老黄的Token经济学翻车了，微软亚马逊通通跳车

Token经济学，可能并不经济。

最近，Axios爆出一件颇具戏剧性的事情：一家企业，一个月内烧掉了5亿美元的Claude账单，折合软妹币34亿元。

原因倒也不复杂：老板给员工开通了Anthropic的企业授权，却忘了设置用量上限。于是，Token就这么毫无节制地燃烧起来。

一个月下来，34亿元悄然蒸发了。

暂且不谈这笔钱烧得值不值。若以Anthropic目前约470亿美元的年化收入（ARR）计算，相当于这一家公司，一个月就贡献了其接近

。

换个说法，Anthropic每赚8块钱，其中就有1块来自这家公司。

更耐人寻味的是，这家公司的身份至今未公开。

但Axios在报道中提及，能够“无痛”消化5亿美元AI账单的企业，全球屈指可数。

很快，X平台上各种猜测纷至沓来，其中被提及最多的名字是亚马逊。

巧合的是，几乎在同一时间，《金融时报》披露，亚马逊已经取消了内部的AI使用排行榜——因为部分员工为了冲榜，开始疯狂刷Token，甚至执行大量毫无实际价值的任务。

这两条新闻放在一起，意味就有些不一样了。

过去两年，企业最担心的是员工不用AI。而如今，越来越多企业开始忧虑另一件事：AI是不是被过度使用了。

美国大厂，开始算账了

这种转向，正在越来越频繁地出现。

微软就是一个典型的例子。

最近，

宣布，将在6月30日前其Experiences + Devices部门（负责Windows、Microsoft 365、Outlook、Teams、Surface）的大部分Claude Code授权，要求工程师们到自家的GitHub Copilot CLI。

而Claude Code进入微软内部，距今不过6个月。

微软给出的理由很符合硅谷传统——Claude Code已经完成了帮助团队学习和探索的使命，是时候“Eat Your Own Dog Food”，使用自己的产品了。

但无论如何，Token账单都是绕不开的现实。

类似的变化，也出现在

身上。

今年4月发布V4时，DeepSeek在技术报告中提到，V4已经成为公司内部员工日常使用的Agentic Coding模型，体验优于Claude Sonnet 4.5，交付质量接近Opus 4.6。虽然官方没有明确提及成本因素，但对于拥有自研模型的公司来说，用自己的模型完成相同工作，显然是一个更经济的选择。

如果说微软和DeepSeek还算措辞委婉，那么Uber则更加直白。

Uber CTO Pra veen Neppalli Naga今年早些时候透露，公司工程师仅用4个月就烧完了全年Claude Code预算。

随后，Uber首席运营官Andrew Macdonald公开表示：

换句话说，花掉的Token更多，并不意味着创造的价值更大。

类似的反思，也开始出现在更多公司内部。

此前，

曾计划将AI使用情况纳入员工绩效考核。但在员工质疑“是否必须为了使用AI而使用AI”之后，公司最终撤回了这一决定。

“感觉我们不是在为实际结果负责，而是在试图强推一些并不总是适合的东西。”多邻国CEO路易斯·冯·安在今年4月的一档播客中如此总结。

的变化则更具代表性。在被曝出内部建立Claude使用排行榜、单月消耗数十亿Token后，Meta也逐渐开始收紧相关激励，从鼓励“多用、多刷”，转向更关注实际产出。

与此同时，国内也出现了类似的声音。

的郑银河曾分享过一次经历：某个Agent项目上线后，一晚上烧掉了200万元Token费用。这笔学费不算便宜，但它也让越来越多企业意识到一个问题：Token本身并不是价值，完成任务、交付产品、创造收入，才是真正的价值。

可以说，企业依然相信AI，只是相比去年，它们不再单纯追求消耗更多Token，而是开始认真计算每一个Token背后的ROI。

AI第一次变成了财务问题

毫无疑问，在经历了大半年的“黄氏Token经济学”之后，美国大厂开始认真反思：这些Token，到底花得值不值？

今年3月，黄仁勋在《All-In Podcast》中曾为这套逻辑公开背书：如果一个年薪50万美元的工程师每年消耗的Token不到25万美元，他会深感担忧。在当时，这句话被很多企业奉为圭臬。毕竟，如果AI真的能提升工程师效率，那么多烧一些Token，本质上是在购买生产力。“用的越多，省得越多”就是这么来的。

但问题在于，当一张张真实账单开始寄到企业手里时，事情变得没那么简单了。无论是Amazon取消排行榜，微软收索Claude Code授权，还是Uber发现工程师4个月烧光全年预算——老板们最终还是选择了用脚投票。

最近，关于这件事的讨论也开始在Hacker News上发酵。

有人认为，这是一个重要的转折点。过去那种把Token消耗量等同于AI采用率、甚至等同于生产力的狂热阶段，正在结束。

也有人把矛头直接指向了过去半年流行的“Tokenmaxxing”文化。在他们看来，问题并不在于AI，而在于企业把“烧更多Token”误当成了目标本身。如果使用更高效的模型、合理控制Agent工作流，或者让人类参与关键决策，成本本可以低得多。

当然，也有人开玩笑说：这场运动最大的赢家，从头到尾可能只有黄仁勋。

不过，另一种观点同样值得关注。不少开发者认为，这并不是AI热潮退去的信号。恰恰相反，这意味着企业终于开始从“先用再说”，进入“精细运营”的阶段。

未来大家关注的重点，可能不再是谁烧掉更多Token，而是谁能用更少的Token完成更多任务。比如：设计更高效的Agent工作流；让廉价模型处理简单任务；昂贵模型只负责关键决策；实施更严格的预算和权限管理。