“一個部門20來人，一個月消耗5萬元Token（詞元），什麼也沒搞出來。”
一位科技大廠員工王昊（化名）向記者的這句吐槽，揭開了當前企業爭相擁抱AI的另一面。
5萬元的費用，如果按每工作日200元的實習補助計算，相當於10名實習生工作一個月。可這筆錢化作無形的Token消耗後，沒有形成能夠落地的項目成果。
過去兩年，AI席捲全球資本市場和產業界。從科技大廠到傳統企業，“全面擁抱AI”成為最流行的口號。企業爭相採購大模型服務、部署AI助手，發放、比拚員工Token福利，希望借助AI提升效率、創造新的增長空間。
然而到了2026年，一個新的問題開始浮現：為什麼員工已經大量使用AI，預算不斷增長，Token消耗越來越高，但一些企業卻沒有獲得預期中的回報？
經歷了過去兩年的狂熱之後，越來越多企業開始重新審視AI投入的真實價值。第一財經記者瞭解到，近期多家科技大廠已經開始調整員工Token額度管理機制。
Token燒錢，成果呢？
王昊所在的部門並非技術部門。領導鼓勵大家多嘗試，每位員工每月都能獲得幾千元Token補貼。他的同事們熱衷於嘗鮮，各自選用市面上不同的主流AI工具，每個人都搭建出了一套屬於自己的AI工作流。
表面看，局部效率提升了，但問題也逐漸暴露。他的部門下設多個小組，業務方向不同，大家搭建系統選用AI工具不一，有人用了公司自家的AI工具，有人用了開源Hermes Agent，還有人用了其他第三方AI工具，各類系統無法串聯，形成了一個個“AI孤島”，沒有人從整個業務流程層面進行統一規劃，更談不上凝聚業務合力。
當領導試圖將這些AI成果整合時才發現，難度遠超預期。不同工具鏈積累下來的技術債、團隊成員形成的路徑依賴以及遷移成本，讓原本看似熱鬧的AI實踐難以形成規模效應。最終，部門不得不推倒重來，由負責人牽頭重新梳理業務需求，引入公司技術團隊，依託公司內部程式碼自訂搭建工具，從頭打造一套整合式系統。
回過頭來看，團隊最大的損失不是Token費用，而是時間。
同樣在非技術崗位的張嵐（化名），供職於一家直播平台。在CEO的帶動下，全員擁抱AI。他告訴記者，每周公司都會組織工程師進行相關的AI培訓，但這些培訓並不親民，很難真正轉化到工作中的實際應用，更不用說凝練成有價值的、可以分享給同事的skill（技能）。
有時候，AI甚至沒有帶來效率提升，反而翻車了。
一位科技公司員工向記者透露，其所在公司開發了一款內部使用的AI助手，用於資料蒐集、周報總結等辦公場景。
然而一天晚上，在沒有人為觸發相關指令的情況下，該助手突然開始在公司工作群中持續發佈與工作無關的內容，以及毫無邏輯的亂碼，並隨機@員工，還自行發起線上會議。
此外，在一些科技公司，發放Token成為一項面向員工甚至包括實習生的福利，通常覆蓋市面上主流的AI工具，其中不乏海外頂尖的程式設計助手和模型。有人注意到，部分員工拿著公司發放的Token挪作私用——有人用它輔助分析行情、有人用來寫策劃副業、有實習生用來完成畢設。這些發放的Token並未完全落實在公司業務中。
這些亂象並非國內獨有。矽谷巨頭們已經在AI狂熱中踩了坑。
把Token消耗量等同於員工創新能力與工作效率的考核風潮，最早興起於矽谷，被稱為Token Maxxing（Token消耗最大化）。一些企業將AI工具使用量納入內部考核體系，甚至建立排行榜，鼓勵員工儘可能多地使用AI。最初的出發點是推動組織變革，但很快演變成一場新的內部內卷。
部分員工開始讓AI代理長時間運行研究任務，反覆生成和修改程式碼，甚至執行大量並無實際意義的操作，只為提升排行榜成績。結果是，Token消耗快速膨脹，算力成本不斷攀升，但實際業務價值卻十分有限。
亞馬遜和Meta都曾大力推動內部AI工具普及，並建立相關使用量的排行榜。但今年5月，亞馬遜已經喊停了榜單，因為公司發現部分員工正在通過不必要的操作人為提高得分，為了AI而AI，導致公司的算力成本上升。
Uber同樣是積極擁抱AI的代表企業之一。Uber管理層此前表示，公司2026年度Claude Code預算在4月份就已提前耗盡。到今年5月底，Uber高管表示，Token的消耗量確實在激增，但這種高昂的投入與終端使用者體驗的實質性提升之間，尚未建立起清晰的邏輯關聯。
這些案例背後，是許多企業AI落地過程中的共同煩惱。
諮詢機構貝恩（Bain）6月發佈的一份題為《Your AI Budget Is Growing. Your Returns Aren’t. Here’s Why.》的報告顯示，在能夠量化AI降本效果的企業中，實際成本降幅在10%及以下的企業佔比達到40%，成為最大的單一群體。原本有37%的企業將目標設定在11%至20%的降本區間，但最終真正實現這一目標的企業僅有31%。
