AI automates the tasks employees dislike, not the tasks that generate revenue.
幾天前，極客公園曾報導過在 AI 上重注的微軟公司，悄悄在內部停止了大部分員工的 Claude Code 許可。
這件事十分詭異，因為在這波 AI 落地的浪潮中，面向企業用戶最大的營銷點就是「提效」。既然能提效，為何微軟卻要停止讓員工使用 Claude Code？
微軟並不是唯一這樣做的公司，「緊縮 Token 用量」、不再鼓勵員工瘋狂 Vibe Coding，已成為矽谷大廠的新趨勢。
Uber 在四個月內花完了全年的 AI token 預算。Salesforce 每年給 Anthropic 的支票約為 3 億美元。某位 AI 咨詢顧問透露，他的其中一位客戶單月 AI 支出高達 5 億美元。Meta 甚至悄悄下線了內部的「tokenmaxxing 排行榜」——該榜單原本是為了鼓勵員工多使用 AI。
現在，企業們正在做幾年前想都不敢想的事：
限制並監視員工使用 AI。
為什麼大廠們紛紛轉向了？
「Tokenmaxxing」，時代的縮影
要理解今天的成本危機，得先搞清楚「tokenmaxxing」是什麼。
這個詞大約在 2025 年開始流行，字面意思是「最大化 token 使用量」。它背後是一種管理邏輯——既然公司花大錢購買了 AI 工具，員工就應該拼命使用，使用得越多就越能證明你「數位轉型」，使用得越少就被視為浪費資源。因此，許多公司設定了使用配額、排名榜，甚至將其納入績效考核，催促員工積極使用 AI。
結果呢？
員工開始使用公司的企業級 AI 模型查詢天氣、撰寫生日祝福、詢問今天吃什麼。
一項針對 2444 家公司的研究發現，企業每花 1 美元在 AI token 上，0.44 美元用於修復 AI 生成的 bug，0.27 美元用於重寫 AI 產出的代碼，0.11 美元消耗在審查和合併延遲上。
In other words, behind every dollar of AI procurement cost lies nearly 80% in hidden losses.
投資人 Shruti Gandhi 用了一個很準的比喻：「tokenmaxxing 企業，就像靠開著所有的燈來衡量生產力的公司——花更多錢，不等於產出更多。」
更具諷刺意味的是，這些公司大多根本不知道員工在用 AI 做什麼，更不知道這些任務的完成是否因 AI 而帶來任何改變。
這場「燒錢競賽」從 2024 年燒到 2025 年，終於在今年集中引爆。JPMorgan 發了一篇措辭嚴厲的報告，標題直白得讓人不舒服——《AI Token 成本正在吞噬互聯網利潤》。
Shopify、Spotify、ServiceNow、Roku 在財報電話會議中均提到，AI 已成為運營支出的主要壓力來源。整個行業的氛圍，正從「用 AI 多牛」轉向「這筆錢花得到底值不值」。
當 CEO 開始質疑 ROI
僅有 14% 的 CFO 表示能看到 AI 投資有清晰可衡量的回報。
Uber 首席運營官 Andrew Macdonald 在播客中說了一句非常坦誠的話——他們發現很難將員工個人生產力的提升與公司整體的業務影響聯繫起來。「如果你看不出 AI 幫你向用戶推出了多少有價值的功能，token 成本就更難為自己辯護。」
This sentence highlights the core of the enterprise AI dilemma: increased personal efficiency does not equate to increased company revenue.
員工用 AI 寫週報快了 3 倍，但公司營收沒有變化。工程師用 AI 生成代碼速度翻倍，但代碼「流失率」——也就是被拋棄或重寫的比例——上升了 800%。
微軟前首席 AI 官 Sophia Velastegui 說了一句讓很多管理者不舒服的話：「大多數人默認自動化他們不喜歡的任務，而不是對公司最有價值的任務。」
To put it simply, businesses automate the tasks employees dislike, not the tasks that generate revenue.
這不是技術問題，而是優先級的問題。這也是為何大約 30% 的生成式 AI 專案在概念驗證階段就被放棄——成本說不清，價值也說不清，老闆自然不續費。
Salesforce 執行長 Marc Benioff 的處理方式頗具代表性。面對每年 3 億美元的 Anthropic 賬單，他的期待是一個「智能路由器」：能判斷哪些查詢值得使用頂級模型，哪些用便宜的小模型就足夠了。
這個想法本身並無新意——早在雲計算時代，「按需付費」、「資源優化」就是標準操作。但 AI 這波浪潮來得太急，大家先買後想，現在才開始補課。
理性回歸，還是寒冬前奏？
微軟近期取消了大部分 Claude Code 的企業許可證，官方理由指向成本因素。這件事在業內引發了不小的討論——畢竟微軟自己就是 OpenAI 的最大投資方，同時又在砍競爭對手的訂閱，這其中有多少是成本考量、多少是戰略布局，很難說清楚。
但無論如何，它代表了一個信號：企業開始用腳投票了。
Harness 和 CloudZero 幾乎在同一天——5 月 28 日——分別發布了 AI 成本管理工具，一個主打實時監控 AI 支出和 ROI，另一個推出「AI 財務控制平面」，幫企業把每一美元的 AI 開銷和具體業務成果掛鉤。
The very appearance of these two products speaks volumes: there is demand in the market, and the demand is urgent.
HubSpot 從今年 4 月開始調整 AI 代理的定價模型，不再按 token 收費，改為按「解決的對話數」或「生成的線索數」計費——這是一個方向性的轉變，將賣方的利益與買方的實際產出對齊了。ServiceNow 也在做類似的調整。AI 廠商們正意識到，如果他們繼續賣「用量」而不是賣「結果」，企業客戶遲早會集體反彈。
這場調整，是 AI 產業化必須經歷的陣痛，還是更大危機的序幕？
我傾向於認為是前者。但有一個細節讓人有點擔憂：全球 AI 軟體支出預計 2026 年將達到 2.59 萬億美元，同比增長 47%，但與此同時，94% 的工程負責人表示關鍵 ROI 指標仍然缺失。錢越花越多，但沒人知道燒在哪、燒得值不值——這個矛盾如果不解決，下一個「tokenmaxxing 時刻」只是時間問題。
《財富》雜誌的一篇分析直言：「tokenmaxxing 很容易，重新設計工作流程很難。」大多數公司目前所做的，是優化現有流程，而非重新發明商業模式。這正是 AI 的真正價值所在，也是大多數企業尚未達到的境界。
理性回歸是好事。但理性回歸之後，企業還需要回答一個更難的問題：AI 對我們的業務，到底應該是一把錘子，還是一套新的思維框架？
如果只是用 AI 把舊的工作做得更快，帳單總有一天會把你逼回到這個問題面前。
本文來自微信公眾號「極客公園」（ID：geekpark），作者：樺林舞王，編輯：靖宇