亿次，APP端月下载量超2.4亿、日活达6.7亿，同比增幅223%。QuestMobile数据同步印证，截至2026年3月，国内AI原生APP月活达4.4亿，豆包、千问、DeepSeek稳居行业前三。

火热的C端数据，并未同步转化为企业端的出产力增量。

埃森哲《2025中国企业数字化转型指数》数据显示，国内46%的企业已启动AI适配与落地，但仅9%的企业实现了显著的业务价值突破。绝大无数企业的AI落地，仍停顿在浅层试用、盲目推广、摸索场景的低级阶段。

内容创作、客服问答、代码辅助等浅层场景，AI落地门槛低、见效快
；但在主题研发、供给链治理、财政风控、组织协一致关键业务环节，AI落地的适配难度、合规门槛和落地成本都大幅提升。

大厂全员发放Token补助的主张是靠资金让利降低AI试错成本，强行推动全员融入AI工作流。这套打法有肯定的合理性：只有足够的使用密度，能力倒逼企业筛选出适配业务的真实场景，同时造就员工的AI使用习惯。

但问题是，只激励使用不成立价值怀抱，福利就会造成账单压力，同时衍生出卷“PPT”、卷“文档”式的伪AI工作方式。

AI对职场的渗入速度，远超预期。据Cognizant 2026年汇报测算，美国93%的岗位都将分歧水平受到AI冲击，这一行业预判比此前预估提前了整整6年。

重要岗位AI渗入在出现全面发作态势。数据显示，2023年治理、金融运营、行政支持类岗位的AI露出度仅14%-21%，如今已飙升至60%-68%
；律师岗位AI露出度从9%跃升至63%，就连CEO岗位的AI理论露出度也突破60%。汇报同时强调，理论渗入不代阐发实代替，责任问责、行业监管、人类主观判断，仍是造约AI全面落地的主题壁垒。

这意味着，AI会持续进入更多岗位，Token亏损也会从研发部门扩散到更广的组织层面。企业真正要面对的是若何判断一笔Token花得值不值。

04.挤掉Token泡沫：从“用量崇拜”转向“效能怀抱”

Token自身不是问题，企业想要搭建成熟的AI出产力系统，必然必要充足的Token投入作为支持。行业乱象的主题症结，从来不是“Token用太多”，而是“把Token用量当成唯一指标”。

Meta的Token排行榜机造，看似激活了全员AI使用周到，肯定水平上推动了员工尝试新型AI工具，但无律例避主题缝隙：Token亏损总量，与员工的业务产出毫无直接关联。

而微软、Uber的成本
；灿≈，单纯一刀切缩减Token额度，只是治标不治本，反而可能误伤真正高效的AI办公场景。

李彦宏尝试给出答案，他提出了DAA的概想：Daily Active Agent，他主张用逐日活跃Agent数量来衡量AI的现实渗入水平，而不是Token亏损总量。这个方向不能说没路理，但具体推算方式也有待美满，终于一个活跃的Agent也不定真正跑通业务流程。

企业的主题转型方向，是摒弃Token崇拜、成立AI效能思想。

查核研发AI工作质量，沉点要看AI代码的归并通过率、缺点率、返工率和项目交付周期，而非挪用频次
；

查核客服场景，主题关注问题一次解决率、人为收受率与用户中意度
；

营销内容场景，侧沉产出效能、转化成效与合规风险把控
；

针对AI Agent工作流，则必要沉点排查无效沉试、冗余高低文、不合理模型挪用等浪费行为。

这套精密化的成本与价值治理系统，主题逻辑是要精准分辨有效AI挪用与无效资源亏损，斩断纯堆量的浪费行为。

随着AI深度落地，Token将成为与电费、云服务、人力成本并列的主题出产开支。硅谷企业在为盲目扩量补课，国内企业在靠补助遍及AI使用。

从Token到DAA，是从“烧了几多”走向“跑了几多”，算是往前迈了一步。但“值几多」剽个问题，还没人真正给出答案。