企业在AI领域的成本支出正遭受严峻考验，Token消耗量不断上升，高于但却缺乏明显的人力商业价值。

在5月22日，投资挑战Uber首席运营官Andrew Macdonald在一档播客中透露，面临Token消耗的成本增加与产品改进之间并未显著关联，称企业难以解释不断攀升的高于AI支出，并专门创造了“tokenmaxxing”一词来形容内部资源的人力浪费。

与此同时，投资挑战微软因Token账单压力开始削减Claude Code的面临内部授权，凸显出Token经济学在AI投资中日益重要的成本地位。

五组数据构成的高于新格局

自4月以来，多项指标显示出市场的人力警示信号。

Uber的投资挑战首席技术官透露，公司在短短四个月内便消耗完了全年Claude Code的面临预算。该公司5000名工程师中，有84%至95%的人在使用Token，每人每月的费用在150到2000美元之间。一位CTO在一次内部演示中消耗了1200美元的Token。

对于这一惊人数据，Macdonald对此表示震惊。

在微软内部，Claude Code虽然得到广泛应用，但是Token计费模式却让支出难以持续，因此公司开始减少相关授权。

GitHub决定自6月1日起将Copilot的收费模式改为按用量计费，引起用户不满，因为这意味着在一次智能编程会话中，费用可能会迅速消耗掉。

开发者生产力平台Entelligence.AI的数据显示，每投入1美元的AI Token费用，实际产生的用户价值仅为18美分，而44美分用于修复自身的Bug，27美分用于返工，11美分消耗于其他审查过程。

根据彭博数据，自2月以来Token价格上涨了约65%，而美国AI软件的价格在过去一年内总共升高了20%至37%。

市场两极分化：不同视角的解读

同样的数据在不同的分析框架下得出了截然不同的结论。

多头观点认为，当前的问题只是转型过程中出现的阵痛。高盛预测，到2030年，代理式AI的Token消耗量将增长24倍，超大规模云服务商的毛利率很快会恢复。

高盛的另一位分析师认为，行业可能正从追求Token消耗转向更健康的“单位有效行动成本”。

摩根大通的研究也指出，Python包的显著增长表明生产力正在提升。

反之，空头观点则认为，AI供应链的价值几乎全流向半导体公司，这是不可持续的。英伟达的净利润在ChatGPT上线后暴增，而云服务商则因经营支出转向负债，预计2025年数据中心相关债务将升至1820亿美元。

MIT研究显示，95%的AI投资企业并未看到回报，指出这种脱节现象难以长期维持。

财务循环的隐忧

讨论还涉及了云服务商与AI实验室之间的财务流动。

根据The Information的报告，OpenAI和Anthropic占据了微软、甲骨文、谷歌与亚马逊的云服务承诺的很大一部分，形成内部循环。

微软对OpenAI的130亿美元投资以云计算积分的方式回报，而OpenAI又反过来用这些积分来购买算力，从而影响了微软的云收入。

这一结构同时体现在盈利数据上，Alphabet的第一季度利润强劲，而亚马逊在同一季度的自由现金流大幅下滑。

这种财务结构的可持续性取决于AI实验室是否能够持续得到融资以兑现云服务承诺，同时又依赖于企业客户是否愿意支付不断增长的Token账单。

真实的问题依然存在

当前的局面并未形成典型的泡沫。从估值看，科技巨头的市盈率目前约为20倍，远低于1999年泡沫时的高点。AI技术的真实存在以及重度用户带来的生产力提升是可见的。

目前，Token成本已成为影响AI是否成功的关键因素，而业界对AI的关注从技术本身逐步转向了Token的消耗。

有人乐观认为，只要技术继续成熟，企业的投资回报率将会在1到1.5年内转正；而悲观者则担心越来越多的高管会因投入产出比低而削减预算。

这些可能性同时发生，尚未见分晓。过去那种“Token消耗增加就意味着成功”的观点已被打破，Token消费量大并不等同于商业价值的存在，AI的账单已到期，究竟谁来支付仍是个未知数。

本文转载自华尔街见闻，官网编辑：陈雯芳。