Token狂欢时代终结，企业紧急推行AI预算配给制

从“Token狂欢”到“Token配给”

过去一年，许多公司经历了短暂的“Token狂欢”时期——员工们用ChatGPT、Claude等AI工具写邮件、做摘要、改PPT甚至编笑话，仿佛AI资源取之不尽。但TechCrunch最新报道指出，这股狂热正在被紧急刹车。企业突然意识到，每个看似微小的API调用背后，都是实打实的金钱支出。当财务部门看到月度账单上数十万美元的AI费用时，大规模的预算管控行动立即展开。

小任务如何烧掉大预算？

表面上，让AI帮忙润色一段文字或生成一个表格只消耗几美分，但乘以数千员工、每日数百次请求，成本就变得触目惊心。一位不愿具名的科技公司CTO向TechCrunch透露：“我们发现员工平均每天要用AI完成超过50次微小操作，其中80%根本不需要AI参与——比如把‘你好’改成‘您好’这种格式调整。但每个请求都要经过GPT-4级别的模型，算力成本远高于实际价值。”这种现象被业内称为“Token渗漏”——大量预算被用于替代人类几秒钟就能完成的小事。

“Tokenmaxxing时代是短暂的。我们现在似乎正在进入Token配给时代。”——TechCrunch报道原文

企业出手：配额、层过滤与审计

为了应对失控的支出，企业开始祭出多种手段。最直接的做法是给每位员工设定每日或每周的Token配额，超出部分要么自费，要么等待审批。一些公司则引入“任务分诊”系统：先由轻量级模型判断请求是否真的需要调用高端AI，若只是简单拼写检查，直接驳回。科技巨头微软和谷歌也在企业版AI工具中增加了费用仪表盘和阈值警报，帮助管理层实时监控消耗。

编者按：这其实是企业数字化转型中常见的“过度适应”现象——新工具刚引入时，员工因新奇而滥用，管理层则因缺乏使用规范而放任。但随着AI成本透明化，企业必须学会像管理云资源一样管理AI资源。不是所有任务都值得让价值千亿参数的大模型处理，合理分层使用才是长久之计。

未来趋势：AI使用的“热力学定律”

可以预见，这场配额运动将推动两个方向的发展：一是更多企业采用“边缘AI”或专用小型模型来处理简单任务，既降低单次成本，也保护隐私；二是催生新的软件类别——AI费用管理平台，类似于多年前的云计算成本优化工具。正如一位分析师所言：“Token就像新的CPU周期，只不过更贵、更无形。企业需要重新学习如何精打细算。”对于员工来说，这可能意味着需要思考每次问AI“今天天气如何”是否真的值得——至少在老板看得见的账单上。

本文编译自TechCrunch