标签: AI成本

  • 企业AI狂欢结束,Accenture们开始严控员工用AI的”零花钱”

    企业AI预算管控
    企业开始严控AI token支出(概念图)

    今年早些时候,AI行业还在鼓励每家公司的员工尽量多用AI,把token预算花到上限,甚至搞内部排行榜来激励大家——这个现象有个名字叫”tokenmaxxing”。但现在,风向变了。

    最新的信号来自Accenture。根据404 Media获得的内部会议录音,这家全球咨询巨头的agentic AI战略负责人Justice Kwak在会上说了一句话:”AI正在成为成本结构里不可忽视的一项,支出的可预测性越来越差,CFO、COO、CIO级别的人都在问,花的钱到底值不值。”

    从”多用AI”到”省着用”

    这个转折来得很快。就在不久之前,Accenture还在内部发话,说不用AI的员工”会失去晋升机会”。现在同样这家公司,却在想办法阻止员工把token预算花光——比如用AI把PDF转成PPT这种琐碎任务,在Accenture内部已经被点名了。

    这背后的逻辑其实很朴素:token不是免费的,而且价格不便宜。一家有几万名员工的公司,如果每个人每天用AI助手处理几十条请求,一个月下来账单可以很吓人。更关键的是,很多这样的用法并没有产生对应的商业价值。

    “我们正处在一个拐点,AI正在成为成本结构中实质性的存在。支出变得非常不可预测,领导层——尤其是CFO、COO和CIO级别——仍在问一个问题:我们从AI上花的钱,到底得到了什么价值?”
    ——Justice Kwak,Accenture agentic AI战略负责人

    不只是Accenture

    Accenture不是唯一一个开始”token配给”的公司。根据The Information的报道,Meta也在采取措施限制员工使用AI工具,原因是AI成本已经达到了数十亿美元的规模。

    Amazon之前也干过类似的事——他们曾经搞过一个”tokenmaxxing排行榜”,鼓励开发者尽量多用AI工具,后来因为成本失控,这个排行榜被悄无声息地撤掉了。

    这种现象背后是一个更深层的问题:企业到底该怎么衡量AI的ROI?员工用AI确实可能提高了效率,但这个效率提升能不能覆盖AI使用的成本,很多时候是一笔糊涂账。


    token经济的泡沫信号

    企业开始严控AI支出,这个时间节点值得注意。就在这几天,资本市场出现了一波”AI抛售”——memory芯片制造商的股价受到了明显冲击。投资者正在重新评估AI公司的盈利模型,光有”增长”和”兴奋感”已经不够了。

    从企业端来看,token成本的疑问正在动摇整个AI商业模式的根基。如果连Accenture这种最积极拥抱AI的公司都在问”值不值”,那说明这个行业已经从”跑马圈地”进入了”算账”阶段。

    对员工来说,这也意味着”AI技能”的含金量正在重新定义。会用AI不等于能产生价值,能证明AI使用带来实际产出的人,才会在新一轮的”AI绩效考核”里站得住脚。

    这场从”tokenmaxxing”到”token rationing”的转变,或许是企业AI应用成熟化的必经之路。狂欢结束之后,才是真正考验的开始。

  • 企业AI账单揭秘:那1%”AI上瘾”公司,每月为每个员工花7500美元

    企业AI账单揭秘:那1%”AI上瘾”公司,每月为每个员工花7500美元

    Nvidia的一位高管前不久说了一句话,让不少人倒吸一口凉气:他们公司现在花在算力上的钱,已经比花在员工工资上的还多。紧接着,AI初创公司Mercor的CEO也出来爆料:他们内部用AI Agent花的token费用,已经超过了工资总额。

    两句话加在一起,一个很自然的问题就浮出来了:企业用在AI上的钱,真的快要超过用在人上的钱了吗?

