2026 年初，硅谷流行起 「tokenmaxxing」——一些公司鼓励员工大量使用 AI，并用 token 消耗排行榜促进采用。Sam Altman 在 OpenAI 内部甚至把 token 消耗做成了游戏化 leaderboard，员工在社交媒体上炫耀自己的使用量。
几个月后，部分企业开始重新检查预算。
在 6 月初 OpenAI 举办的「Intelligence at Work」企业活动上，据 Techstrong.ai 转述，Altman 谈到了客户对 AI 成本的担忧；这不能直接当作整个行业支出已经下降的统计结论。他坦言，2026 年初客户对 AI 预算「从未提出过任何顾虑」，而仅仅几个月后，平衡 AI 预算已经突然变成了「一个巨大的问题」，客户也开始要求更清楚地衡量投入与回报。
这不是一个孤立的声音。据报道，Uber 在今年 4 月就用完了全年的 AI 编程预算。据 The Information 报道，Uber 首席技术官 Praveen Neppalli Naga 承认公司已「回到画板前」重新规划。微软取消了对大部分开发者的 Claude Code 许可。亚马逊关闭了内部 token 排行榜。Priceline 的一名员工告诉 TechCrunch，一次常规的 Cursor 合同续约，价格涨了 4 到 5 倍。
这些案例说明，鼓励采用工具之后，企业还需要建立用量控制和效果评估。
Token 排行榜鼓励使用量，却不能直接衡量产出
「tokenmaxxing」这个词最早出现在 2026 年初的硅谷开发者圈，它描述的是一种极致行为：以最大化 token 消耗量为目标来使用 AI 工具。在这个逻辑下，用 AI 用得越多，意味着你越「先进」、越「AI-native」。Uber 在内部设立了按团队排名的 AI 使用排行榜，鼓励员工「尽可能多地使用 AI」。OpenAI 内部同样如此——Altman 透露，公司内部排名第一的 token 消耗者现在每月使用约 1000 亿 token，而六年前，这个数字仅仅是 10 万。
Token 消耗量首先反映模型调用规模。它会影响成本，却不能单独说明生产率。
TechCrunch 今年 4 月的一篇报道标题已经点破了问题：「Tokenmaxxing 让开发者的生产力低于他们的想象」。文章援引 GitClear 的数据指出，频繁使用 AI 的开发者，其每周短期重写或删除的代码量（churn）约为非使用者的 9.4 倍。GitClear 同时提醒，这类改动可能来自重构等多种原因，不能直接等同缺陷率或证明 AI 造成低效。Faros AI 对两年客户数据的分析则发现，高 AI 采用率时期，已合并代码中删除行数与新增行数的季度比值上升了 861%。这一指标也可能受到旧代码重构影响，需要结合被删除代码的写入时间判断。Jellyfish 在对 7,548 名工程师的研究中报告：token 消耗最高组的工程师，所测产出约为较低使用组的两倍，但 token 用量约为 10 倍。
Jellyfish 研究负责人 Nicholas Arcolano 据此提醒，「极端支出是否值得，取决于最终交付代码的商业价值，而大多数公司目前还无法衡量它。」
Uber 设置每人每工具 1500 美元月度上限
Uber 的调整展示了工具快速普及之后，企业如何重新控制支出。
2025 年 12 月，Uber 向大约 5,000 名工程师推出 Anthropic 的 Claude Code。到 2026 年春天，95% 的 Uber 工程师每月使用 AI 工具，约 70% 的提交代码来自 AI 工具。这些数字说明工具采用率较高，但并未回答支出增长是否带来相应业务收益。
据 Forbes 报道，Uber 在 2025 年的研发支出为 34 亿美元，同比增长 9%。按 token 计费的支出会随使用量和任务方式变化，管理难度不同于固定席位许可。每月每个工程师的 AI 支出在 $500 到 $2,000 之间，重度用户甚至更高。当 CFO 习惯用固定许可证成本来做预算模型时，高强度调用便可能超出原先按固定席位费用作出的预算。
6 月初，Uber 被迫实施硬性限制：每个员工、每个 AI 编码工具每月 $1,500 的支出上限，通过内部仪表盘追踪，超出限额需特批。Uber 总裁兼 COO Andrew Macdonald 在 Fortune 的 Rapid Response 播客中直言：「很难在这些统计数据和『好的，我们现在确实多交付了 25% 的有用消费者功能』之间画一条线。这种联系还不存在。」
「如果你无法直接画出 AI 使用量与交付给用户的功能数量之间的连线，这种交易就越来越难自圆其说。」Macdonald 说。
Uber 并不孤单。据 The Verge 报道，微软也取消了大部分直接 Claude Code 许可，转向 GitHub Copilot CLI。另有报道援引一名 AI 顾问称，一家未具名公司因没有设置使用限制，单月 Claude 账单达到 5 亿美元；该公司身份和账单并未公开。
云厂商订单增长，与单家企业的应用回报需要分开看
基础设施需求与终端企业的成本控制可以同时存在。
