2026 年初，硅谷最时髦的词是 「tokenmaxxing」——CEO 们鼓励员工像没有明天一样使用 AI，内部排行榜上谁的 token 消耗量最大，谁就是英雄。Sam Altman 在 OpenAI 内部甚至把 token 消耗做成了游戏化 leaderboard，员工在社交媒体上炫耀自己的使用量。
半年后，账单来了。
在 6 月初 OpenAI 举办的「Intelligence at Work」企业活动上，Altman 发出了一个令整个行业警醒的信号：AI 支出正在经历「严重收缩」。他坦言，2026 年初客户对 AI 预算「从未提出过任何顾虑」，而仅仅几个月后，平衡 AI 预算已经突然变成了「一个巨大的问题」——足以威胁到云厂商和终端用户的盈利能力。
这不是一个孤立的声音。Uber 在今年 4 月就用完了全年的 AI 预算。据 The Information 报道，Uber 首席技术官 Praveen Neppalli Naga 承认公司已「回到画板前」重新规划。微软取消了对大部分开发者的 Claude Code 许可。亚马逊关闭了内部 token 排行榜。Priceline 的一名员工告诉 TechCrunch，一次常规的 Cursor 合同续约，价格涨了 4 到 5 倍。
从「tokenmaxxing」到预算危机，AI 行业正在经历一场剧烈的现实检验。
Tokenmaxxing：一场硅谷自导自演的狂欢
「tokenmaxxing」这个词最早出现在 2026 年初的硅谷开发者圈，它描述的是一种极致行为：以最大化 token 消耗量为目标来使用 AI 工具。在这个逻辑下，用 AI 用得越多，意味着你越「先进」、越「AI-native」。Uber 在内部设立了按团队排名的 AI 使用排行榜，鼓励员工「尽可能多地使用 AI」。OpenAI 内部同样如此——Altman 透露，公司内部排名第一的 token 消耗者现在每月使用约 1000 亿 token，而六年前，这个数字仅仅是 10 万。
但 token 消耗量从来不是生产率指标。它是成本指标。
TechCrunch 今年 4 月的一篇报道标题已经点破了问题：「Tokenmaxxing 让开发者的生产力低于他们的想象」。文章援引 GitClear 的数据指出，频繁使用 AI 的开发者，其代码改动率（churn）比不使用 AI 的同行高出 9.4 倍——远超过 AI 工具带来的生产力提升。Faros AI 对两年客户数据的分析发现，高 AI 采用率下，代码改动率暴增 861%。Jellyfish 在对 7,548 名工程师的研究中得出一个刺眼的结论：token 消耗最高的工程师产出确实翻倍了——但他们的 token 成本是 10 倍。
「用两倍的吞吐量换十倍的 token 成本」，Jellyfish 研究负责人 Nicholas Arcolano 总结道，「极端支出是否值得，取决于最终交付代码的商业价值，而大多数公司目前还无法衡量它。」
Uber：教科书级的预算失控
Uber 的案例将成为商学院未来几年反复引用的 AI 预算管理反面教材。
2025 年 12 月，Uber 向大约 5,000 名工程师推出 Anthropic 的 Claude Code。到 2026 年春天，95% 的 Uber 工程师每月使用 AI 工具，约 70% 的提交代码来自 AI 工具。从工程采用的角度看，这是一次教科书级的成功推广。从财务角度看，这是一场灾难。
据 Forbes 报道，Uber 在 2025 年的研发支出为 34 亿美元，同比增长 9%。但 AI 支出失控的关键不在于预算规模，而在于基于 token 的消费定价模型完全超出了企业财务团队理解和管理的能力。每月每个工程师的 AI 支出在 $500 到 $2,000 之间，重度用户甚至更高。当 CFO 习惯用固定许可证成本来做预算模型时，token 消耗像一个没有阀门的水龙头。
6 月初，Uber 被迫实施硬性限制：每个员工、每个 AI 编码工具每月 $1,500 的支出上限，通过内部仪表盘追踪，超出限额需特批。Uber 总裁兼 COO Andrew Macdonald 在 Fortune 的 Rapid Response 播客中直言：「很难在这些统计数据和『好的，我们现在确实多交付了 25% 的有用消费者功能』之间画一条线。这种联系还不存在。」
「如果你无法直接画出 AI 使用量与交付给用户的功能数量之间的连线，这种交易就越来越难自圆其说。」Macdonald 说。
Uber 并不孤单。据 The Verge 报道，微软也取消了大部分直接 Claude Code 许可，转向 GitHub Copilot CLI。一家公司甚至被曝在忘记设置使用限制后，收到了一张 5 亿美元的 Claude 账单。
「基础设施在暴增，应用层 ROI 还没来」
这或许是整个故事中最矛盾的部分。
在应用层哀鸿遍野的同时，云基础设施的需求正在以史无前例的速度增长。 根据 Dell'Oro Group 的数据，2025 年全球数据中心资本支出增长 57%，达到 7,260 亿美元，预计 2026 年将突破 1 万亿美元。