    答案是否定的——但正在逼近

    金融支付公司Ramp发布了一份叫”Ramp AI Index”的研究报告,追踪美国企业对AI的采纳情况和支出数据。报告里有一个特别有趣的划分方式:把所有公司按AI支出强度排序,最顶尖的1%被称为”AI上瘾”(AI-pilled)公司。

    企业AI支出成本趋势
    企业AI支出正在快速上升,但绝大多数公司还在观望阶段

    这些”AI上瘾”公司每个月为每个员工花的AI相关费用,平均是7500美元。

    这个数字你怎么看,取决于你站在哪个角度。如果你是一个普通打工人,7500美元听起来像是个天文数字——这比很多人的月薪还高。但如果你把它和软件工程师的平均月薪比一下,就会发现AI还是便宜的:美国软件工程师的平均月薪大概是16000美元左右,7500连一半都不到。

    Ramp的报告揭示了一个两极分化的情况:极少数公司在大举押注AI,花起钱来眼睛都不眨;但大部分公司还在试试看的阶段,每个月的AI支出也就是一杯咖啡钱。

    绝大多数公司还在试试看

    当然,那只是最顶尖的1%。如果把范围扩大到前10%的AI采纳者,人均月支出就降到了611美元;而所有被调查企业的中位数,每个月每个员工只花11.38美元——差不多就是一个企业版AI助手订阅 seat 的价钱。

    所以这个数据其实告诉我们:AI的”贫富差距”在企业界也是真实存在的。少数公司在拼命用、拼命花;大部分公司只是开了一个账号,偶尔让它写写邮件或者总结一下文档。

    支出还在涨,而且涨得很快

    但有一个趋势值得注意:那些”AI上瘾”公司,上个月的AI支出环比又涨了14.1%。

    而且这些公司一般不全押某一个模型,而是在几个前沿模型之间反复横跳,有时候也掺一些开源模型来压成本。这种行为模式其实很符合常识:你现在如果真的在企业里推AI,很快就会发现账单是个问题。Token用量一旦上去,月底结算的时候数字会让你怀疑是不是哪里配置错了。

    这也是为什么最近一段时间,”AI成本管理”突然变成了一个热门创业方向——光是帮企业盯着自己的AI账单别爆掉,就能养活好几家初创公司。


    拐点什么时候来

    回到那个根本问题:AI什么时候真的会比人便宜?

    Nvidia高管和Mercor CEO的话,与其说是在描述现状,不如说是在描述一个他们正在主动推进的未来。当算力成本继续下降、AI能力继续提升,那个”AI比人便宜”的拐点,可能比大部分人预期的来得要早。

    但对于绝大多数企业来说,现在还远远没有到那个阶段。每个月11.38美元的中位数支出告诉我们:大部分人还在观望,或者只是浅浅地试了一下。

    那1%”AI上瘾”的公司,也许只是在替所有人探路——探完了,账单也会替所有人准备好。

  • 公司在AI上烧的钱快赶上工资了,但这只是开始

    英伟达的一位高管最近说了句大实话:在他们公司,计算成本已经超过了员工的薪资。无独有偶,初创公司Mercor的CEO也透露,他们在内部AI智能体上消耗的token费用,已经比给员工发工资还多了。

    这听起来有点夸张,但一份刚出炉的报告让我们有机会看看,普通公司在AI上到底花了多少钱。

    Ramp AI Index追踪了美国企业的AI采用情况。数据显示,排名前1%的”AI沉迷”(AI-pilled)企业,每个月在每个员工身上的AI支出是7500美元。

    这个数字到底算高还是低

    7500美元听起来很吓人,但对比一下就知道——美国软件工程师的月薪平均大概是16000美元。也就是说,即使是最疯狂用AI的那批公司,花在AI上的钱还没到给一个工程师发工资的水平。

    当然,这只是前1%的极端情况。如果把范围扩大到前10%,人均AI支出就骤降到611美元每月。而所有企业的中位数,更是只有11.38美元——差不多就是买一个企业版AI订阅的钱。

    AI计算成本
    计算成本已成为部分企业的最大支出项(图源:TechCrunch/Getty Images)

