大厂"烧不动Token"了，这轮AI狂热正迎来第一波退潮？

2025年3月，英伟达CEO黄仁勋在GTC大会上抛出一个大胆构想：企业应该给每个工程师配一笔Token预算，相当于其薪资的一半。

在后续的播客中，他将这个想法讲得更直白：假设一个年薪50万美元的工程师，年底告诉我一年连25万美元的Token都没烧到，我会深感震惊；如果只花了5000美元？我可能会气得当场跳脚。

黄仁勋的逻辑直白而诱人。Token就是新时代的代码行数，烧得越多=创新越多=产出越多。这个公式很快被硅谷和国内互联网大厂广泛吸收，并在一年之内演化成一场内部管理竞赛：Token消耗量被塞进KPI、转正评估、晋升答辩，甚至有些公司内部直接拉出了"Token消耗排行榜"。

然而，这场竞赛突然集体踩了刹车。

从榜单狂欢到配额收缩：大厂集体削减员工Token

2026 年 4 月 15 日，Uber的CTO公开披露：2026年全年AI Token预算仅用了四个月就全部透支，紧急将全公司研发部门Token配额统一削减70%，同步启动额度分级审批机制。

2026年5月28日，亚马逊率先下线了内部"员工Token消耗量排行榜"，高管公开通知：禁止为冲排名刻意消耗Token，仅允许业务刚需场景调用内部 AI 模型。

2026 年 6 月 9 日，Meta紧随其后，向约6000名员工发送内部备忘录，宣布对Token使用量设置上限，并构建实时追踪平台以遏制成本膨胀。

微软在5-6月大规模取消数千名开发者的Claude Code授权，要求团队在6月30日前全部迁移回自研GitHub Copilot CLI；同时设置日/周员工Token额度上限，搭建内部 AI 用量监控平台，超额需业务审批，杜绝无节制调用推高算力成本。

更戏剧性的是特斯拉，自2026年7月6日起，每位员工每周外部AI工具使用费上限设为200美元。

除了上述海外大厂外，本土互联网大厂也陆续发布内部Token管控措施：

2026 年 4 月 8 日，字节发布内部备忘录，面向研发、运营员工划定外部 AI 年度 Token 报销上限，依托 TRAE 平台用量预警管控超额成本。

2026 年 5 月 20 日，阿里下发内部通知，为产研员工设置第三方模型月度 Token 限额，通过 Alibaba Token Hub 实时追踪全集团算力消耗。

2026 年 6 月 3 日，百度出台管控规则，限制技术岗第三方大模型年度额度，依托千帆后台实时监控 Token 使用。

2026 年 6 月 5 日，腾讯发布全员备忘录，取消统一高额 Token 配额、实行岗位差异化分配，搭建部门监控看板遏制无效消耗。

这些动作密集发生在2026年4月至7月之间，时间点高度重合，方式也高度一致：设上限、砍配额、关闭榜单、禁止刷量。全球大厂正在集体对"烧Token=创新"这个叙事踩下急刹车。

大厂不是没钱。2026年微软、亚马逊、谷歌、Meta四家的AI资本开支合计逼近7000亿美元。但花钱建基础设施是一回事，让员工把Token当自来水一样哗哗流是另一回事。

当AI的"内部账单"已经大到连Meta这样的巨头都喊痛，事情就变了。

大厂们正在为"烧Token换创新"这个叙事买单，而账单上的数字，比所有人预想的都要大。

怎么理解这场逆转？

要理解这场逆转，得先复盘一年前发生了什么。

2025年下半年开始，"Token消耗量"在国内外大厂中迅速从一个后台技术指标升级为管理工具。

一位小红书博主"慢手"自述："我是三月份的token消耗量榜首，被老板点名夸了一顿。但我没敢说的是，自己超过一半的token，花在了整理个人数据、发笔记上。"

据其描述，他所在的某互联网大厂近期推行了一项新的管理措施。部门负责人在群内公布了一份三月份的Token消耗量榜单，并明确表示，未来员工的试用期转正、年度KPI考核以及晋升评估，都将参考此项数据，消耗量偏低的员工甚至可能面临岗位调整。

在硅谷，工程师们甚至为这种行为生造了一个词：tokenmaxxing（Token最大化）。有OpenAI工程师一周内处理了2100亿个Token，相当于33个维基百科的文本总量。还有工程师使用Claude Code时，一个月Token成本高达15万美元，远超其本人薪酬。

最极端的例子来自Meta。据The Information获得的内部数据显示，Meta曾上线一个内部排行榜"Claudeonomics"，按Token使用量对前250名员工排名，并将"AI驱动的工作成果"纳入核心考核要求。在这样的规则下，倒逼员工刷 Token 冲榜。在排行榜运行30天后，全公司总Token消耗从6万亿暴涨至73.7万亿，增幅超过12倍。排行榜随即被紧急下线。

Meta CTO在4月的内部备忘录中已经发出警报："没有人应该为了使用AI而使用AI。Token使用量本身不是任何意义上的影响力衡量标准。"

国产低成本模型，替换窗口真的来了吗？

2026年5月22日，DeepSeek宣布旗舰模型V4-Pro的API价格永久降至原价的四分之一，降幅达75%。 具体来看：输入（缓存命中）仅0.025元/百万Token，输入（未命中）3元/百万Token，输出6元/百万Token。

第三方机构评估显示，在同等任务复杂度下，DeepSeek V4-Pro的平均执行成本约为GPT-5.5的十分之一、Claude Opus 4.8的十一分之一。

如果画一张价格对比图，差距令人窒息：

数据来源：各模型官方API定价页面，公开资料整理

国产模型与国际旗舰的价格差距已拉大到25-35倍。在"能力趋同"的大背景下，这种价格断崖必然引发替代逻辑。

只是不在大厂内部，当前互联网大厂的应对策略整体呈现出 "自研优先" 的特征，削减外部 Token 预算的第一受益方不是更便宜的外部替代品，而是内部自研方案。

大厂有自研替代方案，中小企业没有。当AI Token成为基础生产力工具，价格差25倍就是一个极具杀伤力的决策变量。一个初创公司用DeepSeek V4 Pro替代Claude Sonnet做客服Agent，能力差距感知很小，成本差距感知巨大。

图：OpenRouter平台上主流大模型的市场份额，DeepSeek为墨绿色；数源：OpenRouter

根据全球最大的中立AI模型API聚合平台OpenRouter的数据，在OpenRoute平台上，DeepSeek模型的文本请求的份额由2026年5月25日（当周）的14.3%，快速提升至7月6日的20.1%（当周）。

退潮之后，剩下什么？

大厂集体收紧 Token 预算，戳破了“烧钱换创新”的虚假繁荣，但这并不是 AI 行业的终点，而是一场从“盲目狂热”走向“精益生产”的必然蜕变。

过去被塞进 KPI 的虚荣榜单和无效“刷量”被彻底清洗，取而代之的是严苛的 ROI（投入产出比）审计。AI 算力正全面向真正能降本增效的刚需业务、自研方案以及高性价比的替代模型上倾斜。配额风暴带走的是算力泡沫与管理焦虑，留下的则是更健康、更理性的产业生态。

这场退潮不是硅谷和互联网大厂对 AI 的放弃，而是硬科技创新步入精细化运作、务实落地的下半场。