揭开反讽的面纱

微软是 OpenAI 的主要投资者，也是其模型通过 Azure 的独家转销商，但内部却发现工程师们用昂贵的前沿模型处理琐碎任务，成本之高连公司自己的财务部门都难以承受。执行副总裁 Jay Parikh 在内部邮件中明确指出“Tokenmaxxing 并非我们要优化的目标”，并宣布从 2026 年 7 月起，各部门将获得 AI Token 预算目标。

**“Tokenmaxxing”成了一种游戏化的行为。**工程师们比拼内部排行榜，看谁能消耗最多的 Token——这相当于把算力当成了游戏积分来操作。这种风气推高了成本却没有带来可衡量的商业价值，各公司发现“把 AI 塞进一切”只会抬高账单，并不能带来等比例的生产力增长。

CEO 萨提亚·纳德拉不得不亲自下场，告诉员工不要用最强大的 AI 模型处理所有问题，要根据任务难度匹配合适的模型。微软将内部默认模型换成了成本更低的 GPT-5.6，并取消了大部分员工的 Claude Code 授权以堵住漏洞。

衡量 AI 成功的标尺正在重塑

整个行业正从把 Token 数量当作虚荣指标转向以结果论英雄的回报率衡量体系。

**取消 Token 排行榜。**亚马逊和 Meta 都废除了内部的 Token 消耗排行榜，原因是员工会为了排名而人为刷量。Meta CTO 安德鲁·博斯沃思警告员工：“不是所有行动都算进步，Token 使用量本身不能代表任何形式的实际影响。”

**用部署指标取代 Token 计数。**亚马逊用“标准化部署量”替代了之前的“KiroRank”系统——只统计那些最终上线的 AI 辅助代码。

**按人设限与模型分级。**Meta 正在考虑为每位工程师设定 Token 使用上限。各公司开始推行“模型层级的权限管控”，将更便宜的小模型与特定职责岗位绑定，并设置消费阈值警报。

**预算治理取代无度使用。**Atlassian 的月度 AI 账单从约 500 万美元飙升至 1500 万美元后，不得不设置资金上限。花旗银行曾暂时撤下最新的 Claude 和 ChatGPT 模型，因为这些模型成了“企业级 AI 积分池支出激增的主要推手”。Anthropic 也在 78% 的企业报告遭遇“意外 AI 账单”后，推出了企业级支出管控工具。

核心教训在于：Token 不等于席位——与传统 SaaS 按座收费不同，生成式 AI 的成本随每一次提示、重试和自动迭代而无限扩张。整个行业正在将 AI 从“无限生产力灵药”的幻梦中拉回现实，将其视为一种需要财务纪律的受控资源。成功的标尺不再是笨拙的 Token 燃烧量，而是交付的代码、解决的问题或直接带来的收入增长。

揭开反讽的面纱

微软是 OpenAI 的主要投资者，也是其模型通过 Azure 的独家转销商，但内部却发现工程师们用昂贵的前沿模型处理琐碎任务，成本之高连公司自己的财务部门都难以承受。执行副总裁 Jay Parikh 在内部邮件中明确指出“Tokenmaxxing 并非我们要优化的目标”，并宣布从 2026 年 7 月起，各部门将获得 AI Token 预算目标。

**“Tokenmaxxing”成了一种游戏化的行为。**工程师们比拼内部排行榜，看谁能消耗最多的 Token——这相当于把算力当成了游戏积分来操作。这种风气推高了成本却没有带来可衡量的商业价值，各公司发现“把 AI 塞进一切”只会抬高账单，并不能带来等比例的生产力增长。

CEO 萨提亚·纳德拉不得不亲自下场，告诉员工不要用最强大的 AI 模型处理所有问题，要根据任务难度匹配合适的模型。微软将内部默认模型换成了成本更低的 GPT-5.6，并取消了大部分员工的 Claude Code 授权以堵住漏洞。

衡量 AI 成功的标尺正在重塑

整个行业正从把 Token 数量当作虚荣指标转向以结果论英雄的回报率衡量体系。

**取消 Token 排行榜。**亚马逊和 Meta 都废除了内部的 Token 消耗排行榜，原因是员工会为了排名而人为刷量。Meta CTO 安德鲁·博斯沃思警告员工：“不是所有行动都算进步，Token 使用量本身不能代表任何形式的实际影响。”

**用部署指标取代 Token 计数。**亚马逊用“标准化部署量”替代了之前的“KiroRank”系统——只统计那些最终上线的 AI 辅助代码。

**按人设限与模型分级。**Meta 正在考虑为每位工程师设定 Token 使用上限。各公司开始推行“模型层级的权限管控”，将更便宜的小模型与特定职责岗位绑定，并设置消费阈值警报。

**预算治理取代无度使用。**Atlassian 的月度 AI 账单从约 500 万美元飙升至 1500 万美元后，不得不设置资金上限。花旗银行曾暂时撤下最新的 Claude 和 ChatGPT 模型，因为这些模型成了“企业级 AI 积分池支出激增的主要推手”。Anthropic 也在 78% 的企业报告遭遇“意外 AI 账单”后，推出了企业级支出管控工具。

核心教训在于：Token 不等于席位——与传统 SaaS 按座收费不同，生成式 AI 的成本随每一次提示、重试和自动迭代而无限扩张。整个行业正在将 AI 从“无限生产力灵药”的幻梦中拉回现实，将其视为一种需要财务纪律的受控资源。成功的标尺不再是笨拙的 Token 燃烧量，而是交付的代码、解决的问题或直接带来的收入增长。