    “AI沉迷”企业还在加速花钱

    尽管绝对数额还不至于超过人力成本,但增长速度值得关注。在那些”AI沉迷”企业里,上个月人均AI支出增长了14.1%。

    这些重度用户通常会混用多个前沿模型和平台,同时搭配更便宜的开源模型来压低成本。这种”多模型套利”的策略,可能是未来企业AI采购的主流做法。

    • 前1%企业:人均月AI支出7500美元
    • 前10%企业:人均月AI支出611美元
    • 全企业中位数:11.38美元(约等于一个企业版订阅席位)
    • AI沉迷企业上月支出增速:14.1%

    这场”AI军备竞赛”才刚刚开始。对企业来说,真正的挑战不是要不要上AI,而是在疯狂烧钱之前,想清楚到底要拿AI来做什么。毕竟,token是要花钱买的,而投资回报什么时候能回来,现在还没人说得准。

  • “Token末日”降临:微软改收费模式,AI行业的成本账单终于藏不住了

    从”随便用”到”按token收费”,开发者炸了

    微软最近动了GitHub Copilot的定价,把原来的一口价改成了按token用量收费。调整幅度之大,Reddit上有网友直接把这件事叫做”Tokenpocalypse”——Token末日。

    这件事之所以值得认真说,是因为它不只是Copilot涨价的孤立事件。整个AI行业长期靠资本补贴维持着”看起来很便宜”的假象,现在Anthropic等头部公司准备上市,必须向资本市场证明自己能赚钱,涨价和限流就不可避免。Copilot只是第一个,不会是最后一个。

    AI算力与成本
    AI算力成本正在重塑整个行业的商业模式(图源:TechCrunch)

    Uber用了一个半月就把年度AI预算烧光了

    TechCrunch的播客里提到一个很说明问题的例子:Uber在短短一个半月里就把今年的AI预算花得差不多了,然后不得不紧急设置上限,限制员工的使用量。

    这种故事在大型科技公司里正在变成常态。几家AI实验室都在拼命思考同一个问题:能不能把成本降得足够快,快到跟用户的付费意愿接上头?

    “这些AI实验室能不能降低成本,同时让技术进步到足以匹配用户的支付意愿?这是个很大的问题。我在节目里提过很多次,而且好像一直都在遇到这个问题。”——Sean O’Kane,TechCrunch

    “Tokenmaxxing”从狂热到弃用,只用了六个月

    这件事最让人感慨的地方在于变化的速度。”Tokenmaxxing”——能塞多少token就塞多少——从兴起、到达顶峰、到被认为是不计成本的做法,整个过程只用了六个月。

    回想起来,ChatGPT Plus刚推出时把订阅价定在每月20美元,其实没有什么策略可言,就是随便抛了一个数字。从那以后,整个行业都在为这个定价买单。用户愿意为更高级的模型付更多钱,但即便如此,也还填不上实际成本和收入之间的缺口。


    AI公司能走出盈利困境吗?

    播客里把这个问题和Uber的早期经历做了对比。当年看衰Uber的人会拿它长期不赚钱说事,支持者就会说Uber最终会达到规模效应、填上亏损的坑。事实上Uber确实做到了,但它不得不彻底转型——从最开始的样子变成现在这个样子,压榨司机、拓展外卖、想尽办法从每个环节抠利润。

    AI公司可能也得经历类似的痛苦转型。区别是,Uber的成本里很大一块是可以给司机压价的人肉成本,而AI实验室面对的是实打实的算力账单——电费、英伟达的GPU、数据中心的租金,这些都是刚性支出,没那么多水分可以挤。

    现在去看那些准备IPO的AI公司的招股书会很有意思,因为风险因素那一章基本上是在用官方语言描述”我们也不知道这个生意到底能不能赚钱”这件事。而行业变化太快,连风险因素都来不及写准。

  • AI代币账单到期:企业花掉全年预算只用了4个月

    Uber今年4月就用完了2026年全年的AI编程预算。这件事听起来像段子,但它是真的。微软在给开发者开放Claude Code权限几个月后,悄无声息地撤销了授权。Priceline的一名员工告诉TechCrunch,Cursor的常规续约合同价格涨了4到5倍。

    AI成本失控
    企业AI支出正在失控(图源:TechCrunch)

    代币账单到期了

    尽管单个token的价格在下降,但AI的普及加上越来越自主的AI智能体,让token消耗量成倍增长。2025年初大量采购”无限量订阅”套餐的企业,现在正手忙脚乱地搞清楚钱都花到了哪里。

    OpenAI企业业务负责人亚历山大·恩比里科斯本周在纽约的一场活动中说得很直白:”六个月前和客户沟通,话题全是’它能做什么?效果够不够好?’现在这些话题根本不会出现了。现在的话题全是’嘿,我们花了太多钱了。你们能提供什么可见性?有什么审计能力?有什么token管控措施?你们的模型效率怎么样?’”

