“Token传奇”变身新时代的PPT，员工忙着让Agent做大数据，老板在为无效循环买单。
作者｜新见
编辑｜小白
封图｜AI生成
企业降本增效省下来的钱可能正在被无效的Token烧掉。
据报道，微软开始收缩Claude Code的内部授权。The Verge披露，微软Experiences + Devices团队将于6月底关停大部分第三方Claude Code授权席位，全面切换至自家GitHub Copilot CLI，核心诉求之一就是缓解AI成本压力。Uber的情况更为严峻，其CTO Praveen Neppalli Naga公开坦言，公司2026年全年的AI预算，仅用四个月就已基本透支。
Meta走的是另一条路，而且方向完全相反。Meta内部上线Token消耗排行榜，对高用量员工授予“Token传奇”“缓存魔法师”等荣誉，甚至将用量与考核挂钩、实行末位淘汰。这套机制落地仅30天，Meta全员Token总消耗量从6万亿暴涨至73.7万亿，增幅超12倍，AI消耗彻底失控。
有的公司在踩刹车，有的在踩油门，但面临的问题是一样的。行业至今没有一套成熟、稳定、可落地的AI价值衡量标准，于是简单易统计的Token消耗量，就成了唯一硬性指标。
百度CEO李彦宏就在两周前的大会上指出，Token好统计，但不等于实际产出。
一个员工跑了更多Agent、塞进更长上下文、让模型反复试错，账单会快速变大，业务结果却未必同步改善。
01.
Token KPI：一场制造浪费的考核实验
以最大化Token消耗为目标的工作方式（“Tokenmaxxing”），自去年底开始在硅谷蔓延，现在已传导至国内。阿里、腾讯、字节等大厂技术团队，不同程度地将 Token使用量纳入转正和晋升参考。
当考核与Token用量深度绑定，职场形式主义迅速向AI工作场景蔓延。据《财经》报道，不少员工为达标，刻意让AI Agent批量读取上万行代码、堆砌数万字文献数据，单纯靠“堆工作量”刷高Token消耗，并无实际工作产出。这并非个例，公开数据显示，全球企业级AI应用中，近半数Token消耗都属于无效浪费。
Meta的73.7万亿Token，究竟有多少真正转化成了有效产出？这恰恰是所有 Token KPI制度的核心漏洞。
与硅谷企业的成本焦虑不同，国内头部大厂正通过高额Token补贴，全力降低员工AI使用门槛。
从不同渠道披露的信息来看，各家企业福利政策各有侧重：腾讯为核心研发配了年度22.8万元的Token专属套餐，另加每月1000美元外部工具报销；字节对内开放AI工具不限量使用，员工业余体验AI可报销50%，技术岗上限1000美元/年；百度给技术岗配文心一言无限量使用权，外加最高800美元/年的外部Token补贴；360干脆直接给全员充了1亿Token。
AI工具已经不是一个办公软件插件，而是在变成新的生产资料。过去企业给员工配电脑、软件账号、云盘和报销额度；现在，研发、设计、产品、运营都可能需要模型调用额度。尤其在代码生成、Agent工作流、视频生成、知识检索这些场景里，Token就是干活的燃料。
问题在于，燃料发出去了，油耗怎么算，很多公司还没想清楚。
02.
吞金的Agent，算不清的变量账
Uber的内部数据，精准暴露了企业AI成本失控的核心机制漏洞。目前其95%的工程师常态化使用AI编码工具，单人每月AI调用成本达500至2000美元，70%的代码提交由AI生成，AI Agent每周可完成1800次代码变更，相关工作量占比从不足1%攀升至8%。
从业务落地视角看，这是AI渗透率的大幅提升，但对企业财务部门而言，这意味着刚性可控的IT成本体系彻底被打破。
成本失控的根源，在于AI Agent的高消耗特性。Gartner指出，完成同等任务量，Agent的Token消耗是传统聊天机器人的5至30倍。高盛更是预测，到2030年，全球Token消耗量将达到每月约120 quadrillion（约12亿亿），是2026年水平的24倍，驱动力正是企业端Agent的规模化部署。
传统SaaS按席位计费，IT部门可以在采购时锁定全年支出上限。
AI工具的成本结构与此根本不兼容。Token账单随使用行为动态增长，而财务部门缺乏历史数据建立基准，IT部门没有成熟工具进行实时追踪与成本分摊，业务部门推广使用时也没有同步建立成本归因机制。
不是AI没用，而是企业FinOps体系完全没跟上AI的消费速度。于是微软和Uber紧急踩下刹车。
03.
