谁能想到，AI时代最先爆炸的，不是员工的生产力，而是老板的账单。

去年，Token 消耗还是企业拥抱 AI、代表创新能力的指标。结果到了今年，风向全变了。

腾讯开始收紧 AI 预算，Palantir CEO 开始公开吐槽模型厂商收费太贵。AI 还没把员工替代，老板已经先开始研究怎么省 Token 了。

原因很简单，Token这个玩意儿，是真的贵啊！

德勤测算，一家年收入约 130 亿美元的企业，每年 AI 投入可能高达 7 亿美元。而且，这还只是开始。

根据国外研发管理平台Jellyfish的数据，在过去9个月内，每位开发者的人工智能支出增长了约 18.6 倍。

但老板的钱，向来不是白花的。既然钱花这么多，但产出呢？

Jellyfish数据显示，使用 Token 最多的工程师，生产力大约是低使用者的2倍，但消耗的 Token 却高达后者的10倍。

也就是说，Token 的增长速度，已经开始跑赢价值的增长速度。

或许，在奔向 AI 的星辰大海之前，企业也该给Token算算账了。

01 从“Token最大化”，转向“Token纪律”

去年，硅谷有很流行一个词，叫Tokenmaxxing。

意思很简单：鼓励员工尽可能多地使用 AI，甚至很多公司把 Token 消耗，当成 AI 采用程度和创新能力的代理指标。

但到了今年，画风突然变化，越来越多的企业开始算Token账了。

最近，Palo Alto Networks CEO Nikesh Arora最近接受CNBC采访时表示：Token价格还需要再下降90%，企业才能真正大规模部署。

Palantir CEO Alex Karp的表达更直接。他批评OpenAI、Anthropic等公司的Token收费模式“完全错了”：企业付出大笔费用，买到的却可能是一堆没有创造价值的Token。

按照Karp的逻辑，如果AI真能帮助一家企业多赚10亿美元，模型公司完全可以拿走其中30%，而不是按 Token 收费。

类似的故事，今年屡屡上演。

一位Priceline员工透露，一次例行的Cursor合同续签费用竟然翻了4到5倍。Uber 更是在今年 4 月之前，就已经花光了全年 AI 编码预算。

AI 花钱的速度，可能远超你的想象。

据九派财经此前报道，今年 6 月之前，腾讯部分部门给员工的 AI 使用额度一度达到每人每月约 2000 美元，折合人民币约 1.3 万至 1.4 万元，几乎相当于一线城市一名正式员工的月薪。

即使 6 月调整后，不少员工每月仍有 1000 至 5000 元 的 Token 预算。

腾讯《2025 研发大数据报告》显示，截至 2025 年底，公司本部及直接管理全资子公司共有员工约 8.74 万人，其中产研人员占 76%，约 6.64 万人。

如果按每名产研人员每月 3000 元额度计算，仅名义上的年度 Token 预算，就接近 24 亿元。

企业整体投入更惊人。

德勤此前调研了 548 家大型企业，74% 的企业过去一年已经投资 AI，其中超过一半企业，AI 支出占整个数字化预算的 36%。

按德勤测算，一家年收入约130亿美元的企业，每年投入 AI 的预算可能高达7亿美元。

钱越花越多，收益呢？

国外研发管理平台 Jellyfish 曾做过一项调查，使用 Token 最多的工程师，生产力大约是低使用者的2倍，但消耗的 Token 却高达后者的10倍。

换句话说，AI的投入远远赶不上产出。

为什么 AI 会这么烧钱？

原因在于，Agent 和传统软件的运行方式完全不同。

传统软件的执行路径基本固定，成本也相对可预测；而 Agent 会自主搜索、调用工具、反思、重试，并不断携带上下文，整个执行过程具有很强的不确定性。

很多企业直到月底收到云账单，才知道一个工作流到底循环了多少次，又烧掉了多少 Token。

去年一项针对 Agent 编程任务的研究发现，一个 Agent 完成同类任务，消耗的 Token 可能是普通代码问答的 1000 倍。即便是同一个模型、同一个任务，不同运行之间的 Token 消耗，最多也可能相差 30 倍。

