2026 年夏天，多家企业开始收紧 AI 工具的用量管理。除编程外，把 PDF 转成 PPT 等日常办公任务也在累积成本。Accenture 的内部讨论，以及 Uber、Walmart 设置上限的做法，都指向同一个问题：企业需要把 token 账单与实际产出对应起来。
Accenture 内部讨论：非技术任务也在推高用量
6 月 24 日，独立科技媒体 404 Media 报道了其获得的一份 Accenture 内部会议录音。录音中，Accenture 的 Agentic AI 战略负责人 Justice Kwak 向同事们介绍了用量数据：
"我们从内部数据中看到，推动 token 消耗的其实不是我们的工程师，而是大量的非技术人员——他们在做一些你们刚才讨论的行为……"
Kwak 所指的「行为」包括：把 PDF 转换成 PowerPoint 幻灯片、美化会议纪要、用高级模型写内部邮件。若员工反复使用高价模型处理这些任务，单次看似不大的消耗也会持续累积。
Kwak 在录音中直言："我们正处在一个转折点上，AI 正在成为成本结构中的实质性构成。支出变得非常不可预测，而领导层——尤其是 CFO、COO 和 CIO 级别——仍然在追问一个根本问题：我们花在 AI 上的钱，到底值不值？"
Accenture 正在为此开发一款名为 Token IQ 的内部产品，帮助客户企业看清 token 用在哪里、花费多少。工具仍在开发，也说明现有用量记录还难以直接回答管理层关心的成本与回报问题。
Uber 四个月用完全年预算，按工具设置支出上限
Accenture 的内部录音并非孤例。就在几周前，Uber CTO 向外界承认：公司在 2026 年前四个月就花光了全年的 AI 预算。
根据 TechCrunch 和 Bloomberg 的报道，Uber 随后设置了支出限制：每位员工每月在每个 Agentic 编码工具（包括 Anthropic 的 Claude Code 和 Cursor）上的 token 消费不得超过 1,500 美元。Uber 发言人向 Bloomberg 确认了这一政策——这意味着一个工程师即使同时在多个工具上工作，每项工具的月预算也是各自独立的硬上限。
报道还给出了 Uber 的使用规模：公司 95% 的工程师每月使用 AI 工具，70% 的提交代码源自 AI 生成，每位工程师的月均 AI 成本在 500 到 2,000 美元之间。在数千名工程师持续使用的情况下，人均支出的小幅变化也会明显影响总预算。
Walmart 给内部工具设配额，并要求减少重复开发
零售企业 Walmart 也在调整用量。根据 Bloomberg 的报道，Walmart 开始对内部 AI 工具 Code Puppy 实施 token 配额制度。这款工具此前对全体员工提供无限量 token，可协助完成从电子表格处理到演示文稿制作的各种任务。现在，每位员工只能使用固定数量的 token。
Walmart CEO John Furner 解释说，限制 token 不只是为了省钱，更是为了减少重复性的「vibe coding」——员工各自用 AI 生成相似的解决方案，而不是复用已有的代码和模板。这使成本管理也涉及工作安排：团队需要知道哪些方案已经存在，避免重复生成和维护。
Token 排行榜难以衡量员工的实际产出
如何衡量 AI 使用效果，此前已引起讨论。今年 5 月，Fortune 以一篇文章宣告「Tokenmaxxing is dead」。
所谓 Tokenmaxxing，指的是追求更高的 token 使用量。今年早些时候，Meta 的一名员工自发创建了一个 token 使用量排行榜，面向全公司 85,000 名员工比较 AI token 消耗量——Mark Zuckerberg 本人在榜上甚至排不进前 250 名。据报道，Meta 员工在 30 天内消耗了约 60 万亿 token。Amazon 随后也出现了类似的内部排行榜。
部分排行榜随后被叫停。Business Insider 援引内部人士的说法称，Amazon 关闭排行榜的原因是「它鼓励员工执行并非真正解决问题的任务，只为提升排名」。Meta 的数据随后泄露到外部，进一步推动了事件的曝光。