    “这就像可卡因泛滥一样。供应商先让你免费试用,让你上瘾,现在你就被它套牢了。”——Priceline IT财务高级总监 Chris Reed

    新模型让消耗爆炸

    2025年11月发布的新模型——Anthropic的Claude Opus 4.5、OpenAI的GPT-5.1和谷歌的Gemini 3 Pro——大幅提升了智能体工具的能力,也让token消耗量成倍增长。据报道,有一家公司因为忘记给员工设置使用限额,收到了5亿美元的Claude账单。

    工程运营平台Faros AI的CEO维塔利·戈登说,他最近和一位CTO沟通,对方告诉他:”我手下的一个工程师上个月花了4万美元买token,我真的不知道该阻止他,还是该告诉其他人都要像他一样用。”

    生产力提升的说法越来越模糊

    Faros今年4月发布的一项针对2万名开发者、为期两年的研究发现,开发者的产出确实在上升,但bug和返工的情况也在增加。工程管理平台Jellyfish也得出了类似的结论:使用token最多的工程师的生产效率大约是使用AI较少的工程师的2倍,但他们为此消耗的token是后者的10倍。

    Jellyfish的研究负责人尼古拉斯·阿科拉诺说:”极端支出是否值得,最终取决于上线代码带来的实际商业价值,而大多数企业目前还无法衡量这一点。”


    Tokenomics基金会来了

    正是在这样的背景下,Linux基金会本周公布了成立Tokenomics Foundation(代币经济学基金会)的计划。这是一个新的标准机构,目标是给AI token建立类似FinOps给云成本带来的成本管控规范。

    FinOps基金会的执行董事J.R. 斯托门特说:”今年4月和5月,我开始听到企业说:’天呐,我们2026年的全年token预算已经超支3倍了,现在才4月。’我们听到了很多关乎企业存亡的危机。”

    该基金会正在为”代币经济学”建立权威的定义和框架,计划7月正式推出。与此同时,一个市场已经在形成——Ramp、Datadog、New Relic,以及专门的初创公司如Pay-i和Paid,都在争相为企业提供AI成本管控工具。

    高盛预测到2030年全球token使用量将增长24倍。那些已经超支的企业现在就需要解决方案,而该基金会的首个成果还要几个月才能推出。就像戈登说的:”也许我们创造了蒸汽机,但还没有搞清楚装配线怎么建。”

  • AI烧钱速度超出所有人想象,Uber们开始慌了

    AI这场仗打到现在,终于有人开始算账了。而且一算账,所有人都愣住了。

    Uber今年前四个月就把全年的AI编程预算给烧光了。不是接近烧光,是真的烧光了。这件事听起来像个笑话,但它是真实发生的——一家市值几百亿美元的科技公司,在AI工具上花钱的速度,比他们做预算时最疯狂的假设还要快得多。

    从”能用吗”到”多少钱”

    Rebecca Bellan在TechCrunch写了一篇很扎实的报道,讲的是整个行业突然意识到AI不是免费午餐这件事。她的观察很准确:六个月前,企业和AI公司坐下来谈,话题全是”这个模型能做什么?效果够不够好?”现在再坐下来,问的问题变成了”我们到底花了多少钱?你们能提供什么可见性?有什么审计能力?”

    AI企业业务负责人Alexander Embiricos说得很直白:”现在大家问的都是’我们花了这么多钱,你们能提供什么可见性?有什么审计能力?有什么token管控措施?你们的模型效率怎么样?’”

