大厂也烧不动Token了？
“一个部门20来人，一个月消耗5万元Token（词元），什么也没搞出来。”
一位科技大厂员工王昊（化名）向记者的这句吐槽，揭开了当前企业争相拥抱AI的另一面。
5万元的费用，如果按每工作日200元的实习补助计算，相当于10名实习生工作一个月。可这笔钱化作无形的Token消耗后，没有形成能够落地的项目成果。
过去两年，AI席卷全球资本市场和产业界。从科技大厂到传统企业，“全面拥抱AI”成为最流行的口号。企业争相采购大模型服务、部署AI助手，发放、比拼员工Token福利，希望借助AI提升效率、创造新的增长空间。
然而到了2026年，一个新的问题开始浮现：为什么员工已经大量使用AI，预算不断增长，Token消耗越来越高，但一些企业却没有获得预期中的回报？
经历了过去两年的狂热之后，越来越多企业开始重新审视AI投入的真实价值。第一财经记者了解到，近期多家科技大厂已经开始调整员工Token额度管理机制。
Token烧钱，成果呢？
王昊所在的部门并非技术部门。领导鼓励大家多尝试，每位员工每月都能获得几千元Token补贴。他的同事们热衷于尝鲜，各自选用市面上不同的主流AI工具，每个人都搭建出了一套属于自己的AI工作流。
表面看，局部效率提升了，但问题也逐渐暴露。他的部门下设多个小组，业务方向不同，大家搭建系统选用AI工具不一，有人用了公司自家的AI工具，有人用了开源Hermes Agent，还有人用了其他第三方AI工具，各类系统无法串联，形成了一个个“AI孤岛”，没有人从整个业务流程层面进行统一规划，更谈不上凝聚业务合力。
当领导试图将这些AI成果整合时才发现，难度远超预期。不同工具链积累下来的技术债、团队成员形成的路径依赖以及迁移成本，让原本看似热闹的AI实践难以形成规模效应。最终，部门不得不推倒重来，由负责人牵头重新梳理业务需求，引入公司技术团队，依托公司内部代码自定义搭建工具，从头打造一套整合式系统。
回过头来看，团队最大的损失不是Token费用，而是时间。
同样在非技术岗位的张岚（化名），供职于一家直播平台。在CEO的带动下，全员拥抱AI。他告诉记者，每周公司都会组织工程师进行相关的AI培训，但这些培训并不接地气，很难真正转化到工作中的实际应用，更不用说凝练成有价值的、可以分享给同事的skill（技能）。
有时候，AI甚至没有带来效率提升，反而翻车了。
一位科技公司员工向记者透露，其所在公司开发了一款内部使用的AI助手，用于资料搜集、周报总结等办公场景。
然而一天晚上，在没有人为触发相关指令的情况下，该助手突然开始在公司工作群中持续发布与工作无关的内容，以及毫无逻辑的乱码，并随机@员工，还自行发起线上会议。
此外，在一些科技公司，发放Token成为一项面向员工甚至包括实习生的福利，通常覆盖市面上主流的AI工具，其中不乏海外顶尖的编程助手和模型。有人注意到，部分员工拿着公司发放的Token挪作私用——有人用它辅助分析行情、有人用来写策划副业、有实习生用来完成毕设。这些发放的Token并未完全落实在公司业务中。
这些乱象并非国内独有。硅谷巨头们已经在AI狂热中踩了坑。
把Token消耗量等同于员工创新能力与工作效率的考核风潮，最早兴起于硅谷，被称为Token Maxxing（Token消耗最大化）。一些企业将AI工具使用量纳入内部考核体系，甚至建立排行榜，鼓励员工尽可能多地使用AI。最初的出发点是推动组织变革，但很快演变成一场新的内部内卷。
部分员工开始让AI代理长时间运行研究任务，反复生成和修改代码，甚至执行大量并无实际意义的操作，只为提升排行榜成绩。结果是，Token消耗快速膨胀，算力成本不断攀升，但实际业务价值却十分有限。
亚马逊和Meta都曾大力推动内部AI工具普及，并建立相关使用量的排行榜。但今年5月，亚马逊已经喊停了榜单，因为公司发现部分员工正在通过不必要的操作人为提高得分，为了AI而AI，导致公司的算力成本上升。
Uber同样是积极拥抱AI的代表企业之一。Uber管理层此前表示，公司2026年度Claude Code预算在4月份就已提前耗尽。到今年5月底，Uber高管表示，Token的消耗量确实在激增，但这种高昂的投入与终端用户体验的实质性提升之间，尚未建立起清晰的逻辑关联。
这些案例背后，是许多企业AI落地过程中的共同烦恼。
咨询机构贝恩（Bain）6月发布的一份题为《Your AI Budget Is Growing． Your Returns Aren’t． Here’s Why．》的报告显示，在能够量化AI降本效果的企业中，实际成本降幅在10%及以下的企业占比达到40%，成为最大的单一群体。原本有37%的企业将目标设定在11%至20%的降本区间，但最终真正实现这一目标的企业仅有31%。
如果说过去两年企业最担心的是“错过AI”，那么到了2026年，一个更现实的问题正在出现：AI投入不断增长，回报究竟在哪里？