更重要的是，Token 越多，并不意味着效果越好。研究发现，模型准确率通常会在中等 Token 消耗区间达到峰值，之后便进入明显的收益递减阶段。

就这样，去年还是创新指标的 Token，如今成了企业的成本中心。

02 Token效率最高，才是大模型的赢家

当Token的ROI摆在了所有人面前，模型分层几乎成为一种必然。

简单来说，Claude Fable 5 这样的 SOTA 模型在少数高价值场景中依然不可替代，但对于绝大多数普通任务而言，性能已经出现了“过剩”，ROI很低，而这部分用户正在被便宜的开源模型分流。

这一趋势已经开始显现。

今年年初，a16z对100家大企业做了一个调研，2025年已有37%的企业同时使用5个以上模型。到2026年，81%的受访企业已经在测试或生产环境中使用三个以上模型家族，高于不到一年前的68%。

后来，a16z总结了企业的模型使用规律：对外、可见度高、性能敏感的任务，通常交给领先模型；而对内、标准化、重复性的任务，模型选择更多由成本决定。

当然，从目前企业实际支出来看，闭源前沿模型仍然占据绝对优势。

根据 The Information 今年5月报道，在其追踪的34家领先AI创业公司中，OpenAI 和 Anthropic 两家公司拿走了89%的收入。

逻辑很简单，在编程等前沿用途上，用户对价格并不特别敏感，愿意为了性能支付更高价格。

但并不是所有人都认为，这种格局会长期持续。AI投资人 Gavin Baker 最近提出了一个观点：

虽然目前绝大部分经济价值仍然集中在最智能的模型上，但未来市场份额可能逐渐向性价比更高的模型迁移。

但也有人并不这么认为。AI领域知名投资人Gavin Baker今天就提到一个观点：

尽管目前开源与低价模型处理了绝大部分Token，但大部分经济价值仍然集中在最智能的模型上。未来这种情况可能会发生变化，大模型市场份额将从头部模型转移到性价比更高的模型。

背后的逻辑很简单，模型价格下降，意味着单位智能成本降低。同样的预算，可以调用更多 Token，也可以让更多业务接入 AI，最终提升企业的ROI。

说白了，最终模型层的赢家将属于Token效率最高的玩家。

Altimeter Capital 合伙人 Freda Duan 对此总结得非常直接：未来只有两种模型能够活下来——要么足够出色，要么足够便宜。

前者代表任务效率，后者代表成本效率。

未来最可能的场景是，企业开始通过智能路由进行任务的精准拆分：将最高价值的复杂推理交由前沿模型，将海量基础任务交由高性价比模型，从而实现单位成本下的产出最大化。

如果说，美国今天最大的优势仍然在于最前沿模型，那么中国最大的优势，则越来越体现在成本效率。

某种程度上说，DeepSeek就是大模型行业的“生死线”。

如果一个模型只比 DeepSeek 强一点，但价格贵很多，它就没有长期存在的理由。对于企业和开发者而言，为微弱的能力溢价支付不成比例的成本，显然不符合基本的商业常识。

这种分层机制的存在，就是中美AI竞争最底层的逻辑。中国 AI 对海外生态的挤压，未必表现为中国模型公司在前台直接击溃美国巨头，而是一场更为隐秘的“底层平替”。

越来越多的美国 AI 应用公司，为了压降履约成本，开始将底层基础设施悄悄切换为 Kimi、Qwen 或 DeepSeek，再于前台封装自身的产品体验与工作流。比如，Perplexity刚刚发布了其计算机应用产品的新系统，就采用了中国 Z.ai 开源的 GLM 5.2 作为底层模型之一。

很多人觉得，大模型的终局是谁做出最聪明的模型。

但汽车产业的历史给出了另一个答案：法拉利定义了速度，丰田定义了产业效率。

AI或许也是如此。美国模型继续刷新智能的上限，而中国模型正在不断刷新智能的成本下限。当越来越多企业开始计算Token的ROI，真正决定产业格局的，未必是谁最强，而是谁能把智能做成一种人人都用得起的工业品。

这恰恰是中国模型最有机会的地方。