    这个转变来得很快。快到很多企业根本没来得及建立任何成本管控机制。

    几家欢乐几家愁

    Priceline的一名员工告诉TechCrunch,他们常规Cursor合同的续约价格涨了4到5倍。微软在开放开发者Claude Code许可仅仅几个月之后,就撤销了相关授权。这些动作背后的逻辑很简单:AI工具的采购成本正在失控,而大多数公司对此几乎没有任何实时监控能力。

    有一家企业因为忘记给员工设置使用限额,最终收到了一张5亿美元的Claude账单。这听起来像都市传说,但它是真实发生在2025年到2026年初某个时间点的事情。具体是哪家公司,报道里没有点名,但这反而让这个故事更有威慑力——因为任何一家在AI上”无上限”投入的公司,都有可能成为下一个主角。


    token到底有多贵

    单看每个token的价格,其实是在下降的。但问题是,AI智能体普及之后,token的消耗量是呈指数级增长的。Jellyfish的研究负责人Nicholas Arcolano提供了一组数据:使用token最多的工程师,生产力大约是使用AI较少的工程师的2倍,但他们消耗的token是后者的10倍。

    换句话说,你花5倍的钱,换来了2倍的生产力。这笔账划不划算,取决于你用AI做出来的东西到底能卖多少钱。而大多数企业目前还无法衡量这一点。

    Faros AI的CEO Vitaly Gordon说得更直白。他最近和一位CTO聊天,对方告诉他:”我有一个工程师上个月花了4万美元的token费用,我真的不知道是该阻止他,还是应该告诉其他人都向他学习。”


    有人在想办法

    市场永远不会让一个真实的需求空缺太久。Linux基金会在本周宣布了Tokenomics Foundation(代币经济学基金会)的成立计划。这个新的标准机构,目标是为AI token建立类似FinOps(云成本优化)为云支出建立的那种成本管控规范。

    FinOps基金会的执行董事J.R. Stormet说,他从今年4月开始就不断听到企业说类似的话:”天呐,我们2026年的全年token预算才到4月就已经超了3倍。”他说他听到了很多”关乎企业生存的危机”,整个对话的重心从”tokenmaxing(最大化token使用量)”和”快速推进”,转向了”我们需要护栏,怎么控制成本?”

    追踪token成本的难度,远比追踪云成本要高得多。Stormet说:”追踪云成本是一个每月需要处理数亿行数据的问题,而追踪token成本是一个每月需要处理数万亿行数据的问题。你不可能把它塞进任何电子表格甚至基础工具里。”


    新玩家入局

    针对这个需求的市场正在快速形成。有像Pay-i这样的纯业务公司,负责追踪、衡量和优化生成式AI投资的成本和性能;还有Paid,它让开发者可以追踪成本、衡量使用情况,并且根据实际价值而不是订阅费向用户收费。

    此外还有Jellyfish、Waydev、Faros AI这类公司,它们都提供AI智能体监控服务,以证明开发工具的投资回报率。Stormet表示,FinOps基金会旗下的180家供应商中,大多数都在向这个领域倾斜。

    已经有客户基础的成熟公司也在增加新功能,以抢占这个新市场。Ramp最近进入了AI支出管理领域;Datadog和New Relic增加了云成本管理、token级可观测性、GPU监控等服务。


    标准缺失,乱象丛生

    但所有这些工具都是在缺乏通用语言和共享定义的情况下开发的。没有统一的标准说明一个token的成本是多少、它能产生什么、以及如何跨供应商比较支出。这正是Tokenomics基金会希望发挥作用的地方。

    该基金会正在为”代币经济学”建立权威的定义和框架;制定AI token使用和计费的开放标准、规范和指标;以及新的AI经济指标,比如每智能成本、每瓦特token数。它还计划定义token工厂效率和消耗效率相关的指标。

    该组织计划在7月正式推出,下周将在FinOps X大会上宣布更多成员。但问题是,高盛预测到2030年全球token使用量将增长24倍。那些已经超支的企业现在就需要解决方案,而该基金会的第一个交付成果还要几个月才能推出。