三大云厂商的积压合同（backlog / RPO）数字令人瞠目：
- AWS：积压合同 $2,440 亿，同比增长 40%。Andy Jassy 宣布 2026 年资本支出约 $2,000 亿，其中绝大部分投向 AWS。他在财报电话会上说：「需求非常强劲，无论是在 AI 领域还是在核心 AWS 领域。」
- Google Cloud：Q1 2026 积压合同翻倍至 $4,620 亿。Google Cloud 该季度收入首次突破 $200 亿，同比增长 63%。CEO Sundar Pichai 称「企业 AI 解决方案首次成为云业务的主要增长引擎」。
- 微软：商业剩余履约义务（RPO）达到 $6,270 亿，同比增长 99%。2026 年资本支出计划约 $1,900 亿，其中 $250 亿归因于组件价格通胀。
四大云厂商（Amazon、Google、Meta、Microsoft）2026 年合计资本支出预计接近 $7,250 亿。波士顿咨询公司对 2,400 名高管的调查显示，超过 90% 的 CEO 表示即使 AI 投资在未来一年内不会产生回报，他们也会继续维持或增加投入。
那么问题出在哪里？基础设施的「需求」是真实的，但它主要来自 AI 模型训练和推理的算力订单——而不是来自企业应用层已经验证了 ROI 的预算。 用一句话概括：云厂商在卖铲子，但淘金者还没找到金子。
Altman 的预警与即将到来的 IPO 压力
Altman 的警告之所以引起震动，不仅因为它的内容，更因为它来自 AI 行业最大的受益者之一。
在 OpenAI 的企业活动上，Altman 承认了一个流行于业内的 meme：「我的公司 Q1 就花完了全年 AI 预算，你能让它更高效吗？」他承诺 OpenAI 正在「积极推动模型以更少的支出提供更多价值」——这句话本身就暗示了模型厂商已经感受到了来自客户的压力。
Techstrong.ai 的报道指出，这对 OpenAI 和 Anthropic 尤其麻烦，因为两家公司都预计在今年 IPO，即将面临华尔街对盈利能力的严苛审视。Anthropic 总裁 Daniela Amodei 表示，高昂的模型创建成本正迫使公司从公开市场寻求资金。Anthropic 最近在一轮融资中筹集了 650 亿美元，并已向 SEC 提交了 IPO 申请文件。
与此同时，OpenAI 企业业务负责人 Alexander Embiricos 在纽约的一场活动上对 TechCrunch 表示：「六个月前，我和客户的对话全是关于『它能做什么？它够好吗？』。现在我们的对话变成了『嘿，我们花了这么多钱，你们有什么可见性？有什么审计能力？有什么 token 控制？你们的模型效率如何？』」
Linux 基金会旗下的 FinOps 基金会执行董事 J.R. Storment 的话更直白：「今年 4、5 月，我开始接到公司电话说：『天哪，我们 2026 年的 token 预算已经超了 3 倍，现在才 4 月』。整个对话从 tokenmaxxing 和『快点上』，变成了『我们需要护栏，怎么控制？』」
这不是 AI 退潮，而是「从试点到生产」的阵痛
PolyAI CEO Nikola Mrkšić 的判断可能是最精准的：AI 的试点阶段已经结束，企业开始要求 ROI。 AppDirect 首席技术官 Andy Sen 说得更具体：「很多公司到处开启 AI 功能，骑着生产力浪潮前进，直到被一张巨额账单打醒。」
一些关键数据佐证了「这并非退潮而是转型」的判断：
- Goldman Sachs 预测全球 token 使用量到 2030 年将增长 24 倍。
- Gartner 预测 2026 年 AI 代理软件支出将达到近 $2,070 亿，较 2025 年的 $864 亿增长 139%。
- 尽管 token 单价在下降，但代理式 AI 工作流所需的 token 数量远超传统模型调用——Gartner 预计到 2030 年高性能模型的推理成本将下降 90%，但总支出不会下降，因为用量在激增。
在工具层面，一个全新的市场正在形成。Linux 基金会本周宣布成立 Tokenomics Foundation，旨在为 AI token 建立类似 FinOps 的成本管理体系。Datadog、New Relic、Ramp 等公司纷纷推出 AI 支出监控功能。NEA 合伙人 Tiffany Luck 在 TechCrunch Equity 播客中指出，token 效率和可观测性将成为「AI 基础设施层的关键组件」。
Vitaly Gordon（Faros AI CEO）的总结值得深思：「也许我们造出了蒸汽机，但我们还没搞明白流水线怎么搭。」
Jellyfish 的 Arcolano 给出了一个务实建议：「最好的 ROI 来自将广大的中间用户从低使用量推向中等使用量，而不是把重度用户推得更高。」这或许是当下 AI 行业最需要听到的一句话——不是更少地使用 AI，而是更聪明地使用它。
AI 的「敞口喝」时代已经结束。现在，每一口都要算账。
