企业AI消费的狂控成“粗放式扩张”阶段正在终结，但这并不意味着技术采纳的欢退停滞。相反，潮后随着账单管控成为新常态，业现AI正从“无节制消耗”转向“精细化运营”。实预算管速

从“Token狂欢”到“成本焦虑”：被误读的新常危机

今年上半年，“Token最大化”（Tokenmaxxing）一度成为企业AI领域的列车流行文化。Meta、未减Salesforce等科技巨头曾鼓励员工最大化使用AI Token以提升生产力。狂控成Meta内部甚至设立了“克劳德经济学”（Claudeconomics）排行榜，欢退追踪前250名重度用户。潮后数据显示，业现Meta员工在30天内消耗了超过 60万亿个Token，实预算管速单人最高消耗量达 2800亿个Token。新常为了争夺“Token传奇”等虚拟荣誉，列车部分员工甚至让AI代理进行无意义的长时间研究以“烧掉”配额。

随后，Uber因在 四个月内耗尽Claude Code和Codex的全年预算而引发关注，随即实施每月 1500美元的使用上限，超额需单独审批。

然而，SemiAnalysis团队在Databricks AI峰会期间，通过对Slack沟通、电话访谈及与超过50家企业客户的深度调研发现，媒体叙事存在严重偏差。

核心观点：媒体夸大了AI预算危机的普遍性。Meta和Uber的极端案例，根源在于 激励机制扭曲和 内部管理松懈，而非企业AI投入的整体失控。

数据真相：头部效应显著，中位数极低

媒体报道往往聚焦于极端案例，忽略了整体数据的温和性。SemiAnalysis援引Ramp的消费数据揭示了这一差异：

• 头部客户（前1%）：人均年AI支出约 9万美元。
• 中高客户（前10%）：人均年AI支出约 7300美元。
• 中位数客户：人均年AI支出仅为 136美元。

值得注意的是，Ramp的客户群体本身具有较高的技术成熟度。即便是在《财富》500强中技术领先的媒体类客户，其人均AI支出仍远低于 100美元。

即便是被视作“烧钱大户”的Meta，按标价计算，其人均年花费接近 5万美元，但这仅占Anthropic客户收入的 3%至5%。Anthropic自身文档也证实，Claude Code开发者的月均支出仅为 150至250美元，仅 10%的用户日均花费超过30美元。

SemiAnalysis结论：企业仍在持续投入，新场景和垂直领域的Token消耗正推动AI应用以迅猛速度前行。AI采用目前处于 不均匀扩散阶段，仅少数团队和岗位高频调用大模型。

预算管控：标准各异，无行业共识

超过50家受访企业已对AI使用设置硬性上限，但标准差异巨大，尚未形成行业统一规范。

典型预算案例对比

创新的预算逻辑

部分企业采用了更精细化的分配逻辑。例如，美国三大航空公司之一将Token分配与具体项目及预期营收挂钩：一个预期营收 1000万美元的项目，财务团队批准 100万美元总预算，团队自行决定Token消耗比例。这种模式将AI成本纳入项目财务模型，而非作为独立的IT预算科目。

员工生存法则：套利与降级

预算压力催生了实用的“省Token”策略：

1. Copilot套利：利用微软365企业版订阅中免费且不计入月度AI预算的Copilot聊天机器人。一家 大型荷兰消费品与健康科技公司的员工先用Copilot草拟创意，再调用Claude或Codex处理最终任务，以节约计量Token。
2. 模型降级：
3. 大型旅游科技公司：将全员Claude默认模型从 Opus切换为 Sonnet（Opus需主动选择）。
4. 航空航天制造商：直接“关闭” Opus 4.8和快速模式。

对此，SemiAnalysis点评管理层逻辑：“认为给员工更大预算会导致自动化低价值任务（如写邮件）的观点过于天真。真正的瓶颈在于如何优化高价值任务的自动化。”

市场趋势：便宜Token需求旺盛，TaaS市场未冷

预算管理并未减少调用量，而是改变了采购结构——企业更关注 单位成本。

• 需求增长：无论是前沿模型还是开源模型，Token-as-a-Service (TaaS) 和API端点市场均在扩张。
• AWS表现：纳入AWS Bedrock后，SemiAnalysis估计AWS本季度整体增长率高于市场预期。
• 供应商扩张：Together、Fireworks、Baseten等TaaS供应商合计ARR已超过 40亿美元。

这表明，预算压力促使企业重新优化成本曲线：能用便宜模型解决的问题，不再调用最贵模型。默认模型降级不代表AI使用减少，而是 成本效率提升。

增长引擎：编码仍是核心，下一波在何处？

• 当前驱动力：编码场景仍是AI收入最大引擎，OpenAI和Anthropic逾 70%的ARR来自此领域。AnthropicB2B占比超 90%（OpenAI约60%），显示其对企业端依赖更深、更稳定。
• 未来增长点：网络安全和白领知识工作被视为下一波增长来源。随着Cowork、CoPilot、Codex及Computer类产品渗透，编码市场拉动ARR增长的路径将在更广泛场景中重演。

当前，大多数《财富》500强企业人均AI支出仍远低于 2000美元/年，主要集中在工程和数据科学部门。这意味着AI普及尚处早期，增长空间依然存在，只是形态从“随意烧钱”转变为“有预算的持续投入”。

ROI现实：效率提升与预期上升并存

受访企业证实了AI带来的显著效率提升，但也伴随着产出预期的同步上涨：

• 亚马逊招聘部门：从初筛到安置的流程从 6-9个月缩短至 3-4个月。
• 数据分析服务公司：原本需一周的工作，现仅需几小时。

然而，效率提升也带来了新的压力。一位法律数据与风险解决方案公司的员工表示，工作量压缩后，“公司期待完成更多工作，结果比之前更忙碌。”

最终结论：Uber和Meta的Token超支事件，根本原因是 激励机制失当和监管松懈，而非缺乏高ROI场景。亚马逊在大规模裁员的同时，因AI工具提升效率而加速招聘新员工，这正是AI作为 “人力杠杆”最清晰的注脚。