Token不是万能的
AI提效已是行业共识。一个典型场景是AI编码，从微软、Meta到腾讯、阿里、百度，AI已贡献可观比例的代码。在会议纪要整理、知识检索、文档生成等办公场景中，AI对于效率提升效果明显。发放一定Token额度，激发员工的创造力、提升工作效率是具有正向意义的举措。它让AI变成每个人的工具，加速了技术在一线业务中的渗透，也培养了一支具备AI协作能力的员工队伍。
但为什么一些企业大规模投入AI，却换不来预期中的产出？
AI投入与产出严重脱节，根源往往不在技术，而在于如何使用AI。贝恩报告认为，许多企业正陷入一种“基于信仰的豪赌”。企业不断购买新的AI工具，为Copilot、模型授权和云服务买单，却因为内部数据混乱、工作流割裂以及组织协同问题，导致大量项目长期停留在试点阶段，始终无法进入核心业务流程。
一位从业者对记者分析，过去两年，不少企业持续增加AI相关预算。但这些预算增长并不完全来自清晰的商业规划，更多源于FOMO（错失恐惧）情绪——担心错过技术浪潮，担心在竞争中落后。于是，大量资金流向模型采购、软件授权、云服务和算力资源。但大家渐渐发现，Token消耗量并不天然对应生产力。如果企业把Token消耗量当KPI、把AI使用率等同于创新力，在不梳理流程和组织的前提下全员投入，再好的工具价值也会被稀释。
与此同时，许多企业低估了AI落地背后的工程复杂度。尽管AI能力出色，但将其适配到具体业务场景、与业务流程深度结合，仍需要大量的工程工作：提示词工程、检索增强生成（RAG）调优、输出校验、成本控制、权限管理……这些累活往往被忽略。
艾媒咨询CEO张毅在接受第一财经采访时表示，自己在接触不少企业后发现，其中一些只计算了显性的API调用费，却忽视了人工校对、数据治理等隐性成本。还有的将AI大量用于处理低价值的杂活，难以转化为营收或财务报表上的产出。此外，由于缺乏分级限制，低端场景也在滥用高价大模型，导致无效调用激增。归结起来就是：高Token消耗，但降本效果不明显。
他分析道，在早期特定阶段，科技大厂以Token消耗量评价员工AI落地成效并绑定绩效，确实有助于鼓励员工融入AI环境。但时间一长，员工可以通过刷数据、堆砌算力制造“表面数字化”，却没有实质业务产出。“所有员工的参与，都应该以解决效率或利益最大化为方向去引导。”
大厂开始给Token“算账”
一场针对AI成本的重新审视开始了。
第一财经记者了解到，近期多家科技厂商正在悄然调整员工的Token 额度。大厂员工的Token额度在经历了初期无差别的人均分配后，开始走向更理性、更追求效率的分配方式。
一位腾讯内部人士对第一财经记者透露，近期腾讯调整了员工的Token分配机制，不再“吃大锅饭”，由部门管理者按员工需求、按岗位职能等进行动态分配。
他表示，从去年开始，各种内部 AI 工具在腾讯大规模铺开，前期更多是通过统一发放配额来拉动使用习惯、验证工具价值。但到了现在，AI已经成为日常生产资源，使用规模和投入量级都到了新阶段，配额管理从粗放走向精细化。
今年腾讯AI工具Token总预算，相比上一周期增长了数十倍。上述人士称，公司已在内部表态：衡量一个员工 AI 用得好不好，看的是工作中的提效和创造的价值，绝不单纯看Token 消耗量、不做任何形式的Token 排行榜，也绝不追踪员工实际用 AI 在做什么，让大家安心回归工作本身。
另一位北京的科技大厂员工告诉记者，过去公司曾将AI工具使用量视为重要KPI指标，员工使用得越多，似乎就意味着越积极拥抱创新。如今风向已经发生变化。他的个人Token额度约为每月5000元，当实际消耗刚达到一半时，领导便主动找他探讨使用情况和实际产出。
在海外，不少巨头开始对内部AI编程工具设置使用上限，将工程师的考核放在能否依托AI生成实用代码、解决实际业务问题、创造有效成果上。例如微软取消了大部分Claude Code许可，转向自家成本更可控的GitHub Copilot CLI方案。Uber则给每位研发员工的AI工具支出设置上限。
一名科技公司CTO对第一财经记者表示，人与AI之间是互相倒逼成长的，但它的投入成本不低，如果主营业务营收、运营效率、业务交付能力没有明显提升，哪怕管理层暂时没法精准定位资源浪费在哪个环节，也会考虑先缩减Token投放规模，这是普遍的行业现状。
整个行业正在进入AI投入价值的重估阶段。张毅认为，烧钱热潮退去，越来越多的算力资源正在向能创造实际业务价值的场景倾斜。“Token也好，模型也好，它的投入终究要锚定业务的增收、长期的降本、产品的迭代——这些可量化的商业结果，才能形成正向循环。”（记者吕倩对本文亦有贡献）
海量资讯、精准解读，尽在新浪财经APP
责任编辑：杨赐
广盛网提示：文章来自网络，不代表本站观点。
- 上一篇：我要配资 案例：女子怀胎八个月命丧酒店，男子：过于兴奋了
- 下一篇：没有了
沪深京行情 实时轮播
热点资讯
