车灯太亮特斯拉需召回2万辆Model3Y！不许OTA必须进店修
企业 AI 消费的 " 无限痛饮 " 时代正在收尾 ，但账单管控并不即是踩刹车。今年上半年 ，"Token 最大化 "（Tokenmaxxing）成为企业 AI 圈的流行词。Meta、Salesforce 等公司主动勉励员工尽可能多地消耗 AI Token 以提升生产力。Meta 内部甚至泛起了一个名为 " 克劳德经济学 "（Claudeconomics）的排行榜 ，追踪公司前 250 名重度用户。数据显示 ，Meta 员工在 30 天内消耗了凌驾60 万亿个 Token ，单个最高消耗用户约达2800 亿个 Token。员工们为了竞逐 "Token 传奇 "" 缓存巫师 " 等称呼 ，让 AI 署理花数小时做无意义的研究来 " 烧 Token"。随后 ，Uber 因在四个月内烧光 Claude Code 和 Codex 全年预算登上头条 ，随即对员工实施每月1500 美元的使用上限 ，凌驾部分需逐案审批。这些事件引发广泛关注。但 SemiAnalysis 团队在 Databricks AI 峰会上进行实地调研 ，并通过 Slack、电话与凌驾 50 家企业客户深度交流后 ，得出了与媒体叙事截然差别的结论。该机构认为 ，媒体的报道严重夸大了问题的普遍性。Meta 和 Uber 的极端案例 ，泉源是激励机制失当和内部治理松弛 ，而非企业 AI 投入整体失控。 头条故事被夸大 ，真实数据更温和媒体报道可能夸大了企业 AI 预算�；�。要害数据支撑这一判断。SemiAnalysis 援引 Ramp 的消费数据显示 ，前 1% 的头部客户每位员工年均 AI 支出约9 万美元 ，前 10% 约为7300 美元 ，而 Ramp 客户的中位数仅为136 美元。Ramp 客户整体技术应用水平已远高于普通企业 ，但《财产》500 强媒体类客户的人均 AI 支出仍远低于100 美元。即即是 " 烧 Token 大户 "Meta ，按标价盘算每年每位员工花费接近5 万美元 ，据 SemiAnalysis 估算也仅占 Anthropic 客户收入的3% 至 5%。Anthropic 自身文档也印证了这一点：Claude Code 开发者月均支出仅150 至 250 美元 ，仅10%的用户日均花费凌驾 30 美元。SemiAnalysis 认为：" 媒体的夸大报道并不属实——企业仍在连续投入 ，新的需求场景和笔直领域带来的 Token 消耗 ，正推动着 AI 列车以迅猛的速度继续前行。"这意味着企业 AI 接纳仍处在不均匀扩散阶段。不是所有员工都在高频挪用大模型。许多公司只是少数团队、少数岗位先跑起来。 预算管控成新常态 ，但标准五花八门凌驾 50 家受访企业中 ，大大都已对 AI 使用设置硬性上限。但各公司的标准差别极大 ，并无行业共识。低端案例：美国排名前三的航空航天与国防制造商：每人每月250 美元上限 ，部分重度用户首月四天即耗尽额度全球最大制药公司之一：每人每月500 美元 ，特殊情况可申请1000 美元高端案例：Workday、Stripe：员工月度预算约2000 美元上市网络宁静公司：初级员工每月800 美元 ，高级员工1600 至 4000 美元 ，数据科学家获最高额度大型旅游科技公司（1500 名员工中 800 名工程师 ，年 AI 支出接近1000 万美元）：默认每人每月200 美元 ，凭据职位可增至数万美元预算设定逻辑也各有差别。一家美国三大航空公司之一的做法最为特殊：Token 分派直接与具体项目及预期营收挂钩。例如 ，一个预期营收1000 万美元的项目 ，财务团队批准100 万美元总支出预算 ，团队再自行决定其中几多比例用于 Token —— AI 本钱被纳入项目财务模型 ，而非单独的 IT 预算。 