从 Token Maxxing 到 Token Minimizing，企业 AI 开始算账

半年之内，Token Maxxing 结束。

👩 作者: Shirley

🥷 编辑: Koji

🧑‍🎨 排版: NCon

今年 3 月，Token Maxxing 兴起，一些公司甚至担心工程师用 AI 太少，纷纷搞起了内部员工的 Token 消耗排行榜。

到了 6 月，公司们纷纷出台预算上限、动态配额和审批机制，掉头转向 Token Minimizing。短短几个月，没有产生 ROI 的 Token 用量变成财务系统里的警报。

这场急转弯，恰好印证了**「十字路口」年初与真格基金管理合伙人戴雨森的**开年播客 ——他把 2026 概括为 The Year of R，并将商业回报 Return 放在第一位，企业会开始追问在 AI 上投资的 Return。

Tokenmaxxing：当消耗量成为 AI-native 的证明

3 月 16 日，英伟达在 GTC 上把数据中心描述为生产 Token 的"AI 工厂"。三天后，黄仁勋做客 All-In 播客，把这套 Token 经济学推演到工程师身上。他说，如果一名年薪 50 万美元的工程师，一年的 Token 消耗不到 25 万美元，会令他深感不安。在他看来，这就像芯片设计师放着 CAD 不用，却只用纸和笔。

在 Meta 内部，这场竞赛有了一块真实的记分牌。

一名 Meta 员工自发搭建 Claudeonomics，把 8.5 万个内部账户的用量汇总成一张 Top 250 榜单。榜单不展示代码是否发布、产品是否上线，只根据 Token 用量授予「Token Legend」「Cache Wizard」「Session Immortal」等称号。The Information 的计算页显示，榜首员工 30 天消耗了 3,285 亿 Token，按默认模型组合和公开定价折算约 180 万美元，相当于黄仁勋所说年度标准的 7 倍。

排行榜把 AI 采用变成了一场荒诞的"生产力表演"。

一名微软员工向 Pragmatic Engineer 表示，他会让 AI 重读已有文档、起草不会落地的原型，只为避免显得"用得太少"。Salesforce 则把这种隐形压力直接搬到桌面上。Mac 桌面组件每 15 分钟更新个人 Token 支出，显示 Claude Code 和 Cursor 的最低消费目标，员工还能查看同事花了多少。

同一套激励也出现在国内。今年 3 月，有员工在脉脉社区上爆料，腾讯为员工配置年均价值约 22 万元的 Token 资源。到了 3 月底，部分业务开始统计并排名 Token 用量。一些员工担心消耗不够，开始搭建没有实际意义的工作流，让 Agent 反复执行任务，甚至"接私活"，只为不在用量上落后。

Token Minimizing：账单开始接管

排行榜在鼓励消耗，财务系统里的另一张表已经先报了警。

传统 SaaS 多按席位收费，预算大致等于人数乘以单价。Agent 把这项相对固定的许可支出变成了波动的使用量支出：一项任务可能触发多次模型调用，携带不断增长的上下文，并在规划、生成、检查和重写之间反复循环。账单随任务复杂度、模型选择、上下文长度和重试次数波动，不再只跟人数走。

从超支到限额

4 月中旬，Uber 首席技术官 Praveen Neppalli Naga 公开透露，公司仅用四个月便耗尽了全年的 AI 预算，部分重度用户每月产生的 AI 账单高达 2,000 美元。

一个月后，Uber 首席运营官 Andrew Macdonald 在 Rapid Response 播客中承认，Uber 上一季度约 25% 的代码提交来自 Claude Code，但并不意味着也多交付了 25% 真正有用的消费者功能。他补充，产出可能确实增加了，只是这条联系尚未建立。当他询问高级工程负责人，究竟有多少原本被搁置的项目因生产力提升而进入开发清单，对方仍无法给出答案。

6 月 2 日，Uber 因预算告急开始踩下刹车，将 Claude Code、Cursor 等 AI 编程工具的月额度设为每人每个工具 1,500 美元。

从工程团队到全公司

两天后，这一转向出现在科技圈外。

零售巨头沃尔玛把内部 AI 工具 Code Puppy 从不限量使用改为固定 Token 配额。据 Business Insider 报道，这款工具能让员工通过自然语言自行开发软件，过去一年间，用户从约 1,000 人增至 7.5 万人，采购、供应链、门店经理乃至按小时计薪的兼职员工都在使用，非工程师用户已与工程师相当。Token 治理从软件工程预算进入大型企业的日常运营。

账单冲击也可能在用量没有增长时发生。同样在 6 月，一家 B2B 客服初创公司 Pylon 在超过 Anthropic Team 的 150 个席位后，需要迁移至 Enterprise，Token 改为按标准 API 价格另行计费。CEO Marty Kausas 称，这会让公司的 Anthropic 年化账单从 40 万美元飙升至 140 万美元，几乎一夜增加 3.5 倍。Pylon 随后要求客服团队追加 Token 必须经过审批。他认为工程团队使用最强模型"显然值得"，但其他岗位的回报并不明确：

