文章核心观点 - AI应用热潮正从粗放的“Token消耗竞赛”转向精细的成本效益评估阶段，企业开始质疑高额Token支出与价值创造之间的直接关联，并采取措施控制成本[12][37][48] 企业AI使用成本失控案例 - 一家未公开身份的企业因未设置用量上限，一个月内烧掉5亿美元（约合34亿元人民币）的Claude账单，这笔费用相当于贡献了Anthropic接近八分之一的月收入[2][4][5] - 亚马逊被广泛猜测为该事件主角，同时其内部因员工为冲AI使用排行榜而疯狂刷Token，已取消相关排名机制[8][10] - 米哈游某Agent项目上线后，一晚上烧掉了200万元人民币的Token费用[34] 企业开始控制AI成本与反思使用策略 - 微软宣布在6月30日前取消Experiences + Devices部门的大部分Claude Code授权，要求工程师迁移至自家GitHub Copilot CLI，距离引入该服务仅6个月[14][17] - Uber工程师仅用4个月就烧完了全年的Claude Code预算，其高管指出AI Token消耗与有价值产品产出之间缺乏明显的线性关系[23][25] - DeepSeek在内部使用自研的V4模型替代Claude，暗示了出于经济性的选择[20][21] - Meta在内部建立Claude使用排行榜并消耗数十亿Token后，开始收紧激励，转向关注实际产出[32] - 多邻国曾计划将AI使用纳入绩效考核，但因员工质疑其必要性而撤回决定[30][31] 行业观念转变：从“Tokenmaxxing”到追求ROI - 行业反思过去将Token消耗量等同于AI采用率甚至生产力的“Tokenmaxxing”文化，认为企业误将“烧更多Token”当成了目标本身[48][49] - 企业开始认真计算每一个Token背后的投资回报率（ROI），进入AI“精细运营”阶段[36][55] - 未来行业重点可能转向用更少的Token完成更多任务，策略包括采用更高效的Agent工作流、用廉价模型处理简单任务、严格预算管理等[56][57] - 英伟达CEO黄仁勋曾公开背书“用的越多，省得越多”的逻辑，但企业面对真实账单后态度发生转变[38][42][45]