AI 代币成本成为新的企业战场

AI 采用正在创造一个高管们再也无法忽视的新成本项目

在过去一年里，生成式 AI 的商业价值一直被概括为一些宽泛的好处：更快的编码、更迅速的客户支持、更好的内部搜索，以及更少重复性的办公室工作。如今越来越清楚的是，这一转变的经济账已不再只是理论。随着更多员工每天依赖大型语言模型，企业发现账单并不会以一份单独的软件订阅的形式出现，而是以代币流的形式不断累积。

这一逐渐成形的管理领域，常被称为“tokenomics”，正在从技术团队走向财务部门。其核心问题很简单。员工向模型发送的每一个提示、模型读取的每一份文档，以及模型生成的每一个回答，都会增加使用量。在小规模下，这些成本看起来还算可控。但在企业规模下，尤其当 AI 工具嵌入编码、分析、销售和支持流程之后，总成本会迅速上升，迫使企业在预算和权限上作出艰难决定。

WIRED 的报道正实时呈现这一转变。在商业软件公司 8x8，员工已经在使用 Anthropic 的 Claude 起草邮件、分析客户反馈并编写代码。该公司表示，在过去 18 个月里，通过取消其他一些 Claude 可以部分替代的工具订阅，公司每年已节省约 500 万美元。就目前而言，8x8 表示其 Claude 的年化支出仍远低于这一节省金额。

早期受益者仍预计平衡会发生变化

这并不意味着经济账已经定型。8x8 高管 Joel Neeb 告诉 WIRED，随着采用范围扩大，以及更多复杂工作转移到模型上，他预计节省与 AI 成本会随着时间推移逐渐接近。这正是当前企业 AI 的关键张力。企业也许可以在试点团队表现出生产力、旧软件合同被取消时，为当前支出找到理由，但更广泛的部署会改变这笔账的算法。

这一模式在整个行业中都已显现。加拿大皇家银行披露，过去六个月代币使用量增长了 500%。思科表示，其三分之一员工每天都在使用内部 AI 聊天机器人，使用量变得“相当疯狂”。Amplitude 的首席执行官说，一些顶级工程师每月在代币上的花费高达数千美元甚至更多。Box 的首席执行官则称，代币预算是当下最重要、也最激烈的讨论之一。

这些例子之所以重要，是因为它们表明，这一问题并不局限于某一个行业。银行、网络基础设施供应商、分析平台和云软件公司都在遇到同一个约束：AI 需求往往比用于管理它的控制措施增长得更快。

代币管理正在变成运营策略

一旦使用量激增，高管们只剩下少数几个实际可行的杠杆。他们可以限制访问、约束高端模型、将较简单的任务导向更便宜的模型、重设提示词以减少浪费，或者要求团队证明生产力收益足以抵消支出。这些选项没有哪一个纯粹是技术问题。每一项都会影响员工的工作方式，以及 AI 是更像一个开放平台，还是一个严格配给的资源。

这也是为什么 tokenomics 正在从采购细节变成运营问题。希望开发者用 AI 生成代码、营销人员用它起草内容、支持团队用它处理客户流程的公司，需要制定规则来明确谁可以使用哪种模型、用于哪些任务，以及在什么成本阈值下使用。没有这种纪律，小规模试验就可能变成失控的企业开支。

与此同时，过于强硬的限制也有自身风险。如果获批的内部工具变得太慢、太受限制，或使用成本高到无法自由调用，员工可能会绕开它，或者只把它用于低价值任务。这会削弱企业希望释放的那些生产力收益。

下一阶段的 AI 支出将面临更严格的审视

企业 AI 投资的第一波由紧迫感推动。高管担心落后，供应商竞相把模型集成到每一个工作流中，而董事会则希望看到管理层已经拿出了计划。下一阶段很可能会更具挑战性。财务团队会追问，哪些工作负载真正值得昂贵的推理成本，哪些用例可以可靠地自动化，以及 AI 究竟是在替代其他软件，还是只是在增加第二张账单。

8x8 的案例表明，已经有公司通过整合为成本腾出了空间。但更广泛的市场信号则显示出更严峻的现实：一旦 AI 足够有用、足以推广，代币使用量往往就会持续攀升。在这种环境下，受益最大的公司未必是采用最热情的公司，而可能是那些把 AI 使用当作一种可衡量的工作操作系统，而不是一个含糊的创新预算的公司。

生成式 AI 已经不再只是一个能力问题。对许多组织来说，它正在变成一个计量问题。最终，这一转变可能会决定哪些 AI 部署能够规模化，哪些会停滞，以及哪些能撑过下一轮预算审查。

本文基于 Wired 的报道。阅读原文。