AI算力不再"越多越好"
亚马逊关停内部AI排行榜，Meta员工月耗200万美元token，仅18%的算力支出转化为产品。企业AI应用正从"用量崇拜"转向"效率本位"，ROI成为新法则。
请不要为了使用人工智能而使用人工智能。
亚马逊高级副总裁特雷德韦尔的一句话，终结了一个短暂而荒诞的企业AI应用时代。本周，亚马逊下线了内部名为"Kirorank"的员工AI使用排行榜。这个基于开发平台Kiro的服务，原本意在追踪和激励AI应用，却催生了一个令人啼笑皆非的职场现象——"tokenmaxxing"：员工竞相消耗尽可能多的AI token来刷高自己的排名，甚至用最昂贵的高级模型回答最简单的问题。
从"越多越好"到"精打细算"，从"刷榜竞赛"到"关停下线"，2026年的这个节点，标志着企业AI应用正在经历一场残酷的成人礼。算力狂欢过后，账单上的数字开始倒逼所有人回答一个核心问题：AI投入到底转化成了多少真实生产力？
算力"大跃进"的幻象
几个月前的硅谷和华尔街，弥漫着一种近乎宗教般的狂热。共识简单而粗暴：AI用得越多越好。
多家巨头设立了硬性考核目标，要求开发者必须达到一定的AI工具使用比例。亚马逊有Kirorank，迪士尼、摩根大通、毕马威同样搭建了内部排行榜追踪员工的token消耗量。Visa甚至开始表彰那些利用AI大幅提升效率的团队，奖励是可用于购买咖啡机等产品的内部积分。
在这种氛围下，"Tokenmaxxing"应运而生——一种专属于AI时代的办公室政治。员工们疯狂"刷分"，为了让自己显得走在AI前沿，不惜用最强大的模型处理最琐碎的任务，甚至纯粹闲聊。排行榜上的数字变成了某种身份象征，与实际工作产出之间的关联却越来越微弱。
优步首席运营官麦克唐纳德的观察直击要害："没有观察到AI token消耗量的增加直接提高了生产力。"而优步首席技术官奈贾透露的一个事实更令人震惊——该公司今年前四个月已经用完了全年的Claude Code预算。这意味着剩下的八个月，要么追加预算，要么眼睁睁看着配额归零。
200万美元的个人账单
如果说优步的情况还不够触目惊心，Meta的数据则彻底撕开了这场狂欢的底裤。
2026年4月初，Meta一名员工搭建了非官方排行榜"Claudeonomics"，追踪员工的token消耗量，并设置了"Token Legend"等荣誉称号。这个内部竞赛中，排名最高的个人用户在30天内平均消耗了2810亿至3285亿个token。按照公开定价折算，这笔费用可能接近200万美元。
一个人的月度AI消耗，抵得上一家中型企业的全年技术预算。而这些消耗最终转化成了什么？在媒体报道后，这个排行榜被迅速撤下。Meta随后表态：公司不主张将个人token数据作为评估绩效的主要方式。这种事后切割的姿态本身就足够说明问题。
初创公司EntelligenceAI汇总了2000多家使用高级AI编码工具的公司数据，得出的结论更加残酷：只有18%的token支出转化为能够触达真实用户的已交付编码产品。换句话说，每投入100元的算力成本，只有18元变成了看得见的产品，剩下的82元消失在了调试、审查、重写代码以及无意义的"技术炫技"中。
Modal AI联合创始人布奈的坦白带着某种黑色幽默："我非常确定50%的内部token支出是完全没用的，但现在很难知道是哪50%。"这句改编自广告界经典名言的话，精准描述了当下企业管理AI支出的核心困境——所有人都知道存在巨大的浪费，但没人能准确指认浪费发生在哪里。
大模型厂商的"雷雨云"
企业客户的"觉醒"，正在给大模型厂商带来实质性的压力。
谷歌CEO皮查伊在I/O开发者大会上释放了明确信号：许多CIO"非常担心给公司预算超支的问题"。当CIO群体开始集体表达忧虑，意味着削减AI预算的决策已经从个别公司蔓延为行业趋势。这对于正在冲刺商业化的AI厂商而言，无异于一片正在聚拢的雷雨云。
Anthropic刚刚宣布完成H轮融资，融资额高达650亿美元，投后估值达到9650亿美元。这家明星公司正站在IPO的门槛上，而企业客户从"越多越好"转向"精打细算"的集体行动，可能对它的营收增速造成实质性冲击。毕竟，任何一家ToB公司的估值故事，最终都要靠客户续费率和客单价来支撑。