"人们做出没人用的应用，重复开发别人已经做过的 Skills，根本没有实际 ROI。"

国内大厂也沿着同一方向调整。据《经济观察报》报道，6 月，腾讯多个业务线员工的 Token 额度均有下降。混元大模型团队的员工月额度约 7,000 元，优图实验室约 5,250 元，另有腾讯娱乐外包员工透露自己的月额度只有 1,000 元。额度先进入部门池，再由管理者根据业务需要动态分配，有需求可以"举手申请"。

额度缩减后，有员工调侃，"以前每天上班唯一要做的，就是狠狠鞭挞 Workbuddy；现在每天都要紧张地检查一下 Token 看板，生怕把它累着。"也有人感慨，"由奢入俭难，自己已经回不去古法编程了"……

限额能止住账单，却回答不了钱该花在哪。企业需要把这张账单继续追踪到任务与交付结果上。

Token ROI：企业如何衡量 AI 回报

7 月，Business Insider 援引 UBS 分析师的报告称，在近期与数十位企业 IT 高管的交流中，约 60% 的受访企业已经采取不同程度的管控措施来收紧 AI 支出。分析师把它描述为一个"健康的问题"：企业并没有停止部署 AI，Token 优化正在从预算超支后的应急措施变成持续性的工程纪律。

理想情况下，核算口径大致是 Token ROI = 可验证的业务增量 ÷（模型成本 + 人工复核 + 重试/返工 + 工程治理成本）。但截至目前，公开实践中还没有一套被多家企业共同采用的标准。分子这侧，取决于各家的业务口径，很难有统一算法，不过已经有公司在朝这个方向逼近；分母这侧更确定，多数企业从这里入手，在任务和工作流层面进行核算。

先看见支出：钱花在谁、什么任务上

部分企业开始自建核算机制，服务商也把类似能力做成标准化工具。

Shopify 通过统一的大模型调用网关、用量看板和异常告警，按团队、项目和个人归集支出。单个用户一天的 Token 支出超过 250 美元会触发人工复盘，但高用量只会启动调查，不会直接被判定为浪费。

GitHub 与 Amazon 则试图把 AI 的使用与工程交付放在一起观察。

GitHub 7 月推出的 Copilot 使用指标影响面板按照 AI 采用程度将用户分组，比较合并的代码变更请求数量、合并速度和每日代码产出。

Amazon CloudWatch 的 Coding Agent Insights 更进一步，把 Token 用量与成本按模型、部门、团队和个人归集，与代码提交、活跃编程时间、建议接受率放进同一个面板。

再验证结果：AI 最终留下了什么

看板能回答谁花了多少 Token，还不能回答这些换回了什么。代码行数、提交次数、合并速度和建议接受率，依然停留在工程活动层。企业要继续往下追问的，是 AI 生成的代码有没有进入生产环境，有没有留在代码库里，又真正替代了多少人类工作。

Amazon 用于评估 AI 编程工具的指标之一是 normalized deployments，即标准化后的部署量。它把 AI 采用与团队的部署速度放在一起分析，同时观察回滚和人工干预。Token 消耗和代码生成量都不能直接记作产出；代码进入部署流程，并经受住生产质量检验，才算一次有效交付。

Cursor 观察的是 keep rate：Agent 生成的代码在一段时间后有多少仍留在代码库中。一次生成被开发者接受，只能说明它暂时可用；如果很快又被删除或重写，这部分消耗很难算作稳定回报。过去九个月，Cursor 一直用代码保留率和用户满意度评估模型更新与 Agent 工作流调整。

Cognition 走得更远。Devin 会评估每个已完成任务是否产生了有效结果，再估算同一项工作交给人类工程师需要多少时间。没有合并的代码变更，或者被判定为无效的任务，不计入有效产出。节省的工程时间随后被折算为金额，与企业的实际支出进行比较。

这三种口径仍不能完整代表业务 ROI。代码上线不等于产生收入，节省工时也不意味着这些时间一定被重新投入到高价值工作。但它们把企业的观察对象从"AI 跑了多少"推进到了"最终留下了什么"——是否上线、是否留存、是否节省了真实的人力。

有了这层结果口径，企业可以根据任务的质量要求、失败成本和预期价值，决定哪些请求交给轻量模型，哪些值得调用最强模型。

按任务匹配模型

在 Artificial Analysis 的最新综合测评中，国产模型 Kimi K3、Qwen 3.8 已经进入接近前沿模型的智能区间，但完成基准任务的平均成本明显低于 Claude Opus 5、GPT-5.6 Sol 等高价模型；DeepSeek V4 Flash 则处在成本更低的一端，为通过企业内部质量验证的常规任务提供了更便宜的选择。

