企业 AI 热潮正在遭遇第一次真正意义上的账单危机。
5 月 28 日，据 Axios 援引一位 AI 顾问的说法，其旗下一家企业客户近期在单个月内花费了 5 亿美元用于 Claude，起因仅仅是没有为员工使用量设置任何上限。
分析认为，许多公司在快速铺开 AI 工具时，将注意力集中在功能和推广上，却忽视了成本管控机制的建立。
华尔街见闻提及，微软，亚马逊等科技巨头正纷纷采取行动，削减内部 AI 工具或叫停追踪 AI 使用量的项目，以遏制被称为 "tokenmaxxing"（词元极大化）的过度消耗行为。
亚马逊一名高级副总裁不得不向员工发出警告：
请不要为了用 AI 而用 AI。
市场现在面临的核心问题，已不再是 " 要不要拥抱 AI"，而是 " 烧了这么多钱，到底换来了什么 "。
亚马逊关榜，内部 " 刷分 " 引发真实成本
亚马逊的案例从另一个角度揭示了企业 AI 治理的困境。
据报道援引两位知情人士透露，亚马逊旗下开发者平台 Kiro 曾设有一个名为 "Kirorank" 的内部排行榜，根据员工的 AI 使用活跃度进行评分。
然而，该榜单意外引发了员工为提升排名，而让 AI 代理执行无意义任务的行为，直接导致公司算力消耗上升。
亚马逊高级副总裁 Dave Treadwell 本周向员工承认，这一排行榜出发点是好的，但最终结果是员工通过 "tokenmaxxing" 推高了公司的运营成本。
他明确指示员工，不要将注意力放在 token 消耗量上，而应专注于打造更好的产品，并强调 " 不要为了用 AI 而用 AI"。
亚马逊随后在声明中确认，该测试版仪表盘 " 并非正式或经批准的工具，已被下线 "。
Meta 也出现了类似情况，员工同样试图通过拉高 token 消耗量来在公司内部排名中占据有利位置。
这一现象表明，当企业将 AI 使用量纳入考核时，可能适得其反，将员工激励扭曲为对算力的无效消耗。
亚马逊此后转向以 " 归一化部署 " 指标替代 token 消耗量，重点追踪工程师能否通过 AI 持续生成有实际价值的代码。
值得注意的是，亚马逊今年的资本支出预计将达 2000 亿美元，绝大部分流向 AI 与数据中心基础设施。
四大症结：为什么 AI 花了钱却没带来回报
据 Axios 梳理，企业 AI 采用正面临四个结构性障碍。
用例选择错位。Velastegui Ventures CEO、前微软首席 AI 官 Sophia Velastegui 表示，大多数人倾向于用 AI 自动化他们不喜欢的工作，而非对公司最有价值的工作。
她认为，企业应将 AI 资源集中在能直接驱动营收的场景上，而非盲目铺开。
成本缺乏管控。AI 查询并非无成本，企业级套餐按 token 计费，即便是日常性的简单查询也会快速累积成可观支出，而多数业务部门对此并无清晰认知。
人是最大瓶颈。Velastegui 将企业目前普遍采用的 " 撒花 " 式 AI 授权，定性为无法带来实质回报的路径。
企业将大量 AI 工具堆给员工，但缺乏有效的引导和聚焦，导致真正的采用效率低下。
数据开放存在顾虑。专注金融行业 AI 工具的 Boosted.ai CEO Josh Pantony 指出，当企业因顾虑数据安全而不愿向 AI 代理开放内部专有数据时，代理的实际效能将大打折扣，投资回报自然无从谈起。
Token 经济学：AI 叙事的新核心变量
这场争论的背后，是一套更为复杂的投资逻辑正在重构。
华尔街见闻提及，据高盛 One-Delta 部门负责人 Rich Privorotsky 的最新观点，AI 交易的核心变量已从 " 技术是否可行 " 转向 " 成本是否可承受 "。
DeepSeek 据称将 Token 定价下调 75%，小米 MiMo 的降价幅度接近 99%，这种成本压缩可能触发类似补贴竞争后的 " 价格战 " 逻辑。
他指出，基础设施瓶颈终会缓解，市场不应为 " 即将被解决的问题 " 支付过高溢价。
Rich Privorotsky 进一步提出假设，更便宜的 Token 是否会率先替代高成本推理服务？如果需求扩张存在时间滞后，云服务商、模型公司及 AI 基础设施的收入增长可能面临阶段性压力。
他认为，Token 支出的理性化可能在今年第二、三季度成为董事会层面的重要议题，其重要性不亚于 AI 增长叙事本身。
据彭博 Silicon Data LLM Token Expenditure Index，Token 价格自今年 2 月底以来已上涨约 65%，美国 AI 软件价格过去一年累计涨幅达 20% 至 37%。
这一成本趋势正在引发企业重新审视 AI 采购策略。当 " 以 10% 的成本获得 90% 的输出 " 变得日益可行，企业对高成本前沿模型的依赖或将系统性下降。
AI 模型训练公司 Micro1 首席执行官 Ali Ansari 表示，企业正经历一次从过度使用 AI 转向理性使用的 " 健康摆荡 "。他认为：
AI 目前真正有效的领域，其实只有编程。
多空之争：同一现实，两种解读
就 AI 投资回报而言，相同的数据在不同分析框架下，正指向截然不同的结论。
多头视角认为，当前的混乱不过是转型过程中的正常阵痛。
据高盛的 Jim Schneider 在 5 月初的研判，到 2030 年，代理式 AI 将推动 Token 消耗量增长 24 倍，超大规模云服务商和模型提供商的毛利率将在未来 3 至 12 个月内转正。
摩根大通的经济研究也发现，2026 年初 Python 包在 PyPI 上出现跳升式增长，而这一趋势在 2022 年 ChatGPT 上线时并未出现，表明真实的生产力提升正在发生。
空头视角则由高盛半导体分析师 Jim Covello 在 4 月的报告中系统阐述。
他指出，AI 供应链中几乎所有价值都流向了半导体公司，这在历史上前所未有且不可持续。芯片公司本应在客户获益时受益，但本轮周期中，其繁荣是以整条产业链上游消耗为代价的。
两种叙事都在同时发生，胜负仍未分明。可以确定的是，"Token 消耗量增长即等于 AI 转型成功 " 的简单等式已经被打破。
从单月烧掉 5 亿美元的极端案例，到亚马逊叫停刷分排行榜，AI 投入正在接受更严格的回报审查。下一笔 AI 账单能产生多少真实价值，将是这场豪赌真正的判决时刻。