    也许我们还没准备好

    Gordon说了一句很值得玩味的话:”也许我们创造了蒸汽机,但我们还没有搞清楚装配线。”

    这句话精准地描述了2026年中全球AI行业的现状。我们有了强大的模型,有了愿意为它们付钱的企业,有了快速增长的用户基数。但我们还没有搞清楚如何让这场狂欢可持续——不只是技术上可持续,而是商业上可持续。

    Uber花光全年AI预算的故事,不会是最后一个这样的故事。在token账单大到让CEO们无法忽视之前,类似的”翻车”还会继续发生。而等到那时候,Tokenomics Foundation的标准也许才刚刚准备好。

  • AI公司没想到,第一个危机是代币账单爆炸

    Uber在今年4月就把全年的AI编程预算烧完了。这件事听起来像是个段子,但它是真的。四个月,全年预算,清零。接下来Uber做的事情是给每个员工设了个上限——每个月1500美元,爱用不用。

    这不是孤例。微软几个月前刚给开发者们开通了Claude Code的授权,结果没撑多久又给撤了。Priceline的一名员工告诉TechCrunch,他们续签Cursor合同的时候,价格比去年贵了4到5倍。

    代币账单来了

    行业里把这件事叫”代币账单到期“。过去一年半,CEO们都在催促团队”尽可能多用AI”,结果是大家真这么干了。等到财务部门抬头看一眼账单,才发现事情已经失控。

    这里有个反直觉的地方。单个代币的价格其实是在下降的。但问题是,大家用的代币数量涨得更快。尤其是今年春天开始,各家陆续推出了能自主执行任务的AI智能体,消耗一下子被放大了好几倍。

    据OpenAI企业业务负责人Alexander Embiricos说,半年前和客户聊天的主题是”这东西能干啥,够不够好”。现在所有对话都变成了”我们花太多了,你们有什么可见性?有什么审计工具?模型效率到底怎么样?”

    Tokenomics基金会

    Linux基金会本周宣布成立Tokenomics Foundation,目标是对AI代币的成本、计费和使用效率建立一套开放标准。这个思路跟当年FinOps对云计算成本做的事情类似——当账单大到一定程度,行业就需要一套共同的语言来讨论它。

    FinOps基金会的执行董事J.R. Storment说,今年4月和5月,他不断听到企业说同样的话:”天哪,我们今年的代币预算已经超了3倍,但现在才4月。”整个话题从”能跑多快”变成了”我们需要护栏,怎么控制这个东西?”

    Priceline的IT财务总监Chris Reed用了一个很形象的比喻:”这就像可卡因 epidemic。他们让你先试试,把你勾住,然后你就被套住了。”Priceline已经开始给某些团队设置代币使用上限。

    生产力谜团

    这里有个让CEO们睡不着觉的问题:花出去的真能赚回来吗?工程运维平台Faros AI在4月发布了一份针对2万名开发者、历时两年的研究报告。结论有点尴尬:用AI的开发者产出确实在上升,但同时bug和返工也在增加。

    另一家工程管理平台的发现是:用最多代币的开发者,生产力大约是少用AI的人的2倍——但他们消耗的代币是后者的10倍。到底值不值,大多数公司其实说不清楚。

    Jellyfish的研究负责人Nicholas Arcolano说了一句话,很好地概括了当下的困境:”花得值不值,最终要看发出去的代码带来了多少商业价值,比如收入。而这一点,大多数公司仍然无法衡量。”


    高盛预测,到2030年全球代币使用量将增长24倍。对于那些已经在4月就花光全年预算的公司来说,这个数字看起来不像是个好消息。

    Faros AI的CEO Vitaly Gordon说了一句话,可以作为这个阶段的注脚:”我们可能已经造出了蒸汽机,但还没有想清楚装配线该怎么搭。”

  • AI的账单到期了:科技公司开始为Token烧的钱买单

    Uber把2026全年的AI编程预算,4月份就烧完了。这事听起来像段子,但它是真的。

    TechCrunch最近发了一篇深度报道,讲整个行业突然意识到一件事:AI不是免费的基础设施,它贵得离谱,而且账单来得比任何人准备的都要快。

    AI公司们在2025年初疯狂使用AI,所有人都开着”放开用”的订阅模式,没人真正盯着花了多少钱。等到年底一算账,才发现Token消耗已经完全失控。

    从”能不能用”到”花了多少钱”

    OpenAI的企业业务负责人Alexander Embiricos说,半年前他和客户聊天,对方问的都是”这个模型能做什么?够不够好?”现在完全不一样了,所有人都在问:”我们花了多少钱?你们有可见性吗?有审计能力吗?有Token管控吗?你们模型的效率到底怎么样?”