模型选择变多后，分配本身成了新的管理问题。缺少自动路由时，最熟悉或最强的模型仍会成为昂贵的默认项。

腾讯云 AI 网关给出了一张直观的示意图。用户请求进入网关后，系统先识别它属于代码、数学、翻译、简单问答还是复杂推理，再将任务交给专项模型、轻量模型或旗舰模型。无法可靠识别或模型出现异常时，请求会回退到默认服务。

这套路由逻辑也在成为云平台的标准配置。Amazon Bedrock、Microsoft Foundry 和 Google Vertex AI 都允许企业根据任务特征，在质量与成本之间动态分配请求。

在 Coding 工具层，Cursor 也于 7 月 22 日推出 Router。它会结合请求内容、上下文、任务复杂度和所属领域，在 Intelligence、Balance 和 Cost 三种模式下选择模型。据 Cursor 官方披露，在覆盖数百万请求的在线 A/B 测试中，Router 在保持前沿水平质量的同时节省了约 60% 的成本。

模型路由决定任务交给哪个模型，工作流设计则影响完成任务需要携带多少上下文、调用多少工具、经历多少轮循环。两者共同决定最终的 Token 支出。

工程治理：约束是补丁还是纪律

随着模型能力增强，一个问题开始变得具体：这些约束是能力不足时的补丁，还是与能力无关的工程纪律？

7 月 25 日，Claude Code 团队的核心工程师 Thariq Shihipar 公开了一组数字：

对于像 Opus 5 和 Fable 5 这样的最新模型，我们删除了超过 80% 的 Claude Code 系统提示词，且在最终的编码评估中没有任何可测量的性能损失。

他给出的原因是「过度约束」。当他们阅读自己内部使用 Claude Code 的转录记录时，发现单个请求中出现了多条相互冲突的指令，比如"酌情添加文档"或"不要添加注释"，而往往 Claude 需要先分辨这些矛盾，才能决定怎么做。

这些限制曾经是为了避免最坏情况而必要的，但团队现在发现，可以让模型依赖周围的上下文和判断来做出决策。他把这轮调整概括为以下几组前后对照。

其中一组是从「给 Claude 定规则」到「让 Claude 自己判断」：过去系统提示词写明"默认不写注释，绝不写多段落文档字符串或多行注释块"，现在只留一句"让它读起来像周围的代码一样：匹配其注释密度、命名风格和惯用表达"。

另一组是从「把所有内容都前置」到「采用渐进披露」：代码评审与验证被移进各自的 Skill，由 Claude 按需调用；部分工具改为延迟加载，Agent 在使用前必须通过 ToolSearch 搜索其完整定义。

渐进披露不只出现在模型厂商一侧。Matt Pocock 那套在 GitHub 社区爆火的 Skill 库已积累超过 20 万星标，其中 The Main Flow 这条主工作流把从想法到交付的过程拆成五个阶段，每个阶段对应一个 Skill。

想法还模糊时，先用 /grill-with-docs 接受追问，并把确认下来的决定记进文档；与 Agent 达成共识后，用 /to-spec 把对话变成一份书面规格；要开始动手，就交给 /to-tickets 拆成 Agent 能独立完成的小模块；进入编码，用 /implement 按测试先行的方式把规格变成代码；改动完成后，由 /code-review 对照团队标准和规格文档审一遍差异。

五个 Skill 各自只在自己的阶段被调用，这正是 Thariq 所说的渐进披露：上下文不必一次铺满，需要时再加载。两人在这一点上并无分歧，关键在于约束本身。

Pocock 这条链仍在给模型定下硬规则，/implement 要求测试先行，/to-tickets 要求按用户功能垂直切分，明确禁止先把数据库建完再写后端。理由是，模型会习惯性地按技术分层推进，或在实现时走捷径。

两种做法没有孰优孰劣。在 Thariq 那里，约束是能力不足时的补丁，模型强了就该拆掉；在 Pocock 那里，它是与能力无关的纪律，已经写进一套正在被使用的流程。

从 Token 到 Return

从奖励消耗到限制预算，企业仅用几个月便完成了一轮 AI 成本校准。

回到前文那个核算口径：Token ROI = 可验证的业务增量 ÷（模型成本 + 人工复核 + 重试/返工 + 工程治理成本）。

其中，模型成本最清楚，调用与输出的价格都写在各家的官方页面上；人工复核难以准确计量，但工作流设计得当时理论上会下降；重试和返工同理，约束到位能够减少，具体减少了多少，企业正通过统一网关、用量看板建立归因；而工程治理成本，正是 Thariq 和 Pocock 各自在做文章的地方。

我们不断追问的 Return，不仅是业务增长；如何降低模型成本、人工复核、重试返工和治理成本，同样值得企业优化。

企业 AI 正从 Tokenmaxxing 转向 Token ROI maxxing。