企业AI热彻佚在遭逢第一次真正意思上的账单；。

5月28日，据Axios援引一位AI照拂的说法，其旗下一家企业客户近期在单个月内破费了5亿美元用于Claude，起因仅仅是没有为员工使用量设置任何上限。

分析以为，很多公司在急剧铺开AI工具时，将把稳力集中在职能和推广上，却忽视了成本管控机造的成立。

华尔街见闻提及，微软，亚马逊等科技巨头正纷纷采取行动，削减内部AI工具或叫停追踪AI使用量的项目，以遏造被称为“tokenmaxxing”（词元极大化）的过度亏损行为。

亚马逊一名高级副总裁不得不向员工发出忠告：

请不要为了用AI而用AI。

市场此刻面对的主题问题，已不再是"要不要拥抱AI"，而是"烧了这么多钱，到底换来了什么"。

亚马逊关榜，内部"刷分"引发真实成本

亚马逊的案例从另一个角度揭示了企业AI治理的困境。

据报路援引两位知恋人士泄漏，亚马逊旗下开发者平台Kiro曾设有一个名为"Kirorank"的内部排行榜，凭据员工的AI使用活跃度进行评分。

然而，该榜单意表引发了员工为提升排名，而让AI代理执行无意思工作的行为，直接导致公司算力亏损上升。

亚马逊高级副总裁Dave Treadwell本周向员工认可，这一排行榜启程点是好的，但最终了局是员工通过"tokenmaxxing"推高了公司的运营成本。

他明确批示员工，不要将把稳力放在token亏损量上，而应专一于打造更好的产品，并强调"不要为了用AI而用AI"。

亚马逊随后在申明中确认，该测试版仪表盘"并非正式或经核准的工具，已被下线"。

Meta也出现了类似情况，员工同样试图通过拉高token亏损量来在公司内部排名中占据有利地位。

这一景象批注，当企业将AI使用量纳入查核时，可能壮志未酬，将员工激励扭曲为对算力的无效亏损。

亚马逊尔后转向以"归一化部署"指标代替token亏损量，重点追踪工程师能否通过AI持续天生有现实价值的代码。

值妥贴心的是，亚马逊今年的本钱支出预计将达2000亿美元，绝大部门流向AI与数据中心基础设施。

四大症结：为什么AI花了钱却没带来回报

据Axios梳理，企业AI选取正面对四个结构性阻碍。

用例选择错位。Velastegui Ventures CEO、前微软首席AI官Sophia Velastegui暗示，大无数人偏差于用AI自动化他们不喜欢的工作，而非对公司最有价值的工作。

她以为，企业应将AI资源集中在能直接驱动营收的场景上，而非盲目铺开。

成本不足管控。AI查问并非无成本，企业级套餐按token计费，即就是日常性的单一查问也会急剧累积成可观支出，而无数业务部门对此并无清澈认知。

人是最大瓶颈。Velastegui将企业目前普遍选取的"撒花"式AI授权，定性为无法带来内容回报的蹊径。

企业将大量AI工具堆给员工，但不足有效的疏导和聚焦，导致真正的选取效能低下。

数据盛开存在顾虑。专一金融行业AI工具的Boosted.ai CEO Josh Pantony指出，当企业因顾虑数据安全而不愿向AI代理盛开内部专罕见据时，代理的现实效力将大打折扣，投资回报天然无从谈起。

Token经济学：AI叙事的新主题变量

这场争论的背后，是一套更为复杂的投资逻辑在重构。

华尔街见闻提及，据高盛One-Delta部门掌管人Rich Privorotsky的最新概想，AI买卖的主题变量已从"技术是否可行"转向"成本是否可接受"。

DeepSeek据称将Token定价下调75%，幼米MiMo的降价幅度靠近99%，这种成本压缩可能触发类似补助竞争后的"价值战"逻辑。

他指出，基础设施瓶颈终会缓解，市场不应为"即将被解决的问题"支付过高溢价。

Rich Privorotsky进一步提出如果，更便宜的Token是否会率先代替高成本推理服务？若是需要扩张存在功夫滞后，云服务商、模型公司及AI基础设施的收入增长可能面对阶段性压力。

他以为，Token支出的理性化可能在今年第二、三季度成为董事会层面的重要议题，其重要性不亚于AI增长叙事自身。

据彭博Silicon Data LLM Token Expenditure Index，Token价值自今年2月底以来已上涨约65%，美国AI软件价值从前一年累计涨幅达20%至37%。

这一成本趋向在引发企业重新审视AI采购战术。当"以10%的成本获得90%的输出"变得日益可行，企业对高成本前沿模型的依赖或将系统性降落。

AI模型训练公司Micro1首席执行官Ali Ansari暗示，企业正经历一次从过度使用AI转向理性使用的"健全晃动"。他以为：

AI目前真正有效的领域，其实只有编程。

多空之争：统一现实，两种解读

就AI投资回报而言，一样的数据在分歧分析框架下，正指向截然分歧的结论。

多头视角以为，当前的混乱不外是转型过程中的正常阵痛。

据高盛的Jim Schneider在5月初的研判，到2030年，代理式AI将推动Token亏损量增长24倍，超大规模云服务商和模型提供商的毛利率将在将来3至12个月内转正。

摩根大通的经济钻研也发现，2026岁首Python包在PyPI上出现跳升式增长，而这一趋向在2022年ChatGPT上线时并未出现，批注真实的出产力提升在发生。

空头视角则由高盛半导体分析师Jim Covello在4月的汇报中系统论述。

他指出，AI供给链中险些所有价值都流向了半导体公司，这在汗青上前所未有且不成持续。芯片公司本应在客户获益时受益，但本轮周期中，其繁华是以整条产业链上游亏损为价值的。

两种叙事都在同时发生，输赢仍未明显Ｄ芄蝗范ǖ氖，"Token亏损量增长即蹬宗AI转型成功"的单一等式已经被突破。

从单月烧掉5亿美元的极端案例，到亚马逊叫停刷分排行榜，AI投入在接受更严格的回报审查。下一笔AI账单能产生几多真实价值，将是这场豪赌真正的判决时刻。