如果說過去兩年企業最擔心的是“錯過AI”，那麼到了2026年，一個更現實的問題正在出現：AI投入不斷增長，回報究竟在那裡？
Token不是萬能的
AI提效已是行業共識。一個典型場景是AI編碼，從微軟、Meta到騰訊、阿里、百度，AI已貢獻可觀比例的程式碼。在會議紀要整理、知識檢索、文件生成等辦公場景中，AI對於效率提升效果明顯。發放一定Token額度，激發員工的創造力、提升工作效率是具有正向意義的舉措。它讓AI變成每個人的工具，加速了技術在一線業務中的滲透，也培養了一支具備AI協作能力的員工隊伍。
但為什麼一些企業大規模投入AI，卻換不來預期中的產出？
AI投入與產出嚴重脫節，根源往往不在技術，而在於如何使用AI。貝恩報告認為，許多企業正陷入一種“基於信仰的豪賭”。企業不斷購買新的AI工具，為Copilot、模型授權和雲服務買單，卻因為內部資料混亂、工作流割裂以及組織協同問題，導致大量項目長期停留在試點階段，始終無法進入核心業務流程。
一位從業者對記者分析，過去兩年，不少企業持續增加AI相關預算。但這些預算增長並不完全來自清晰的商業規劃，更多源於FOMO（錯失恐懼）情緒——擔心錯過技術浪潮，擔心在競爭中落後。於是，大量資金流向模型採購、軟體授權、雲服務和算力資源。但大家漸漸發現，Token消耗量並不天然對應生產力。如果企業把Token消耗量當KPI、把AI使用率等同於創新力，在不梳理流程和組織的前提下全員投入，再好的工具價值也會被稀釋。
與此同時，許多企業低估了AI落地背後的工程複雜度。儘管AI能力出色，但將其適配到具體業務場景、與業務流程深度結合，仍需要大量的工程工作：提示詞工程、檢索增強生成（RAG）調優、輸出校驗、成本控制、權限管理……這些累活往往被忽略。
艾媒諮詢CEO張毅在接受第一財經採訪時表示，自己在接觸不少企業後發現，其中一些只計算了顯性的API呼叫費，卻忽視了人工校對、資料治理等隱性成本。還有的將AI大量用於處理低價值的雜活，難以轉化為營收或財務報表上的產出。此外，由於缺乏分級限制，低端場景也在濫用高價大模型，導致無效呼叫激增。歸結起來就是：高Token消耗，但降本效果不明顯。
他分析道，在早期特定階段，科技大廠以Token消耗量評價員工AI落地成效並繫結績效，確實有助於鼓勵員工融入AI環境。但時間一長，員工可以通過刷資料、堆砌算力製造“表面數位化”，卻沒有實質業務產出。“所有員工的參與，都應該以解決效率或利益最大化為方向去引導。”
大廠開始給Token“算帳”
一場針對AI成本的重新審視開始了。
第一財經記者瞭解到，近期多家科技廠商正在悄然調整員工的Token 額度。大廠員工的Token額度在經歷了初期無差別的人均分配後，開始走向更理性、更追求效率的分配方式。
一位騰訊內部人士對第一財經記者透露，近期騰訊調整了員工的Token分配機制，不再“吃大鍋飯”，由部門管理者按員工需求、按崗位職能等進行動態分配。
他表示，從去年開始，各種內部 AI 工具在騰訊大規模鋪開，前期更多是通過統一發放配額來拉動使用習慣、驗證工具價值。但到了現在，AI已經成為日常生產資源，使用規模和投入量級都到了新階段，配額管理從粗放走向精細化。
今年騰訊AI工具Token總預算，相比上一周期增長了數十倍。上述人士稱，公司已在內部表態：衡量一個員工 AI 用得好不好，看的是工作中的提效和創造的價值，絕不單純看Token 消耗量、不做任何形式的Token 排行榜，也絕不追蹤員工實際用 AI 在做什麼，讓大家安心回歸工作本身。
另一位北京的科技大廠員工告訴記者，過去公司曾將AI工具使用量視為重要KPI指標，員工使用得越多，似乎就意味著越積極擁抱創新。如今風向已經發生變化。他的個人Token額度約為每月5000元，當實際消耗剛達到一半時，領導便主動找他探討使用情況和實際產出。
在海外，不少巨頭開始對內部AI程式設計工具設定使用上限，將工程師的考核放在能否依託AI生成實用程式碼、解決實際業務問題、創造有效成果上。例如微軟取消了大部分Claude Code許可，轉向自家成本更可控的GitHub Copilot CLI方案。Uber則給每位研發員工的AI工具支出設定上限。
一名科技公司CTO對第一財經記者表示，人與AI之間是互相倒逼成長的，但它的投入成本不低，如果主營業務營收、營運效率、業務交付能力沒有明顯提升，那怕管理層暫時沒法精準定位資源浪費在那個環節，也會考慮先縮減Token投放規模，這是普遍的行業現狀。
整個行業正在進入AI投入價值的重估階段。張毅認為，燒錢熱潮退去，越來越多的算力資源正在向能創造實際業務價值的場景傾斜。“Token也好，模型也好，它的投入終究要錨定業務的增收、長期的降本、產品的迭代——這些可量化的商業結果，才能形成正向循環。” (第一財經資訊)