撰文：鮑奕龍
來源：華爾街見聞
Enterprise AI spending is under severe scrutiny, with token consumption continuing to rise, yet measurable business value remains elusive.
5 月 22 日，市值超過 2000 億美元的 Uber 首席運營官 Andrew Macdonald 在一檔播客中公開表示，詞元（Token）消耗的增長與產品的實質改善之間，「這條線還不存在」。
Macdonald 指出，公司越來越難以為持續攀升的 AI 支出做出合理解釋。他甚至為工程團隊內部的浪費現象專門造了一個詞：「tokenmaxxing」（Token 極大化）。
此前於 5 月中旬，微軟以 Token 賬單「難以為繼」為由，開始削減內部 Claude Code 授權許可。
兩則事件疊加，令市場不得不正視一個此前被忽視的變量。代幣經濟學，即企業規模下代幣消耗的單位經濟性，已從一個邊緣議題，升格為整個 AI 投資論題的核心承重柱。
五組數據，拼出一幅新圖景
自 4 月以来，多組數據接連落地，共同勾勒出一幅令人警覺的畫面。
今年 4 月，Uber 首席技術官公開表示，公司在四個月內燒完了全年 Claude Code 預算。
在 5000 名工程師中，月使用率介於 84% 至 95% 之間，人均月度賬單從 150 美元到 2000 美元不等；該 CTO 本人在一次長達兩小時的內部演示中，據報消耗了價值 1200 美元的詞元。
Macdonald 形容得知這一數字時「簡直震驚得說不出話來」。
根據 The Verge 旗下 Tom Warren 的 Notepad 通訊報導，Claude Code 在微軟內部工程師群體中迅速流行，但基於 Token 的計費模式使得規模化支出難以為繼，微軟隨即著手削減相關授權。
GitHub 宣布自 6 月 1 日起，所有 Copilot 計劃將從固定訂閱制轉為按用量計費。
官方討論帖獲得近 900 個反對票，原因是有用戶計算，一次智能體編程會話通常消耗 30 至 40 美元，意味著每月 10 美元的訂閱方案在單次使用中即告耗盡。
開發者生產力平台 Entelligence.AI 在彙總 2,444 家企業的數據後發現：
- 每投入 1 美元的 AI Token 費用，僅有 18 美分產生了觸及用戶的實際價值。
- 44 美分用於修復 AI 自身引入的 Bug；27 美分流向返工；11 美分消耗於審查摩擦。
根據彭博 Silicon Data LLM Token Expenditure 指數，Token 價格自今年 2 月底以來已上漲約 65%，美國 AI 軟體價格過去一年累計上漲 20% 至 37%。
多空之爭：同一事實，兩種解讀
相同的數據，在不同的分析框架下會指向完全不同的結論。
多頭觀點認為，當前的混亂不過是成功轉型的陣痛期。
根據高盛的 Jim Schneider 在 5 月初的研判，到 2030 年，代理式 AI 將推動詞元消耗量增長 24 倍，達到每月約 120 萬億億個詞元，超大規模雲服務商和模型提供商的毛利潤率將在未來 3 至 12 個月內轉正。
高盛的 Rich Privorotsky 則認為，2026 年第一季或許已是「詞元最大化」作為 KPI 的頂峰，行業正從追求消耗量轉向「單位有效行動成本」這一更健康的衡量維度。
摩根大通的經濟研究也發現，2026 年初 Python 新增及更新包在 PyPI 上出現跳升式增長，而這一趨勢在 2022 年 ChatGPT 上線時並未出現，表明真實的生產力提升正在發生。
此外，Mag 7 當前的市盈率約為 20 倍遠期盈利，遠低於 2000 年科技泡沫高峰時的 52 倍、1989 年日本的 67 倍以及「漂亮 50」時代的 34 倍。以歷史泡沫的衡量標準來看，當前並未構成泡沫。
空頭觀點由高盛半導體分析師 Jim Covello 在 4 月的報告中最為系統地闡述。
He pointed out that almost all the value in the AI supply chain is flowing to semiconductor companies—a phenomenon unprecedented in history and unsustainable. Chip companies should benefit when their customers prosper, but in this cycle, their prosperity comes at the cost of exhausting the entire upstream supply chain.
