昨天Anthropic 應用 AI 負責人William做了一個演講，談到A廠把 Claude Code 的系統提示詞一口氣砍掉了八成——從 800 token 壓到了 164 token。
官方給的理由是新一代模型（Fable 5）夠聰明了，喂太多指令和例子反而框住它，不如讓它自己發揮。
換個角度想：連每次呼叫多燒的那點提示詞開銷都在摳.....
還記得之前微軟把給自家員工用的 Claude Code停了，人被趕去用自家的 GitHub Copilot 那件事嗎？
還有Uber .....
給工程師搞了個內部排行榜，按 Claude Code 用量排名。結果大家可著勁兒燒，四個月就把一整年的 AI 預算燒光了，最後只能給每人每月摁一個 1500 美元的上限。
前幾天交流裡還有個有意思的細節。有專家聊到，矽谷那邊一到下午，Gemini 就明顯變卡——不是它不行，是好多人上午就把最貴的 Claude Code 額度燒光了，只能趁額度恢復的空當，先拿 Gemini 頂一會兒...
再結合最近開始流行的一個說法：企業要砍 AI 了，需求見頂了。證據無非是——停發員工的 AI 程式設計額度、給 token 設上限、CFO 進場算帳。這一輪行業層面的利空，很大程度上就是從這兒引出來的....
這就是現在企業 AI 的真實狀態：需求沒消失，但錢開始變敏感。
過去兩年，AI 是一個純增量敘事。只要企業上了 AI，就算增長；只要產品賣出去、席位裝上去，就算贏。沒人太較真 ROI。
現在問題變了。企業不再只問上了沒有，而是開始問：到底值不值？能不能量化？能不能進預算？能不能真正省錢或者多賺錢？
一位跟蹤企業 AI 落地的專家，給了企業自檢的三條硬指標：
- 發出去的席位，有沒有人真在用（買了不等於用）；
- 有沒有嵌進真實業務流程，而不只是開完會做個摘要；
- 有沒有拿得出手的成果，比如活幹得更快、能省下人手。
之前微軟的專家也對照這三條進行了衡量。
嵌得最深的那類 AI 助手（Copilot 那種）：員工個人效率大概提升了中高十幾個百分點。而當初給企業畫的餅，是 30% 到 50%。這缺口還不怪工具，專家說得直接，是企業把 AI 真正用起來這件事本身太難....
其實個人層面的效率提升訊號已經很明顯了——員工自己做事確實比以前快了不少，只不過從來沒人專門統計過這部分變化。真正難的，是怎麼把分散在每個人身上的零散提升彙總起來，提煉上升到企業層面，變成能清晰核算的收益數字。
現在企業對AI的態度，早就變成了糾結明年到底得給這玩意兒投多少預算、長期做下去能不能扛得住……
所以站到企業的 CFO、採購角度看到的完全是另一幅畫面....
後附一些關關鍵問答：
牧風交流：
Q：單個 token 的價格明明一直在降，企業的 AI 帳單怎麼反而在漲？
單價降是真的，但有兩股力頂著總支出往上走。一是模型越做越大，同樣啟動比例下，單個 token 的單價其實還在漲；二是現在主流的 agent 模式，本身就是吃 token 的大戶——讓大模型自己管上下文、管記憶，比過去那種省著用的 RAG 費得多。單價降的那點好處，全被用量漲給蓋過去了。所以你會看到一個現象：per-token 成本在跌，企業的總帳單還在爬。
Q：一個 agent 到底能有多費？
專家給的畫像是，一個 agent 幹一個任務，平均要呼叫工具三百來次，也就是說這個任務處理程序中間會被打斷三百多次。每斷一次，那些算過的快取都得挪來挪去。這跟過去人工搜個東西試三五個關鍵詞，完全不是一個量級。
Q：所以到底能貴到什麼程度，有沒有實打實的數？
有實打實的數。微軟和 Uber 都披露過，工程師用這類 agentic 編碼工具，一個月人均 500 到 2000 美元 token。Uber 那邊更誇張，四個月燒光全年 AI 預算，五千號工程師、九成五每月都在用、七成提交的程式碼是 AI 寫的。連這種體量的公司都得給每人每月設上限，中小企業什麼處境可想而知。
Q：那這筆 AI 的錢，是從原來的 IT 預算裡挪出來的，還是額外新加的？
專家說基本是淨新增，不是從老 IT 預算裡切。邏輯也簡單：企業這兩年因為利率高，本來就在降本，這事跟 AI 沒關係、早在做了；AI 是在降本的同時額外加上去的。所以這兩件事得分開看——降本是降本，AI 開支是 AI 開支，是加出來的。
Q：可財報上看，很多企業的 IT 開支好像還降了？
對，這就是最容易被誤讀的地方。原來一年花 10 塊，宏觀壓力下砍到 7 塊，再往上加 2 塊 AI，合計 9 塊——老闆對外就能說"我上了 AI，還把總成本從 10 降到了 9"。但這個 9 是被降本周期蓋住的。等宏觀緩過來、這一輪降本結束，AI 那部分的底子露出來，基線會從 9 直接頂到 13、14 塊去，除非 token 成本一直往死裡砸，可那不會來得這麼快。真實的 AI 帳單，現在還沒到攤牌的時候。
Q：企業內部現在具體在糾結什麼？
從好幾個角度在摳。技術那邊在問，能不能最佳化 token、能不能換個便宜模型跑同樣的活；採購那邊在問，合同能不能重新談、license 能不能砍掉幾個；財務那邊 CFO 在為明年做預算，就一個核心問題——這東西明年到底得留多少錢。這幾條線現在是同時在企業內部鋪開的。
Q：企業跟微軟、Google 簽的到底是什麼樣的合同？
絕大多數大企業簽的是大額框架合同，專家舉例比如一年一個億，買得越多折扣越大。甚至有意思的是，具體要買那些服務還沒定，合同就先簽了，之後所有服務都能享這個折扣。這就是個此消彼長的過程——token 用得多，利潤率可能更高，但別的服務採購就得往下壓。
Q：企業開始像管雲預算那樣，專門管 token 了嗎？
開始了。Uber、微軟這些都在限制 token 消耗。不過專家提了個細節，限制的動因有一半是算力不夠——工作日算力緊張的時候才卡你，算力富裕的時段就放開。還有些企業乾脆不按 token 結算，改按 seat（席位）結算，每個席位定期刷新一筆額度，把不確定的帳單摁成一個固定數。市場上"FinOps for AI"這套說法，已經開始有人提了。
Q：花了這麼多錢，生產力到底提上來沒有？
這是最該潑冷水的一條。專家把它拆成個人和企業兩層看。個人層面，提升大概在中高十幾個點；但企業層面真正兌現得清楚的，基本就集中在寫程式碼——因為程式碼好衡量，經理也壓得住裁員。至於後台那些職能，提升就低多了，組織一頂，帳面上根本兌現不出來。專家特別強調，這不是工具不行，是 AI 在企業裡落地這件事本身太難。整體算下來，離當初喊的 30% 到 50%，還差得遠。
Q：再往長了看，這套算力和 token 的緊張，什麼時候到頭？
專家說供需拐點年底都未必見得到，卡的增長追不上需求。真正的牆可能在 2028 年——好的資料中心選址、電力、審批那時候差不多耗盡，小型核電這類能撐下一段的新供給又還沒成熟，建設速度會慢下來。到那會兒如果大家都在收緊 token，總算力夠不夠都不好說。 (北向牧風)