Fortune 在 5 月 28 日的文章中指出，tokenmaxxing 的核心谬误在于将 token 消耗量错误地等同于 AI 采用率和生产力。引用一位行业人士的话说："如果你不能画出一条从 token 消耗到实际交付给用户的功能和特性之间的直接连线，这些 token 成本就越来越难以自圆其说。"
企业还需把 AI 成本与业务回报对应起来
Tom's Hardware 在其评论文章中这样概括这一困境：「泄露的咨询公司音频表明，没有人确切知道如何衡量 AI 的效果。」
衡量回报既涉及技术，也涉及管理。报道引用的 BCG 数据显示，企业计划在 2026 年将平均营收的 1.7% 投向 AI，高于 2025 年的 0.8%；94% 的受访企业即使未见即时回报，也表示会继续投入。报道还引用了**不到 1% 的高管报告「显著的 AI ROI」**的调查说法。不同调查的样本与回报定义需要分别理解，不能据此推断所有企业都尚未获得价值。
Tom's Hardware 还转述了一项关于匿名公司的说法：该公司据称因未为员工的 Claude 许可证设置使用上限，一个月花费了 5 亿美元。公司身份和具体账单未公开，这一金额不能作为已核实的企业开支案例。它提出的管理问题仍值得关注：用量权限、异常告警和预算上限需要在大规模开放工具时一并设置。
Accenture 的内部讨论也回到了如何核算回报。Kwak 在录音中坦言，Accenture 正在开发 Token IQ 来看清 token 消耗。但记录用量之后，还需要回答：花出去的每一百万 token，到底换回了什么？
企业控制用量，也向模型供应商提出效率要求
客户控制成本，也会影响模型供应商。CNBC 在 6 月 26 日的报道中指出，OpenAI 和 Anthropic 正面临一个新的 AI 现实：一些企业客户从追求用量转向关注效率。
D.A. Davidson 分析师 Gil Luria 对 CNBC 表示："他们的一些最大企业客户可能开始限制失控的 token 支出。"CNBC 进一步指出，开源模型正在作为更便宜的替代方案崛起，而 Microsoft、Amazon 和 Google 都在推出更侧重于效率的产品方案。
Sam Altman 也谈到了客户的成本压力。在 6 月初的一次企业活动中，他承认：「AI token 成本正在成为一个巨大的问题。」他说，在 2026 年初这个问题从未被提及，「人们对自己花的钱完全满意」；但现在，"这已经成了一种 meme——'我的公司在 Q1 就花光了 2026 全年预算，你能帮我们提高效率吗？'"
与此同时，Microsoft 已经开始取消多个关键产品部门的 Claude Code 许可证，将工程师引导到自家 GitHub Copilot CLI。根据 The Verge 的报道，负责 Windows、Microsoft 365、Outlook、Teams 和 Surface 的 Experiences + Devices 部门被要求在 6 月 30 日前停止使用 Claude Code。
下半年的投入需要明确业务目标与回报标准
Gartner 在 4 月发布的基础设施与运维（I&O）调查解读指出，目标过大或范围不清，是这一领域 AI 项目失败的重要原因。它建议企业将用例与业务目标挂钩，比较可行性、风险、成本和预期影响，再决定投入。该结论针对 I&O 场景，不能直接推广为所有企业 AI 项目的成败判断。
从 Accenture 的内部录音到 Uber 的预算超支，从 Walmart 的 token 配额到 Microsoft 的工具切换，这些案例显示，**部分企业正在为 AI 使用补上成本和效果评估。**它们尚不足以说明所有企业都已停止扩张性投入。
Fortune 对 tokenmaxxing 的批评在于，它主要衡量投入，不能单独代表产出。财务负责人审视账单时，需要进一步判断一次文档处理节省了多少时间、结果是否可用，以及是否有成本更低的办法。
对于 OpenAI 和 Anthropic，客户对效率的要求意味着，增加用量还要能解释相应价值。对企业而言，下一次预算讨论需要回答：**一项工具每月最高 1,500 美元的支出，换回了哪些可验证的工作成果？**这里的 1,500 美元是 Uber 的单工具用量上限，并非 Claude Code 的统一月费。
