刷到一条消息,某大厂 A 在 2026 年 10 月把部分工程师每日调用 AI 的支出上限从 300 美元下调至 200 美元,还计划将部分工程团队进一步压到 100 美元,非工程团队甚至考虑压至 25 美元;确有业务需要的员工,可向高层申请豁免。

有意思的是,大厂 A 整体并没有缩减研发投入。

其最新财年披露数据显示,2026 财年研发支出同比增长约 32%,达到约 458 亿美元。不过,研发支出不等于AI调用预算,但至少说明它没有整体收缩技术投入。

过去三年,部分主流基础大模型的公开token单价,以常见输入输出口径对比 2023 年初,跌幅最高可达九成以上。

但企业的 AI 总账单不降反升。

早期大家用 AI 大多是一问一答,单次对话几千 token。

现在企业让 AI 自主写代码、调用工具跑测试、循环调试,一次任务连续运行数小时。同一个任务的 token 消耗量,往往是普通对话的几十倍。

有消息显示,大厂 B 在 2026 年前四个月就耗尽了当年的 AI 编码工具预算,

大厂 C 从 2026 年 7 月 起,给每位员工设置每周 200 美元的 AI 花费上限,超额需要单独审批;

大厂 D 早前内部曾出现 token 消耗排行榜,目前计划于 2027 年落地 token 预算制度,同时引导员工优先使用内部自研 AI 工具;

大厂 E 从 2026 年 7 月起给各业务部门设定 “AI Token 预算目标”,员工可在内部仪表盘实时查看 AI 消耗,内部默认模型也切换成成本更低的版本;

大厂 F 从 2026 年 10 月 1 日起,把公司统一承担的指定外部模型费用压至人均每月 29 美元,超额部分需由项目预算承接。

还有报道称某大厂非研发部门月度 token 额度在年中被砍掉六成以上,另一大厂从放开不限量转为设置个人额度。

最近的还有一条说的是一定级别以上员工,禁止将内部代码仓库、文档库对接外部 AI,内网网关会拦截员工将内部资料上传到自费购买的外部模型、AI 编程工具平台。

AI 随便调用、不计成本的时代结束了。

外部 AI 工具的成本里,长期被忽略一项:数据泄露带来的期望损失。

AI 编程工具为了补全代码,需要读取仓库上下文、历史提交记录,有可能接触到代码里嵌入的密钥、敏感业务信息并上传到第三方服务器。

安全厂商披露的 PixelLeak 事件中,AI 代理在执行任务时意外将超过 1.3 万个内部截图与录屏上传至 900 多个公开 GitHub 仓库,波及三百多家组织。

公司设置额度,表面理由是控制成本。

更深层的现实困境是:多数企业至今很难量化 AI 到底创造了多少增量价值。

毕竟,也有大厂 的 COO 曾公开坦言,很难证明内部 AI 投入的收益合理性。

当产出无法衡量,管理者就会抓一个可统计的指标做代理 —— 也就是 token 消耗量。

额度、消耗报表随之诞生。

甚至某模型厂商在 2026 年 10 月 28 日为企业版上线了智能消耗报告,可以识别低产出、离题、个人用途的会话。

不过,当指标本身变成考核目标时,它往往就不再是一个好指标。

额度真正的作用,或许不是单纯省钱,而是给管理层提供一种确定感:

在收益算不清的时候,划一条消耗红线,至少风险可控、账目可追溯。

只是,认知工作的质量本身很难验收,所以不排除,企业花钱采购AI,员工长期依赖后弱化独立判断;判断力越弱,越依赖 AI;依赖加深,token 支出越高;支出上涨,就越要设置额度;额度有限时,员工倾向把配额用在稳妥、低风险任务上,创新性试错反而被抑制。

可是,即便不花钱够买呢?也许更容易出现“影子 AI”。

很多人第一反应:AI 泡沫要降温,大厂集体降本增效。

这个解释有一定道理,大厂 A近年对成本更审慎。但这个解释很难匹配一个细节:据大厂 A 内部员工的反馈,多数人的额度平时很难用满。

如果额度本来就很难触顶,从 300 美元砍到 200 美元,能省下的钱微乎其微。

一笔几乎省不下钱的限额调整,核心目的往往不是省钱。

这一轮管控的本质,是建立计量机制。

换句话说,被收走的不是经费,是 “不可计量的自由”。

过去两年,“我在用 AI 提效” 是一句没法审计的表述,因为没有明确成本;现在每一次调用都有价,它的价值才可以被统计、对比、证伪。

2023 年,AI 属于试用期:鼓励大家上手,怕没人用,公司主动发放额度。

2024—2025 年,AI 进入推广期:核心 KPI 是使用率,甚至出现类似 token 消耗排行榜的做法,把用量当成绩效亮点。

2026 年,AI 进入核算期:考核重点从 “有没有用 AI”,转向 “用 AI 值不值”。

大厂 D 曾上线内部用量排行榜,正计划转向 token 预算制;大厂 C 则直接从无上限切换到每周限额。一旦 AI 调用被归入生产成本,它就会和人力成本放进同一张损益表对比。

2023 年一次调用大多是单次问答;到 2026 年,一次任务是一条简易自动化流水线:读取文档、拆解需求、调用工具、修改代码、执行测试、反复返工。上下文更长、多轮交互、工具调用密集叠加……

token 越来越便宜,但 AI 的价值账本,才刚刚开始动笔。

今天的分享就到这里啦。