核心内容总结
前几个月，硅谷和华尔街企业疯狂鼓励员工用AI，甚至搞排行榜比谁消耗的AI token多；但员工为了刷排名，用高级AI干简单活（比如闲聊、答基础问题），导致企业AI成本暴涨却没换来对等生产力。现在企业集体踩刹车：撤排行榜、调整考核，开始“精打细算”。这可能影响大模型厂商（如Anthropic、OpenAI）的营收增长，但也有人认为AI应用还在初期，不用过度悲观。
一、从“越多越好”到“刹车”：企业态度180度大转弯
之前企业对AI的态度是“拼命推”：硅谷和华尔街共识是“AI用得越多越好”，亚马逊、迪士尼、摩根大通等设内部排行榜追踪token消耗；Visa还奖励用AI提升效率的团队（比如给积分换咖啡机）。
现在突然“踩刹车”：亚马逊下线了追踪AI使用的Kirorank排行榜；Meta撤掉了员工自制的Claudeonomics排行榜；优步COO直言“没看到token增加带来生产力提升”；谷歌CEO说很多CIO“怕预算超支”。
原因：钱花了不少，但没效果——token消耗激增带来财务压力，却没转化为实际效率提升。
二、Tokenmaxxing：职场版“刷流量”，AI成了“面子工程”
“Tokenmaxxing”是个新职场现象：员工为了在排行榜上拿高分，疯狂消耗AI token——用最强大的高级AI模型（比如Claude 3 Opus）回答最简单的问题（比如“今天天气怎么样”），甚至闲聊，就为了显得自己“走在AI前沿”。
例子：亚马逊员工用AI Agent做非必要任务提升排名；Meta有人30天消耗2810亿-3285亿token，按公开价算近200万美元（这些钱基本白花）；优步前四个月就用完了全年的Claude Code预算。
本质是“为了用AI而用AI”，把AI变成了刷KPI的工具。
三、真金白银打水漂：企业的成本焦虑爆发
企业的AI账单已经高到“肉疼”：
- 优步：前四个月用完全年Claude Code预算；
- Meta：单个员工30天AI支出近200万美元；
- AI初创公司Modal创始人直言：“50%的内部token支出完全没用，但不知道哪50%”；
- 另一家初创公司EntelligenceAI数据：用高级AI编码工具的公司，只有18%的token支出转化为能给用户用的产品（剩下82%都浪费在调试、重写AI生成的内容上）。
这些数字让企业高管意识到：不能再“撒钱”了，得控制成本。
四、大模型厂商：增长要放缓？IPO遇挑战？
企业开始“精打细算”，直接影响大模型厂商的收入：
- 比如Anthropic刚完成H轮融资，估值高达9650亿美元，正冲刺IPO，但客户支出谨慎可能让它的营收增长放缓；OpenAI也面临同样问题。
- 不过也有不同声音：财富管理公司Prime Capital的投资官说“AI应用还在起步阶段，即使大公司也在摸索”，认为不用过度担心回调。
大模型厂商的应对：Anthropic说正在帮客户“看到收益，而不是只感受到成本”，比如用模型两周完成过去七个月的任务。
五、AI应用的“虚火”：效率转化低，模型需改进
AI不是“万能药”，目前还有很多问题：
- 虽然AI能加快任务速度，但调试、审查AI生成内容的成本很高（比如AI写的代码需要大量修改才能用）；
- EntelligenceAI的数据显示，只有18%的token支出转化为实际产品，说明模型还不够成熟，无法直接产出可用结果。
这意味着AI要真正带来价值，还得继续优化——不仅要“快”，还要“准”，减少后续的修正成本。
总结：企业从“盲目推AI”到“理性用AI”，是技术落地的必经阶段。对员工来说，AI不再是“刷分工具”；对企业来说，要算清楚投入产出比；对大模型厂商来说，得证明自己的价值，而不是只靠“消耗token”赚钱。AI的未来，要“质量”不要“数量”。