    微软几个月前给开发人员开通了Claude Code的许可,结果没过多久就收回去了。Priceline的一个员工告诉TechCrunch,他们续签Cursor合同时,价格直接翻了4到5倍。

    这还不是最夸张的。有一家公司忘了给员工设置使用限额,结果一个月下来收到了5亿美元的Claude账单。

    Token经济学浮出水面

    Linux基金会本周宣布了一个新计划,叫Tokenomics Foundation,目的是给AI Token的花费建立一套类似FinOps之于云计算的成本纪律标准。

    FinOps Foundation的负责人J.R. Storment说,今年4、5月份开始,不断有公司跑来说:”我的天,我们2026年的Token预算已经超了3倍,但现在才4月。”

    Priceline的IT财务总监Chris Reed说了一句话很形象:”这就像可卡因流行病,他们让你先试试,把你勾住,然后你就被绑住了。”

    AI成本压力
    企业开始认真审视AI的账单了(图源:Getty Images)

    新市场正在形成

    这波焦虑催生了一个全新的市场。初创公司、老牌厂商,都在争相推出帮助企业管理AI支出的工具。

    • Pay-i:专门追踪、测量和优化生成式AI投资的成本与性能
    • Paid:让开发者按实际价值而不是订阅费来追踪成本和向用户收费
    • Jellyfish、Waydev、Faros AI:提供AI代理监控,证明开发工具的投资回报率
    • Ramp、Datadog、New Relic:在传统产品线上加装AI成本管理和可观测性功能

    但问题也很明显。所有这些工具都在没有通用语言或共享定义的情况下各自为战。没有人真正知道一个Token到底该花多少钱、它产出了什么、怎么跨厂商比较支出。这正是Tokenomics Foundation想要解决的问题。


    Goldman Sachs预测,到2030年全球Token使用量将增长24倍。那些已经超预算的公司现在就需要解决方案,但基金会的第一份交付成果还要几个月才能出来。

    Faros AI的CEO Vitaly Gordon说了一句很形象的话:”也许我们造出了蒸汽机,但还没有搞清楚装配线怎么搭。”

    这篇文章折射出一个很真实的现状:AI的”免费午餐”时代正在结束,接下来是所有人都必须学会算账的时代。

  • GitHub Copilot收费大变脸:从月付29美元到750美元,开发者炸了

    6月1日开始,GitHub Copilot的计费方式正式从固定订阅制切换为按token使用量计费。这个变化对重度用户来说,账单金额可能会让不少人倒吸一口凉气。

    微软的理由很直接:原来的固定费率模式下,少数”氛围编码”用户无节制地刷token,成本全由微软补贴,这个账算不过来。改成按量计费,该多少就是多少。

    GitHub Copilot chat interface screenshot
    GitHub Copilot界面(图源:TechCrunch)

    账单涨了多少?有人从50美元涨到3000美元

    Reddit和X上的吐槽帖在过去几天里层出不穷。一位用户说自己原来每月付约29美元,新费率下月费会涨到接近750美元。另一位用户贴出的截图更夸张:从每月约50美元直接跳到3000美元。

    “真是个笑话。这种新的使用量计费模式太贵了,我打算取消订阅。这个价格下,它已经没有任何成本效益,也没有任何实际用处了。”——Reddit用户

    当然,这些数字有可能是极端案例——比如有人用Copilot跑了大量长时间运行的任务,或者开了几十上百个子代理同时干活。但即便如此,月费涨了20倍、60倍,对任何个人开发者或小团队来说都是很难接受的数字。

    两派观点:是用户乱用,还是微软”背刺”?

