【php中文网快讯】随着ai技术加速规模化应用，token消耗持续攀升，多家国际科技公司相继调整原有“全面开放ai工具使用”的策略，转向更精细、更审慎的成本管理机制。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Uber在全公司范围内推广Claude Code开发辅助工具后，超五千名工程师仅用四个月便耗尽全年AI预算。人均单月调用量对应成本介于500至2000美元之间，迫使其迅速推出配额制，严格限制调用频次与资源占用。微软此前亦在内部广泛部署该模型，但因运营成本过高，目前已暂停大部分授权服务，并推动研发团队转向其自研AI平台以实现成本可控。
据知情人士透露，某全球顶尖科技企业曾因未设定任何用量上限，单月Token支出高达5亿美元，业内普遍推测为亚马逊。该公司早前将AI调用量纳入员工绩效考核体系，意外催生大量非必要调用行为——部分员工为提升排名而反复执行无实际意义的请求，导致平台资源严重浪费；后续该考核机制已被全面取消，取而代之的是“按需使用、结果导向”的新原则。Meta同样曾通过实时消耗排行榜激励员工高频使用模型，短期内引发海量低效Token消耗，该榜单上线不久即被紧急撤下。
过去，企业常将Token消耗总量作为衡量AI落地成效的核心指标。英伟达相关高管也曾提出为每位员工配置高额年度AI使用额度，以推动全员深度参与AI实践。然而，单纯追求调用量并未带来相匹配的业务价值提升——同一项开发任务，在不同调用策略下成本差异显著，无效请求不仅拉高算力开销，更稀释了整体投入产出比。
统计显示，多数企业在AI投入初期普遍存在成本预估偏差，持续超支正不断蚕食企业毛利率；即便未来单Token价格呈下降趋势，智能体类应用动辄数百万级的调用量仍将维持整体支出高位运行。
在成本压力日益凸显的背景下，一些曾高调推行“AI替代人力”战略的企业也开始反思并修正路径。瑞典金融科技公司Klarna与澳大利亚联邦银行（CBA）此前大规模裁撤人工客服岗位，全面启用AI系统承接用户服务，但随后均出现响应延迟、问题解决率下降、客户投诉激增等连锁反应，两家机构已陆续重启招聘计划，并召回部分此前离职员工。
当前，越来越多企业正回归理性，重新评估AI落地逻辑，坚持以真实业务场景为出发点，科学配置AI资源，坚决杜绝无实质产出的算力空转与资源内耗。