Anthropic的官方回应试图淡化这一趋势："团队仍在探索哪些方面能带来最大的收益，以及如何最好地衡量这些收益。我们正在与客户合作，为他们提供工具，确保他们能够看到收益，而不仅仅是感受到收益。"这番话术的潜台词是：问题不在于AI没用，而在于客户还没学会正确衡量AI的价值。但问题是，当客户开始认真衡量时，他们发现的结果对厂商并不友好。
从"用量崇拜"到"效率本位"
亚马逊下线Kirorank排行榜，不是一个孤立事件，而是一个转折点。它标志着企业AI应用正在从"用量崇拜"转向"效率本位"。
这场转向的底层逻辑很简单：当一项技术的边际成本趋近于零时，人们会疯狂使用；但当账单开始累积，而产出没有同步增长时，理性的企业管理者必然会追问ROI。这不是对AI的否定，而是对AI应用方式的再校准。
财富管理公司Prime Capital Financial首席投资官威尔·麦克高夫提醒市场不要过度押注回调，他的理由是"人工智能的应用仍处于起步阶段，即使是规模庞大的公司也仍在摸索前进。"这个判断没错，但"仍在摸索"恰恰意味着企业应该用小步快跑的方式验证AI的落地场景，而不是用全员刷榜的方式制造虚假繁荣。
对于正在部署AI工具的中国企业，这场硅谷的算力纠偏提供了三个关键启示。第一，用量不等于价值。token消耗量是过程指标，不是结果指标。用AI写一封内部邮件和用AI优化一条供应链流程，消耗的token可能相同，创造的价值天差地别。考核AI应用，必须锚定在业务成果上，而不是算力消耗上。第二，隐性成本不容忽视。EntelligenceAI的18%转化率数据揭示了一个残酷现实：AI生成代码看似快了十倍，但调试、审查和重写的时间可能吃掉所有节省下来的工时。企业引入AI工具时，不能只计算"生成速度"，必须计算完整的"交付周期"。第三，治理机制必须前置。Kirorank的闹剧本质上是治理缺位的结果。在给员工开放AI工具权限的同时，如果不建立使用规范、成本追踪和价值评估机制，浪费几乎是必然的。
AI投资的新法则
企业AI支出进入"精打细算"时代，并不意味着AI投资的收缩，而是投资逻辑的重构。
过去一年，大量企业的AI预算遵循"先花出去再说"的逻辑。理由是"我们必须拥抱AI"，但"拥抱"的具体姿势、产出标准和评估框架几乎空白。这种逻辑的结果就是Kirorank式的荒诞剧——所有人都看起来很忙，所有排行榜都很好看，唯独业务没有实质性变化。
新法则的第一条是"场景优先，而非用量优先"。企业需要回答的不是"我们用了多少AI"，而是"我们在哪些场景用AI解决了什么问题"。一个关键的客服场景、一条高价值的供应链决策链路、一个高频的内部知识管理需求——这些场景的AI改造价值，远大于全员无差别使用AI工具带来的虚假繁荣。
新法则的第二条是"算清楚全链路成本"。AI工具的引入成本不仅仅是token消耗，还包括调试成本、学习成本、切换成本以及潜在的错误决策成本。Modal AI联创说的"50%无用支出"，有相当一部分可能就藏在这些隐性环节中。企业需要建立一套从token消耗到业务成果的追踪体系，哪怕初期不够精确，也比完全盲打要好。
新法则的第三条是"用考核引导行为"。亚马逊的教训已经足够深刻：当排行榜只看token消耗时，员工就会为了消耗token而消耗token。如果把考核指标从"用了多少AI"换成"AI在核心业务环节的渗透率"或者"AI驱动的具体效率提升指标"，行为自然会回归正轨。
对于中国市场的企业管理者，硅谷的这场纠偏来得正是时候。过去两年，国内企业同样经历了AI应用的FOMO情绪——唯恐错过，于是仓促上马。但当账单开始累积，当员工开始用Kimi或豆包写周报、做PPT、甚至闲聊时，所有人都会面临同一个问题：这些消耗到底值不值？
Anthropic希望客户"看到收益，而不仅仅是感受到收益"。这句话反过来说才是真相：很多企业过去只是"感受到"AI在带来变化，但从未真正"看到"过细账。当越来越多企业开始"看到"账单上的数字和产出之间的鸿沟时，算力狂欢的终结就是必然的。
给AI投资戴上ROI的紧箍咒，不是对技术的背叛，而是让它真正走向成熟的必经之路。