    开发者社区对这个变化的反应分成了两个阵营。

    一派认为新定价完全合理:如果你真的知道自己在做什么,日常开发中使用Copilot根本不会消耗那么多token。那些账单爆炸的人,大多是毫无节制地”氛围编码”——让AI不停地试错、迭代、生成冗余代码,而不去理解到底发生了什么。这类用法本来就不应该被固定订阅制鼓励。

    • 正常使用Copilot的开发者:月费涨幅可控,甚至觉察不到明显变化
    • “氛围编码”重度用户:账单可能上涨10-60倍
    • 企业和大团队:影响相对可控,但预算规划复杂度上升

    另一派则觉得微软在这件事上不太厚道。他们的论点是:是微软自己设计了这套鼓励无节制使用的交互方式,现在却把成本暴涨的责任推给用户。一位用户写得很直接:”那些按照微软设计系统的方式使用系统的人,说实话,唯一有错的是微软。”


    一个更深层的问题:Copilot之前到底在亏多少钱?

    有Reddit用户提出了一个很犀利的问题:”我靠,Copilot之前亏了多少钱啊?”

    这个问题没有人能给出准确答案,因为微软从来没有公开过Copilot的单位经济模型。但可以合理推测:固定订阅制下,重度用户的实际使用成本远远超出他们支付的月费,这个亏损一直由微软在补贴。当Copilot的用户基数和单次会话的token消耗量都大幅增长之后,这个补贴模式就难以为继了。

    所以这次计费变更,本质上是从”亏本赚生态”转向”按成本收费”的商业逻辑正常化。只是这个转折点来得太突然,很多用户感觉自己被”背刺”了。

    截至发稿,微软还没有对这次计费调整引发的争议作出公开回应。对于正在考虑是否续订Copilot的开发者来说,现在最需要的其实是一套清晰的使用量预估工具——让你在切换新计费模式之前,能算清楚自己大概要付多少钱。

  • Uber四个月烧光全年AI预算,给每个员工设了1500美元月上限

    你公司今年在AI上花了多少钱?Uber的答案有点尴尬——全年预算,四个月就烧完了。

    彭博社这两天报了个挺有意思的事:Uber最近给每位员工设置了AI工具使用上限,每个月每款工具最多花1500美元。覆盖的范围包括Claude Code、Cursor这类编程助手。员工可以通过内部仪表盘实时查看自己的使用量,特殊情况可以申请超限,但需要额外审批。

    Uber的CTO在今年4月透露,公司鼓励员工”尽可能多用AI”,甚至搞了内部排行榜来比谁用得多——结果全年AI预算4个月就归零了。

    这事为什么值得说

    Uber不是个小公司,全球几万人,AI工具按人头收费的模式下,这笔账单可以涨得极其凶猛。Claude Code、Cursor这类工具现在都是按token或者订阅计费,用得越多越贵,公司层面根本没有”封顶”机制。

    更要命的是,花了这么多钱,Uber的COO Andrew Macdonald最近上播客时居然说:”很难在AI使用和新增消费者功能之间划出一条因果线。” 翻译成人话就是——钱花出去了,但到底带来了多少实际产出,连高管都说不清楚。


    不只是Uber的问题

    这其实是整个科技行业正在面对的灵魂拷问:往AI砸了这么多钱,回报到底在哪?

    贝恩上个月出了一份调研,结论挺扎心的——很多企业预期的AI成本削减效果,现实里并没有出现。大家都在等ROI(投资回报率)自己长出来,但它好像还在路上。

    Uber的做法相当于给这场狂欢泼了盆冷水:设上限、要审批、看仪表盘。说白了就是”你们随便用,但不能乱烧钱”。


    对我们的启发

    • 企业AI采购正在从”野蛮生长”进入”精细化管理”阶段
    • 按员工数买单的模式,在大规模部署时会变得非常贵
    • AI到底有没有用,公司管理层其实也在摸索衡量标准
    • Uber这波操作,大概率会引发其他科技公司跟进