从”Token最大化”到”Token最小化”

据《华尔街日报》报道，美国企业界正在经历一场根本性的AI支出转向。几个月前还流行”Tokenmaxxing”（Token最大化）——Meta内部有名为”Claudeconomics”的排行榜，追踪前250名重度用户，员工30天内消耗了超过60万亿个Token，有人为了竞逐”Token传奇”称号，让AI代理花数小时做无意义的研究来刷量。

如今，风向完全调转。”Tokenminimizing”（Token最小化）成为新口号。AT&T已开始限制部分员工访问GitHub Copilot的权限；Meta在收紧员工在Anthropic及其他AI服务商上的支出；Uber在2026年4月就耗尽了全年AI编程预算，随后对每位员工每款工具设定每月1500美元使用上限。

亚马逊则直接废除了名为”Kirorank”的内部AI使用排行榜。亚马逊高级副总裁Dave Treadwell公开承认，员工为了刷榜让AI执行无意义任务，推高了运营成本。他明确指示员工：”不要为了用AI而用AI。”

账单触目惊心

驱动这一转变的是迅速膨胀的成本压力。AI使用强度最高的企业，每名员工每月AI支出已高达7500美元。微软发现，部分工程师每月仅在Claude Code上消耗的Token费用就高达500至2000美元。更极端的案例是，据Axios报道，一家企业客户在单月内花费了5亿美元用于Claude，原因仅仅是没有为员工使用量设置任何上限。

问题的根源在于AI智能体（Agentic）工具的普及。与用户手动发送单条指令不同，此类工具在完成一项任务的过程中会反复自动调用模型，大幅推高实际用量。这使得即便单Token价格持续下降，企业整体账单依然居高不下。

省钱新策略：混合模型与”兰博基尼不该买菜”

面对成本压力，企业开始采用全新的AI使用策略。Cursor公司首席技术官Mike Saeks做了精辟解释：”对于普通任务，不需要功能最强大、最昂贵的AI模型。这就像开兰博基尼去杂货店买牛奶，而兰博基尼原本是设计用来在赛道上驰骋的。”

具体做法包括：用最先进的AI系统规划任务，再用便宜的模型去执行；在不同模型之间灵活切换——将中国模型如Moonshot开发的Kimi等纳入工作流，按需选择。Cursor的实验显示，使用OpenAI的GPT-5.5从零构建网页浏览器成本超过1万美元，而结合Cursor的Composer编码模型和Anthropic的Claude，成本仅为1339美元，节省超过87%。

法律AI初创公司Harvey的总裁Gabe Pereyra表示，他们训练了GLM-5.2，让其在遇到复杂任务时再”调用”Anthropic的Fable 5模型——既保持性能又大幅降低成本。

市场格局重塑

这场AI支出转向正在重新定义AI市场的受益方。能够帮助企业监控、限制和优化AI支出的”网关”（Gateway）工具与模型路由器需求快速上升，微软、Databricks以及英伟达投资的Factory等公司迎来增长窗口。

与此同时，廉价但高效的开源模型和中国模型正在蚕食OpenAI和Anthropic的市场份额。Zoom早在三年前就开始使用Meta开源的Llama模型，通过微调大幅节省成本。Zoom首席技术官黄学东引用中国古语”三个臭皮匠，顶个诸葛亮”来形容企业采用多种模型组合的策略。

Anthropic和OpenAI正试图锁定客户，提供合作机会和巨额AI使用补贴。但企业高管的共识明确：AI成本降低的时代已经到来，并将持续下去。

*文章来源：本文基于《华尔街日报》（The Wall Street Journal）2026年7月25日报道”Corporate America Has Suddenly Decided to Stop Blowing Money on AI”改写，并综合Axios、The Information、彭博社等多家媒体补充信息。*