企业AI应用算账回归理性：从盲目烧Token到关注实际产出

在企业全面拥抱AI的初期，不少公司将Token消耗量作为衡量员工使用AI积极程度的指标，甚至把它纳入了绩效考核。然而，随着账单陆续出炉，一种更理性的声音正在行业中出现：用Token消耗量来评价AI应用效果，并不科学。

海外公司的经历颇具代表性。Uber此前向约5000名工程师开放Claude Code，并设置内部排行榜统计使用量，结果在四个月内烧完了全年的相关预算，不得不紧急设置单人单工具每月1500美元的上限。微软也在逐步回收体验与设备部门的Claude Code许可，引导员工转向自有的GitHub Copilot工具链。与此同时，有外媒报道称某家公司在一个月内因未设置上限而烧掉约5亿美元，亚马逊则在内部关闭了名为“Kirorank”的AI排行榜，并要求员工不要为用AI而用AI。

国内大型企业同样出现了调整迹象。已有传言称，腾讯等公司开始对员工的Token使用额度加以限制。多起案例表明，将Token消耗作为单一考核目标，容易导致员工为了刷数据而进行无意义的调用，反而推高了成本，却难以转化为实际业务结果。例如米哈游曾在一次多智能体协作试验中，13小时内各智能体反复调用彼此，烧掉了约200万元，却几乎没有产出有效成果。

行业正在从“Token崇拜”逐步转向更务实的评估方式。一方面，部分海外SaaS厂商开始调整收费逻辑，例如Hubspot将原本按Token计费的模式改为按实际效果收费。另一方面，国内服务商也在强调场景选择的重要性，例如金山办公副总裁王冬在公开场合提出，企业级AI落地应聚焦高价值、高难度的“双高场景”，把资源用在关键业务上。

从成本结构来看，企业引入AI的真实投入并不只是算力费用。在许多工作场景中，员工提出需求后，AI先生成初步结果，再由员工反复修改纠错，Token在这一过程中持续消耗。综合算下来，部分场景下AI辅助的成本反而高于直接增加人工投入。归根到底，AI目前在大多数企业中仍是辅助角色，企业需要建立更贴近业务结果的衡量体系，才能让AI投入真正产生价值。