"Token 大撤退"：当 AI 从"炫技工具"退化为"成本中心"

作者：AI 观察员｜发布日期：2026年6月14日

硅谷信仰崩塌：从"无限制拥抱"到"紧急踩刹车"

2026年上半年，一场被戏称为"Token 大撤退"的运动正在硅谷悄然蔓延。

曾几何时，AI 代理（Agent）被视为工程师的"第二大脑"，企业争先恐后为工程师配上 Claude Code、Copilot CLI 等 AI 工具，Token 消耗量被纳入内部 KPI，使用量越高意味着"创新力"越强——这种"Tokenmaxxing"（Token 消耗最大化）一度成为硅谷的潜规则。

然而，这张催命账单终于在 2026 年春天落了下来。

Uber 是最先倒下的那个。CTO Praveen Neppalli Naga 公开承认，公司为 AI 拨备的 34 亿美元年度预算，在今年 4 月便已全部耗尽——距离财年结束还有整整 8 个月。5000 名工程师人手一个 Claude Code，月度使用率飙升至 85%，人均月 API 成本高达 500 至 2000 美元。

微软 同样未能幸免。5 月下旬，微软突然下令在 6 月 30 日终止内部"体验与设备"部门对 Claude Code 的集体许可。这个于 2025 年 12 月高调推出的试点项目，仅仅半年后便因账单"完全超出预期"而宣告破产，工程师被迫撤回使用成本更可控的 GitHub Copilot CLI。

亚马逊 则在一怒之下关闭了内部的"Tokenmaxxing"排行榜——原因出人意料：员工为了刷高排名，故意消耗大量 Token 执行不必要的操作，导致算力成本无谓飙升。

更夸张的是，一家匿名科技公司据称收到 Anthropic Claude 月账单 5 亿美元（约 7500 亿韩元）。这个数字让 CFO 们夜不能寐。

Token 价格半年涨 40%，效率增益却严重失衡

点燃这场成本危机的导火索，是 Token 定价的突然飙升。

2 月至 6 月间，OpenAI、Anthropic、GitHub 相继从固定费率转向按量计费。OpenAI 最新发布的 GPT-5.5 直接将 Token 价格翻倍，达到每百万输入 Tok en 5 美元、输出 30 美元；谷歌 Gemini Flash 3.5 的价格更是前代的 3 至 6 倍。

尽管模型效率在一年内提升约 2 倍，但 Token 的溢价幅度高达 40% 至 50%，结果就是：企业使用 AI 的净成本实际暴增 20% 至 30%。

而这只是最乐观的估算。贝恩咨询 6 月发布的报告揭开了更残酷的真相：在能够量化 AI 降本效果的企业中，高达 40% 的企业实际成本降幅在 10% 及以下。原本有 37% 的企业将降本目标设定在 11% 至 20% 之间，但最终达标的仅有 31%。

换句话说，绝大多数企业并没有通过 AI 实现预期的"降本增效"，反而被一套新账单拖累。

那片最昂贵的"无效区域"是：Token 消耗与实际产出的严重错配。

调查显示，每 1 美元 AI Token 支出中，仅有 0.18 美元 产生面向用户的实际价值，0.44 美元 被用于修复 AI 引入的 Bug。一位匿名互联网大厂员工吐槽："一个部门二十多人，一个月消耗 5 万元 Token，什么也没搞出来。"

裁员潮加剧：2026 年科技业已裁员逾 12 万人

成本危机正在直接转化为"砸饭碗"的力量。

据 Challenger, Gray & Christmas 的调查，截至 2026 年 5 月，美国科技产业已宣布裁员 38,242 个职位，较去年同期增加 66%。在全年所有被裁岗位中，约 87,714 个被明确归因于 AI 影响。

Cloudflare 裁员 20%，理由是 AI 减少了对中阶主管和财务职位的需求；Coinbase 和 Snap 大幅缩减员工规模，转而依靠 AI 代理和自动化；项目管理软件公司 ClickUp 更是裁员 22%，CEO Zeb Evans 坦承这是他本人的决定。

不过，这场裁员潮的逻辑远比表面复杂。

黄仁勋公开批评那些将裁员归咎于 AI 的公司 CEO 是"懒惰的"；奥特曼则指责企业存在"AI 作秀"（AI washing）——将本与 AI 无关的财务或运营问题，包装成"We're AI-driven"的叙事。

"2026 年的裁员，一半是 AI 驱动的效率革命，一半是 FOMO（错失恐惧症）豪赌后的财务清算。"一位硅谷投资人这样总结。

从"炫技式 AI"到"精算式 AI"：企业进入算账时代

在硅谷的另一面，一场更务实的转变正在发生。

腾讯 率先调整了内部 Token 分配机制，不再"吃大锅饭"，而是由部门管理者按岗位职能动态分配，明确表态"衡量 AI 成效看提效与价值，绝不单纯看 Token 消耗量"。

Salesforce 推出名为"有效产出分数"（Effective Output score）的新指标，用以预测 AI 投资回报并控制支出——背景是该公司 2026 财年的 Token 支出"远超"计划。

Coinbase 建立了周度费用上限系统，员工级别越高配额越高（500 至 5000 美元），并直言："用最先进模型扫描所有代码找漏洞，一次可能要花 5 万到 10 万美元。"

与此同时，企业开始疯狂寻找"平替模型"。Coinbase 已率先将基础工作迁移至中国轻量级模型；初创公司 Command Code 透露，30 天内新增 1 万名客户，主因正是市场对廉价模型的需求激增。

软件初创 Harness 资深副总裁的比喻非常尖锐："若用顶尖 AI 模型做基本文字摘要，就像开法拉利去买菜。"

写在最后：泡沫还是阵痛？

这场"Token 大撤退"为我们带来了两个关键问题：

第一，AI 的商业化到底能不能"降本"？答案可能是：能，但只在极少数场景。大多数企业被"AI 能降本"的叙事裹挟，实际上是在用 Token 成本替代人力成本——前者并不见得便宜。

第二，算力硬件会拯救一切吗？短期内很难。英伟达收购 Groq、AMD 和英特尔重新设计 AI 加速器，但绝大多数方案至少要等到 2027 年才能大规模部署。与此同时，AI 代理的爆发式增长（黄仁勋预言"每个员工旁边站着 100 个 AI 代理"）可能继续推高需求。

高盛预测，到 2030 年全球 Token 使用量将暴增 24 倍；但 Gartner 也警告：单位 Token 成本下降，不等于总支出下降——代理式任务消耗的 Token 量是标准模型的数倍至数十倍。

2026 年的 AI 产业，正从一场宗教式的狂热，进入精打细算的工程时代。

对企业而言，"用不用 AI"早已不是问题，"怎么用得值"才是真正的考验。

参考来源：新浪财经、大纪元、稀土掘金、BizNext 数位时代、每经网等