快速阅读：企业正从盲目追求 AI 使用量转向成本管控，核心矛盾在于：高层在缺乏 ROI（投资回报率）衡量标准的情况下，通过“Token 最大化”驱动了低效的工具滥用。当昂贵的推理成本与平庸的生产力增量碰撞，AI 的泡沫正面临现实的挤压。

打开网易新闻 查看精彩图片

企业对 AI 的态度正在发生一种近乎滑稽的转向。不久前，IT 部门还在催促开发者多用 Token；现在，高管们开始为了天价账单紧急刹车。

这种转变并非源于对技术的深刻理解，而是一种由于“缺乏反馈回路”导致的系统性震荡。很多决策者并不理解 AI 的底层逻辑，他们只是在追随新闻周期。当他们无法衡量真正的生产力时，只能转向极度简化的指标，比如代码提交量或 Token 使用量。这导致了一个荒诞的结果：工程师们为了完成指标，开始用 AI 运行各种无意义的 Agent 任务，或者把 AI 当作昂贵的“超级搜索”来修补流程漏洞，而不是去构建自动化工具。

正如网友提到的，这是一种“Token 最大化”的盲目行为。与其说是提升效率，不如说是通过增加 Token 消耗来制造“我在用 AI”的假象。当 AI 被用来处理原本可以用几行 Python 脚本解决的确定性任务时，企业实际上是在支付溢价来购买一种“思维上的懒惰”。

更有意思的是，这种“甩手掌柜”式的管理正在制造新的技术债。Agent 生成代码的速度远超人类审核的速度，导致审核环节成了新的瓶颈，系统熵值在不断增加。

不过，成本的下行曲线可能比高管们预想的更陡峭。随着算法优化和国产模型（如 DeepSeek）带来的价格战，推理成本有望在几年内下降 90%。现在的阵痛，或许只是企业从“氛围驱动”向“理性驱动”过渡时必然经历的过冲。

当 AI 从“魔法按钮”回归为“生产力工具”时，真正的分水岭才会出现。

wsj.com/tech/ai/corporate-america-is-starting-to-ration-ai-as-cost-skyrockets-1eb99d7a