英偉達的淨利潤自 ChatGPT 上線以來增長約 20 倍；各大超大規模雲服務商已耗盡經營性現金流，轉而舉債——2025 年數據中心相關債務發行規模約 1820 億美元，較 2024 年翻倍。
MIT Nanda 研究顯示，95% 投資生成式 AI 的企業回報為零。這種脫鉤或許可以維持一段時間，但無法永遠持續。
循環融資結構的隱憂
這場討論還涉及一個更為複雜的層面：超大規模雲服務商與 AI 實驗室之間的財務循環。
根據 The Information 匯編的企業披露文件，OpenAI 和 Anthropic 合計佔微軟、甲骨文、谷歌和亞馬遜約 2 萬億美元未來雲服務承諾的逾半數。具體而言：
- 微軟 6270 億美元雲服務積壓訂單中，2800 億美元與 OpenAI 綁定；
- 甲骨文 5,530 億美元管道業務中，54%（約 3,000 億美元）由 OpenAI 承諾；
- 谷歌 4676 億美元中，Anthropic 占比 43%（約 2000 億美元）；
- Amazon 的相應敞口亦達其 4640 億美元積壓的 51%。
這種融資結構具有內生循環性。微軟對 OpenAI 的 130 億美元投資主要以 Azure 積分形式兌現，OpenAI 將其用於購買 Azure 算力，微軟隨即將其計入雲收入。
同樣的超大規模雲服務商，既是 AI 實驗室的股權投資方，也是收取算力帳單的服務供應商。
這一結構也體現在盈利數據上。Alphabet 公布了創紀錄的 626 億美元第一季度利潤，其中約 287 億美元，近半數來自對 Anthropic 股權的賬面升值。
亞馬遜第一季度利潤達 303 億美元，其中 168 億美元為 Anthropic 的稅前未實現收益；由於同期數據中心資本支出高達 442 億美元，其自由現金流暴跌 95% 至 12 億美元。
這一体系的可持續性，取決於 AI 實驗室持續獲得外部融資以兌現雲計算承諾的能力，而後者又依賴於企業客戶持續願意支付不斷攀升的 Token 賬單。
據報導，Anthropic 目前每收入 1 美元，成本高達 3 美元。一旦融資節奏放緩，雲收入預測的可信度將隨之下降，超大規模雲廠商的估值倍數亦將面臨重估壓力。
This chain transmits in both directions and will also break in both directions.
這不是 1999，但問題真實存在
當前的處境並不構成一場典型的泡沫設定。
從估值倍數來看，科技七巨頭目前的遠期市盈率約為 20 倍，遠低於 2000 年科技泡沫高峰時的 52 倍、1989 年日本市場的 67 倍或「漂亮 50」時代的 34 倍。
AI 技術本身是真實的。對於重度用戶群體而言，生產力提升的數據也是可驗證的。OpenAI 年化收入約 200 億美元，Anthropic 約 43 億美元，兩家實驗室不會就此消失。
如今，Token 成本（算力開銷）已成為決定 AI 成敗的關鍵，而在半年前，大家甚至不太討論這個話題。
當時大家只關心「技術行不行」。現在答案很明確：在特定工作和特定人群眼裡，技術確實行。
但新問題來了：下游企業用 AI 省下的錢，能否及時傳導上去，跑贏資本市場留給 AI 實驗室和雲巨頭的估值窗口？
看好 AI 的人認為，只要技術繼續成熟，企業的 ROI（投資回報率）在 1 到 1.5 年內就能轉正。
看衰的人則認為，會有更多高層像麥克唐納那樣，公開抱怨 AI 的投入產出比太低並開始削減預算。
這兩種情況可能都在發生，勝負未分。唯一可以確定的是，過去那種「只要 Token 消耗量在漲，就說明 AI 轉型成功」的謊言已經破滅了。
高詞元消耗量並不等於具有商業價值，這兩個泡沫終究要被擠掉。AI 的帳單已經到期，但最後誰來付這筆錢？目前仍是個未知數。