起源：苹果为何敢在行业涨价潮中降价作者： 蒋承贤：

忘了设限，1家公司1个月在Claude烧掉5亿美元！--当AI已经贵到“用不起”

企业AI热彻佚在遭逢第一次真正意思上的账单；。

5月28日，据Axios援引一位AI照拂的说法，其旗下一家企业客户近期在单个月内破费了5亿美元用于Claude，起因仅仅是没有为员工使用量设置任何上限。

分析以为，很多公司在急剧铺开AI工具时，将把稳力集中在职能和推广上，却忽视了成本管控机造的成立。

华尔街见闻提及，微软，亚马逊等科技巨头正纷纷采取行动，削减内部AI工具或叫停追踪AI使用量的项目，以遏造被称为“tokenmaxxing”（词元极大化）的过度亏损行为。

亚马逊一名高级副总裁不得不向员工发出忠告：

请不要为了用AI而用AI。

市场此刻面对的主题问题，已不再是"要不要拥抱AI"，而是"烧了这么多钱，到底换来了什么"。

亚马逊关榜，内部"刷分"引发真实成本

亚马逊的案例从另一个角度揭示了企业AI治理的困境。

据报路援引两位知恋人士泄漏，亚马逊旗下开发者平台Kiro曾设有一个名为"Kirorank"的内部排行榜，凭据员工的AI使用活跃度进行评分。

然而，该榜单意表引发了员工为提升排名，而让AI代理执行无意思工作的行为，直接导致公司算力亏损上升。

亚马逊高级副总裁Dave Treadwell本周向员工认可，这一排行榜启程点是好的，但最终了局是员工通过"tokenmaxxing"推高了公司的运营成本。

他明确批示员工，不要将把稳力放在token亏损量上，而应专一于打造更好的产品，并强调"不要为了用AI而用AI"。

亚马逊随后在申明中确认，该测试版仪表盘"并非正式或经核准的工具，已被下线"。

Meta也出现了类似情况，员工同样试图通过拉高token亏损量来在公司内部排名中占据有利地位。

这一景象批注，当企业将AI使用量纳入查核时，可能壮志未酬，将员工激励扭曲为对算力的无效亏损。

亚马逊尔后转向以"归一化部署"指标代替token亏损量，重点追踪工程师能否通过AI持续天生有现实价值的代码。

值妥贴心的是，亚马逊今年的本钱支出预计将达2000亿美元，绝大部门流向AI与数据中心基础设施。

四大症结：为什么AI花了钱却没带来回报

据Axios梳理，企业AI选取正面对四个结构性阻碍。

用例选择错位。Velastegui Ventures CEO、前微软首席AI官Sophia Velastegui暗示，大无数人偏差于用AI自动化他们不喜欢的工作，而非对公司最有价值的工作。

她以为，企业应将AI资源集中在能直接驱动营收的场景上，而非盲目铺开。

成本不足管控。AI查问并非无成本，企业级套餐按token计费，即就是日常性的单一查问也会急剧累积成可观支出，而无数业务部门对此并无清澈认知。

人是最大瓶颈。Velastegui将企业目前普遍选取的"撒花"式AI授权，定性为无法带来内容回报的蹊径。

企业将大量AI工具堆给员工，但不足有效的疏导和聚焦，导致真正的选取效能低下。

数据盛开存在顾虑。专一金融行业AI工具的Boosted.ai CEO Josh Pantony指出，当企业因顾虑数据安全而不愿向AI代理盛开内部专罕见据时，代理的现实效力将大打折扣，投资回报天然无从谈起。

Token经济学：AI叙事的新主题变量

这场争论的背后，是一套更为复杂的投资逻辑在重构。

华尔街见闻提及，据高盛One-Delta部门掌管人Rich Privorotsky的最新概想，AI买卖的主题变量已从"技术是否可行"转向"成本是否可接受"。

DeepSeek据称将Token定价下调75%，幼米MiMo的降价幅度靠近99%，这种成本压缩可能触发类似补助竞争后的"价值战"逻辑。

他指出，基础设施瓶颈终会缓解，市场不应为"即将被解决的问题"支付过高溢价。

Rich Privorotsky进一步提出如果，更便宜的Token是否会率先代替高成本推理服务？若是需要扩张存在功夫滞后，云服务商、模型公司及AI基础设施的收入增长可能面对阶段性压力。

他以为，Token支出的理性化可能在今年第二、三季度成为董事会层面的重要议题，其重要性不亚于AI增长叙事自身。

据彭博Silicon Data LLM Token Expenditure Index，Token价值自今年2月底以来已上涨约65%，美国AI软件价值从前一年累计涨幅达20%至37%。

这一成本趋向在引发企业重新审视AI采购战术。当"以10%的成本获得90%的输出"变得日益可行，企业对高成本前沿模型的依赖或将系统性降落。

AI模型训练公司Micro1首席执行官Ali Ansari暗示，企业正经历一次从过度使用AI转向理性使用的"健全晃动"。他以为：

AI目前真正有效的领域，其实只有编程。

多空之争：统一现实，两种解读

就AI投资回报而言，一样的数据在分歧分析框架下，正指向截然分歧的结论。

多头视角以为，当前的混乱不外是转型过程中的正常阵痛。

据高盛的Jim Schneider在5月初的研判，到2030年，代理式AI将推动Token亏损量增长24倍，超大规模云服务商和模型提供商的毛利率将在将来3至12个月内转正。

摩根大通的经济钻研也发现，2026岁首Python包在PyPI上出现跳升式增长，而这一趋向在2022年ChatGPT上线时并未出现，批注真实的出产力提升在发生。

空头视角则由高盛半导体分析师Jim Covello在4月的汇报中系统论述。

他指出，AI供给链中险些所有价值都流向了半导体公司，这在汗青上前所未有且不成持续。芯片公司本应在客户获益时受益，但本轮周期中，其繁华是以整条产业链上游亏损为价值的。

两种叙事都在同时发生，输赢仍未明显Ｄ芄蝗范ǖ氖，"Token亏损量增长即蹬宗AI转型成功"的单一等式已经被突破。

从单月烧掉5亿美元的极端案例，到亚马逊叫停刷分排行榜，AI投入在接受更严格的回报审查。下一笔AI账单能产生几多真实价值，将是这场豪赌真正的判决时刻。