员工在薅羊毛，业务在画饼
国内公司的现状，和硅谷略有不同。硅谷的焦虑在于用量跑得太快、账单超支；而国内大厂更现实的尴尬是：钱花出去了，员工用得却不够深，实际业务价值看不清。
从C端数据来看，国内AI应用热度空前高涨。量子位智库2026年行业报告显示，今年4月国内AI应用Web端月访问量突破9亿次，APP端月下载量超2.4亿、日活达6.7亿，同比增幅223%。QuestMobile数据同步印证，截至2026年3月，国内AI原生APP月活达4.4亿，豆包、千问、DeepSeek稳居行业前三。
火热的C端数据，并未同步转化为企业端的生产力增量。
埃森哲《2025中国企业数字化转型指数》数据显示，国内46%的企业已启动AI适配与落地，但仅9%的企业实现了显著的业务价值突破。绝大多数企业的AI落地，仍停留在浅层试用、盲目推广、摸索场景的初级阶段。
内容创作、客服问答、代码辅助等浅层场景，AI落地门槛低、见效快；但在核心研发、供应链管理、财务风控、组织协同等关键业务环节，AI落地的适配难度、合规门槛和落地成本都大幅提升。
大厂全员发放Token补贴的目的是靠资金让利降低AI试错成本，强行推动全员融入AI工作流。这套打法有一定的合理性：只有足够的使用密度，才能倒逼企业筛选出适配业务的真实场景，同时培养员工的AI使用习惯。
但问题是，只鼓励使用不建立价值度量，福利就会变成账单压力，同时衍生出卷“PPT”、卷“文档”式的伪AI工作方式。
AI对职场的渗透速度，远超预期。据Cognizant 2026年报告测算，美国93%的岗位都将不同程度受到AI冲击，这一行业预判比此前预估提前了整整6年。
主要岗位AI渗透正在呈现全面爆发态势。数据显示，2023年管理、金融运营、行政支持类岗位的AI暴露度仅14%-21%，如今已飙升至60%-68%；律师岗位AI暴露度从9%跃升至63%，就连CEO岗位的AI理论暴露度也突破60%。报告同时强调，理论渗透不代表实际替代，责任问责、行业监管、人类主观判断，仍是制约AI全面落地的核心壁垒。
这意味着，AI会继续进入更多岗位，Token消耗也会从研发部门扩散到更广的组织层面。企业真正要面对的是如何判断一笔Token花得值不值。
04.
挤掉Token泡沫：从“用量崇拜”转向“效率度量”
Token本身不是问题，企业想要搭建成熟的AI生产力体系，必然需要充足的Token投入作为支撑。行业乱象的核心症结，从来不是“Token用太多”，而是“把Token用量当成唯一目标”。
Meta的Token排行榜机制，看似激活了全员AI使用热情，一定程度上推动了员工尝试新型AI工具，但无法规避核心漏洞：Token消耗总量，与员工的业务产出毫无直接关联。
而微软、Uber的成本危机也印证，单纯一刀切缩减Token额度，只是治标不治本，反而可能误伤真正高效的AI办公场景。
李彦宏尝试给出答案，他提出了DAA的概念：Daily Active Agent，他主张用每日活跃Agent数量来衡量AI的实际渗透程度，而不是Token消耗总量。这个方向不能说没道理，但具体计算方式也有待完善，毕竟一个活跃的Agent也未必真正跑通业务流程。
企业的核心转型方向，是摒弃Token崇拜、建立AI效率思维。
考核研发AI工作质量，重点要看AI代码的合并通过率、缺陷率、返工率和项目交付周期，而非调用频次；
考核客服场景，核心关注问题一次解决率、人工接管率与用户满意度；
营销内容场景，侧重产出效率、转化效果与合规风险把控；
针对AI Agent工作流，则需要重点排查无效重试、冗余上下文、不合理模型调用等浪费行为。
这套精细化的成本与价值管理体系，核心逻辑是要精准区分有效AI调用与无效资源消耗，斩断纯堆量的浪费行为。
随着AI深度落地，Token将成为与电费、云服务、人力成本并列的核心生产开支。硅谷企业正在为盲目扩量补课，国内企业正在靠补贴普及AI使用。
从Token到DAA，是从“烧了多少”走向“跑了多少”，算是往前迈了一步。但“值多少”这个问题，还没人真正给出答案。
-END -
