AI热潮下的“烧钱困局”：Token消耗飙升，企业如何找回价值？

企业纷纷拥抱人工智能，但高额的Token消耗正成为普遍难题。近日，有消息称微软收回了内部广泛使用的AI编程工具Claude Code许可，因其Token消耗激增、成本暴涨而产出未达预期。这一现象并非孤例，Uber在短短四个月内用完了全年AI编程预算，亚马逊部分员工的无意义Token消耗也引发关注。行业正面临“Token不经济”的尴尬：AI越能干，企业账单越失控，而实际收益却难以匹配。

希鸥网观察到，Token不经济的根源在于多重因素叠加。一方面，主流大模型厂商如Anthropic、OpenAI和谷歌纷纷调整定价策略，高端模型价格坚挺，次级和开源模型的价格中枢也在悄然上移。另一方面，智能体架构中的上下文陷阱、分词器黑箱、技能冗余调用以及多智能体协同中的沟通税，都导致大量Token被系统性浪费。这些结构性损耗，使得企业每花费一笔Token，产出却不成比例。

从产业链看，风险分布极不均衡。上游的芯片和硬件厂商如台积电、英伟达赚得盆满钵满，而中游模型厂商虽营收暴增却深陷亏损，下游企业则开始收紧预算、控制成本。更令人担忧的是，部分中游厂商与上游企业玩起了循环融资游戏，通过影子信贷市场放大杠杆，一旦下游需求释放不及预期，可能引发估值泡沫和金融市场波动。国际清算银行警告，债务市场尚未对下行风险充分定价。

技术层面的精细化变革成为破局关键。通过上下文缓存、语义压缩、技能优化与模型路由，企业可以大幅降低无效消耗。同时，多Agent系统中引入硬性预算约束和主持人架构，能有效防止“马拉松式”的无效会议。具备技术背景的开发者可以主动调整系统提示词和上下文窗口，但普通企业用户往往对Token消耗机制一无所知，这使得“Token不经济”不仅是一个效率问题，更是一个技术平权问题。

从长远看，找到Token大规模应用的现实场景才是根本出路。编程场景因其自动反馈闭环成为AI的“特例”，但法律、医疗、供应链等传统行业的验证成本极高，难以复制编程的成功。具身智能和数字孪生虽被视为拓展方向，但虚拟与现实的鸿沟依然巨大。只有当每一枚Token的消耗都能回答“产出有何价值”，当行业从“以多为荣”转向“以精为贵”，智能经济才能真正找到自己的价值方程式。

2026人工智能+实战应用及产业创新论坛将于7月31日在南京举办，欢迎全国各地人工智能创业者报名。本文内容整理自网络，将同步发布在希鸥网创投联盟网站（希鸥网、AI联播网、斯贝瑞品牌资讯、华商资讯网、金鸥财经、锐CEO网、AEXNEWS美讯社、创新日报）。欢迎媒体合作、会议咨询、纳斯达克大屏等业务对接~ 如需修改或发布文章，请加微信号：sheisceo