部分企业收紧工具预算时，云基础设施需求仍在增长。 根据 Dell'Oro Group 的数据，2025 年全球数据中心资本支出增长 57%，达到 7,260 亿美元，预计 2026 年将突破 1 万亿美元。
三大云厂商披露的积压合同或剩余履约义务（backlog / RPO）包括：
- AWS：积压合同 $2,440 亿，同比增长 40%。Andy Jassy 宣布 2026 年资本支出约 $2,000 亿，其中绝大部分投向 AWS。他在财报电话会上说：「需求非常强劲，无论是在 AI 领域还是在核心 AWS 领域。」
- Google Cloud：Q1 2026 积压合同翻倍至 $4,620 亿。Google Cloud 该季度收入首次突破 $200 亿，同比增长 63%。CEO Sundar Pichai 称「企业 AI 解决方案首次成为云业务的主要增长引擎」。
- 微软：商业剩余履约义务（RPO）达到 $6,270 亿，同比增长 99%。2026 年资本支出计划约 $1,900 亿，其中 $250 亿归因于组件价格通胀。
四家大型科技公司（Amazon、Google、Meta、Microsoft）2026 年合计资本支出预计接近 $7,250 亿。波士顿咨询公司对约 2,400 名高管的调查显示，超过 90% 的 CEO 表示即使 AI 投资在未来一年内不会产生回报，他们也会继续维持或增加投入。
这些合同涉及不同业务、履约期限与客户，不能全部当作 AI 收入。即使订单中包含模型训练和推理需求，也不能据此断定每个终端应用已经获得正回报；同样，个别企业预算超支也不足以否定全部基础设施需求。
客户开始要求审计用量、控制预算并提高模型效率
模型供应商也开始回应客户的成本问题。
在 OpenAI 的企业活动上，Altman 承认了一个流行于业内的 meme：「我的公司 Q1 就花完了全年 AI 预算，你能让它更高效吗？」他承诺 OpenAI 正在「积极推动模型以更少的支出提供更多价值」——这一表态回应了客户对模型效率的要求。
Techstrong.ai 的报道指出，这对 OpenAI 和 Anthropic 尤其麻烦，因为两家公司都预计在今年 IPO，即将面临华尔街对盈利能力的严苛审视。Anthropic 总裁 Daniela Amodei 表示，高昂的模型创建成本正迫使公司从公开市场寻求资金。Anthropic 最近在一轮融资中筹集了 650 亿美元，并已向 SEC 提交了 IPO 申请文件。
与此同时，OpenAI 企业业务负责人 Alexander Embiricos 在纽约的一场活动上对 TechCrunch 表示：「六个月前，我和客户的对话全是关于『它能做什么？它够好吗？』。现在我们的对话变成了『嘿，我们花了这么多钱，你们有什么可见性？有什么审计能力？有什么 token 控制？你们的模型效率如何？』」
Linux 基金会旗下的 FinOps 基金会执行董事 J.R. Storment 的话更直白：「今年 4、5 月，我开始接到公司电话说：『天哪，我们 2026 年的 token 预算已经超了 3 倍，现在才 4 月』。整个对话从 tokenmaxxing 和『快点上』，变成了『我们需要护栏，怎么控制？』」
用量监控与效果评估，正在成为工具部署的一部分
PolyAI CEO Nikola Mrkšić 认为，企业在试点之后会更重视 AI 的投资回报。 AppDirect 首席技术官 Andy Sen 说得更具体：「很多公司到处开启 AI 功能，骑着生产力浪潮前进，直到被一张巨额账单打醒。」
一些机构仍预测后续用量和支出增长，但这些预测尚待兑现：
- Goldman Sachs 预测全球 token 使用量到 2030 年将增至原来的 24 倍。
- 据 Fortune 援引的 Gartner 预测，2026 年 AI 代理软件支出将达到近 $2,070 亿，较 2025 年的 $864 亿增长 139%。
- 尽管 token 单价在下降，但代理式 AI 工作流所需的 token 数量远超传统模型调用——Gartner 预计到 2030 年高性能模型的推理成本将下降 90%，但总支出不会下降，因为用量在激增。
在工具层面，厂商开始提供更多 AI 成本管理功能。Linux 基金会本周宣布筹建 Tokenomics Foundation，旨在为 AI token 建立类似 FinOps 的成本管理体系。Datadog、New Relic、Ramp 等公司纷纷推出 AI 支出监控功能。NEA 合伙人 Tiffany Luck 在 TechCrunch Equity 播客中指出，token 效率和可观测性将成为「AI 基础设施层的关键组件」。
Faros AI CEO Vitaly Gordon 用一个比喻描述这一阶段：「也许我们造出了蒸汽机，但我们还没搞明白流水线怎么搭。」
Jellyfish 的 Arcolano 给出了一个务实建议：「最好的 ROI 来自将广大的中间用户从低使用量推向中等使用量，而不是把重度用户推得更高。」这一建议强调的是扩大适度使用，同时检查高消耗任务的实际收益。
对企业而言，可以先把工具用量、支出与交付成果对应起来，再决定哪些岗位需要提高额度、哪些工作流需要调整。