之前Token消耗量和绩效挂钩，现在突然踩刹车，以后不能用AI了？

100万亿。这是一个1后面跟着14个0的天文数字，但在2026年，这还不到国内每天大模型Token消耗量的一半。

今年上半年，大厂茶水间里最热的话题变成了：“你今天烧了多少？”大家聊的都是现在最流行的硬通货Token。这东西要是一旦管理不好，能瞬间把大公司的现金流烧出一个不小的窟窿。国外有家企业开通授权时忘了设上限，一个月下来账单直接飙到了5亿美元；国内米哈游也有工程师在跑多智能体协作时没加熔断，几十个AI在后台自顾自疯狂聊天，短短13个小时就烧掉了200万元。

大厂为了不掉队，今年年初强行把Token消耗量跟员工的考核挂钩。Meta在内部上线了消耗排行榜，亚马逊把它塞进了团队考评里，英伟达的老板黄仁勋甚至公开说，如果他的工程师每年烧掉的Token不值年薪的一半，他就会非常发愁。这么着急，说白了就是害怕被AI这趟车给落下了，于是直接把“用了多少AI”跟“创造了多少价值”画上了等号。

AI技术本身的升级也给这件事加了一把不小的“火”。从去年底开始，行业全面转向了智能体模式，AI学着自己规划任务、多轮纠错。当几个AI分工协作的时候，麻烦就更大了。它们在后台沟通时会拼了命地重复读取历史对话，不断互相客套。这种多智能体之间的“沟通成本”和功能冗余，会让Token的开销凭空多出来好几倍。而大模型厂商自然也乐见其成，计费方式全面变成了按用量付费，客户用得越多，他们赚得越多。

就在最近这两个月，这场全员狂欢突然被按下了刹车键。Meta一个月在Token上烧掉一亿多美元，Uber更是用四个月就耗光了全年的AI预算，管理层不得不紧急出台限额令，每位员工每月最多只批1500美元，外包岗位的额度更是直接被砍到了1000块钱。

更让人心里没底的是，整个大模型市场正在严重地两极分化。大家平时在新闻里看到的那些打折降价，便宜的永远是那些干不了复杂重活的轻量模型。而企业真正刚需的编程、复杂推理等场景，价格非但没降，反而在逆势往上涨。

海外大厂核心模型定价翻倍，国内核心API的价格也是普通场景的四倍之多。这就给不少指望用AI来轻松办公的上班族浇了一盆冷水。老板在后台死死盯着额度，稍微复杂的任务让AI跑几轮，你的额度当天就直接熔断了，到头来发现连干活的工具都用不起。

很多原本以为能帮企业省钱的AI场景，坐下来仔细算一笔账，发现用AI反而比请人工还要贵。

用AI来筛选并初评一份简历，Token加上系统成本要花一块两毛钱，但如果请个兼职的人事来处理，成本其实只要八角钱。在数据标注、简单客服和文案撰写里，这种成本倒挂的情况到处都是。为了填平大模型背后高昂的算力窟窿，科技巨头在今年一季度已经裁掉了四万多人。这就引发了职场里一种很奇怪的恶性循环。

大家为了找安全感，明明几秒钟用脑子、用搜索引擎就能解决的简单邮件、基础数据查询，也非要交给大模型跑一遍，试图在公司的后台看板上刷高自己的AI工具使用时长，用消耗量来向老板证明自己“拥抱了变革”。结果大家活干得越来越累，而实际沉淀出来的落地成果却没几个。

面对这么一笔算不清的糊涂账，以后对Token会有明确的相关规定或者收费标准吗？指望出台法律去规定一个词值多少钱显然是不太可能的，真正能让这个市场走向规范的，是商业模式的底层重构。

未来的计费规则一定会从现在这种不透明的按量付费，彻底变成按任务价值收费。低价值场景的Token会变得像一张纸、一支笔一样廉价，甚至无限接近于零；但高价值的复杂编程和长程推理，哪怕只消耗了几个Token，厂商也会根据它创造的实际效益来收高价。谁掌握了高质量的智能上限，谁就握住了相应的定价权。

在这个被焦虑裹挟的AI大潮里，普通人总觉得多用AI就能通往高效，到头来可能只是帮公司刷了算力账单。你们觉得每天坐在电脑前用AI刷消耗的自己，是真的提高了效率，还是在不知不觉中变成了大厂账单上的一个分母？如果有一天，公司因为付不起高额的Token费用而把AI和岗位一块儿砍掉，那我们今天的盲目跟风，究竟是在见证奇迹，还是在亲手给自己挖掘职场的坟墓？