员工的 " 省 Token" 生存规则预算压力倒逼出了一套实用的 Token 节约战略。最典范的是 "Copilot 套利 "：微软 365 企业版订阅用户可免费无限使用标准 Copilot 聊天机械人 ，且该使用量不计入月度 AI 预算。一家大型荷兰消费品与健康科技公司明确体现 ，员工会先用 Copilot 起草和整合创意 ，再挪用 Claude 或 Codex 处理最终任务 ，以此节约计量 Token。模型降级也是常见手段。那家全球旅游科技公司已将所有员工的 Claude 默认模型从Opus 切换为 Sonnet ，Opus 仍可使用但需主动选择。那家航空航天与国防制造商则直接 " 关闭 " 了Opus 4.8 和快速模式。对此 ，SemiAnalysis 团队直接点评了治理层的逻辑：" 治理层认为给员工更大的 Token 预算会促使他们自动化那些基础不应自动化的任务 ，好比撰写邮件。我们认为这种反自动化看法过于天真。" 自制 Token 需求仍在增长 ，TaaS/API 端点市场没有冷下来预算治理不即是减少挪用。企业更体贴的是单位本钱。自制 Token 的需求仍然强。前沿模型和开源模型的 Token-as-a-Service/API 端点市场都在增长。AWS Bedrock 被纳入测算后 ，SemiAnalysis 对 AWS 本季度整体增长率的预计高于市场预期。TaaS 供应商也在扩张。Together、Fireworks、Baseten 等公司合计 ARR 已凌驾 40 亿美元。这说明企业预算压力会改变采购结构。能用自制模型解决的问题 ，就不会一直挪用最贵模型。默认模型被降级 ，不代表 AI 使用减少 ，而是本钱曲线被重新优化。 编码仍是最强需求 ，AI 列车没有因为预算上限而减速编码场景仍是目今 AI 收入最大的驱动力 ，OpenAI 和 Anthropic 逾 70% 的 ARR 来自这一偏向。Anthropic B2B 占比超 90%（OpenAI 约 60%） ，决定了其收入结构对企业端的依赖更深 ，也更稳定。下一波增长被认为将来自网络宁静和白领知识事情。随着 Cowork、CoPilot、Codex 及 Computer 类产品进一步渗透企业 ，编码市场拉动 AI 实验室 ARR 增长的路径 ，会在更广泛的场景中重演。目今大大都财产 500 强企业的人均 AI 支出仍远低于 2000 美元 / 年 ，主要集中在工程和数据科学部分。这意味着 AI 在企业中的普及还处于早期阶段 ，增长空间并未消失 ，只是换了形态——从 " 随意烧钱 " 酿成了 " 有预算地连续投入 "。 AI 真正的 ROI：效率提升 ，但产出预期也在同步上升在受访企业中 ，AI 带来的效率提升案例真实保存 ，且效果显著。亚马逊招聘部分：从开端筛选到团队安顿的流程 ，已往需要6 至 9 个月 ，借助 AI 工具后缩短至3 至 4 个月一家为 85% 的《财产》500 强提供数据剖析效劳的公司：已往需要一周完成的事情 ，现在只需几小时但效率提升的另一面是：产出预期同步上升。一位执法数据与危害解决计划公司的员工坦言 ，原本一周的事情量被压缩到几小时 ，" 但公司却因此期待她完成更多事情 ，结果她比之前更忙碌了。"SemiAnalysis 指出 ，Uber、Meta 等公司的 Token 超支事件 ，基础原因是激励机制失当和监管松懈 ，而非缺乏高 ROI 的应用场景。亚马逊尽管大规模裁人 ，但因 AI 工具带来的效率提升 ，正在以更快速度招聘新员工——这是 AI 作为 " 人力杠杆 " 最清晰的注脚。