企业加速使用更多 AI 的竞赛正在放缓
职场中一度流行的、以最大化生成式 AI 使用为目标的执念，正开始碰上一个更为严峻的现实：成本纪律。Fast Company 在 7 月 28 日发布的一篇报道描述了“tokenmaxxing”吸引力的减弱。这个词用来形容在工具和工作流中推动大量消耗 AI token 的做法，背后相信更多使用意味着更好的表现、更快的产出或更强的创新能力。
随着企业争相将 OpenAI 和 Anthropic 等提供商的系统投入实际运营，这种心态一度迅速传播。实际上，token 使用量成了采用强度的一个粗略代理。一个组织生成的提示、输出、代理和自动化任务越多，它看起来就越先进。但这篇报道显示，企业买家正在越来越明确地区分“活跃度”和“价值”。不断上涨的账单，并不总能对应同等幅度的生产力或业务成果提升。
Moody’s Ratings 的 AI 分析负责人、也是 Fast Company 引述的一份报告作者 Vincent Gusdorf 主张采取更有纪律的方法。他的观点很直接：生成式 AI 很容易制造工作、摘要、草稿和流程层，但这些内容未必真的有必要。每一次交互都会消耗 token，而且会在整家公司范围内放大，浪费可能很快累积。
从地位信号到成本中心
文章追溯了就在几个月前，重度 token 使用还曾受到追捧的过程。知名科技领袖曾把高强度 AI 消耗描述为团队积极试验、认真对待这项技术的信号。OpenAI 首席执行官 Sam Altman 在 5 月表示，他很期待看到“tokenmaxxing 创业公司”会做出什么，以及它们在内部将如何运作。Nvidia 首席执行官 Jensen Huang 则认为，如果一名高薪工程师没有使用大量 token，那就说明哪里出了问题。报道还称，Meta 甚至举办过一场内部竞赛，奖励 token 使用量。
这种叙事助长了一种文化，把 AI 支出当作雄心的徽章。典型的重度用户不只是自动化日常任务，而是在持续编排成群的 AI 代理。假设是，只有把系统使用量推到足够高的水平，才会在某处发现价值：更快的编码、更多内容生成、更好的研究，或者全新的产品功能。
对于模型提供商来说，这种活动激增会直接转化为收入。但对企业买家而言，经济账就完全不同了。它们要承担 token 账单、集成成本、治理负担和数据风险。一旦这些支出从假设变成现实，管理层就必须提出一个不那么时髦的问题：哪些用法真的值得付费？
为什么怀疑情绪正在上升
报道中描述的反弹并不意味着企业在转向反 AI。情况更具体一些。公司依然希望获得生成式模型承诺带来的收益，但它们越来越不愿意默认“最大化使用”就等于“聪明使用”。这种区分很重要，因为基于 token 的计费可能会鼓励那些容易扩展、却难以证明合理性的行为。
Microsoft 首席执行官 Satya Nadella 在 Fast Company 引述的评论中承认，tokenmaxxing 可能会上瘾，同时指出客户也许在付两次钱：一次为 token 本身，另一次则是把专有数据交给提供商。虽然 Nadella 也在推销 Microsoft 自己的战略，但这一批评指向了更广泛的企业担忧。成本只是方程的一面，敏感信息的控制权则是另一面。
Palantir 首席执行官 Alex Karp 用了更尖锐的措辞，称有些事情已经“完全出错”，并传达了他所描述的企业挫败感：他们觉得自己花了很多钱，却几乎没有得到回报。这些反应背后的共同点，并不是拒绝 AI 这一类别，而是拒绝无方向的 AI 支出。
企业 AI 的指标问题
tokenmaxxing 之所以迅速传播，部分原因在于 token 是可衡量的。在许多公司都承受着展示 AI 进展压力的时期，使用量统计提供了一个可见的数字。董事会和高管可以拿采用率、生成内容数量或不断扩大的内部使用场景来证明公司没有落后。
但可衡量并不等于有意义。token 总量并不能说明质量、节省了多少时间、错误率、客户结果或收入影响。它们甚至可能通过让活跃度看起来像进步来掩盖浪费。一个团队可以借助 AI 生成更多草稿、更多分析和更多合成研究，但对核心表现几乎没有改善。结果就是企业常见的陷阱：优化最容易汇报的指标，而不是最能反映价值的指标。
这正是 Moody’s 所描述的转变在战略层面变得重要的地方。如果企业从最大化消耗转向评估回报，采购和产品决策就可能迅速改变。赢家将不再只是拥有最大原始使用量的模型供应商，而是那些帮助客户更有选择性、更安全、并以更清晰经济逻辑使用模型的公司。
接下来会怎样
最可能的结果不是企业 AI 需求崩塌，而是转向更严格的控制、更有针对性的部署，以及对 token 花在哪里的更高审查。企业可能会优先选择那些能直接带来回报的用例，例如编程辅助、能够带来可衡量周期缩短的文档工作流，或嵌入创收流程、面向特定领域的 copilots。那些生成大量结果、但商业收益模糊的试验，可能会遭遇更强的内部阻力。
这将标志着企业采用进入更成熟的阶段。生成式 AI 进入许多办公场所的早期阶段，奖励的是热情和可见的试验。下一个阶段则可能奖励克制、衡量，以及能让成本保持可预测的架构选择。从这个意义上说，tokenmaxxing 的退潮与其说是退却，不如说是正常化。这项技术正在从表演性阶段，走向支配大多数企业软件的采购逻辑。
Fast Company 报道传递的重要信号并不是公司因为兴趣消失而减少使用 AI，而是它们开始追问每个 token 的支出是否能产生持久价值。对于一个以规模为基础的行业来说，这可能会成为最重要的问题。
本文基于 Fast Company 的报道。阅读原文。
Originally published on fastcompany.com