国际奥委会暂时解除对俄罗斯奥委会的处分并将就奥运会展示俄罗斯国旗、国歌等问题作出决定
企业 AI 消费的 " 无限痛饮 " 时代正在收尾，但账单管控并不即是踩刹车 。今年上半年，"Token 最大化 "（Tokenmaxxing）成为企业 AI 圈的流行词 。Meta、Salesforce 等公司主动勉励员工尽可能多地消耗 AI Token 以提升生产力 。Meta 内部甚至泛起了一个名为 " 克劳德经济学 "（Claudeconomics）的排行榜，追踪公司前 250 名重度用户 。数据显示，Meta 员工在 30 天内消耗了凌驾60 万亿个 Token，单个最高消耗用户约达2800 亿个 Token 。员工们为了竞逐 "Token 传奇 "" 缓存巫师 " 等称呼，让 AI 署理花数小时做无意义的研究来 " 烧 Token" 。随后，Uber 因在四个月内烧光 Claude Code 和 Codex 全年预算登上头条，随即对员工实施每月1500 美元的使用上限，凌驾部分需逐案审批 。这些事件引发广泛关注 。但 SemiAnalysis 团队在 Databricks AI 峰会上进行实地调研，并通过 Slack、电话与凌驾 50 家企业客户深度交流后，得出了与媒体叙事截然差别的结论 。该机构认为，媒体的报道严重夸大了问题的普遍性 。Meta 和 Uber 的极端案例，泉源是激励机制失当和内部治理松弛，而非企业 AI 投入整体失控 。 头条故事被夸大，真实数据更温和媒体报道可能夸大了企业 AI 预算�；� 。要害数据支撑这一判断 。SemiAnalysis 援引 Ramp 的消费数据显示，前 1% 的头部客户每位员工年均 AI 支出约9 万美元，前 10% 约为7300 美元，而 Ramp 客户的中位数仅为136 美元 。Ramp 客户整体技术应用水平已远高于普通企业，但《财产》500 强媒体类客户的人均 AI 支出仍远低于100 美元 。即即是 " 烧 Token 大户 "Meta，按标价盘算每年每位员工花费接近5 万美元，据 SemiAnalysis 估算也仅占 Anthropic 客户收入的3% 至 5% 。Anthropic 自身文档也印证了这一点：Claude Code 开发者月均支出仅150 至 250 美元，仅10%的用户日均花费凌驾 30 美元 。SemiAnalysis 认为：" 媒体的夸大报道并不属实——企业仍在连续投入，新的需求场景和笔直领域带来的 Token 消耗，正推动着 AI 列车以迅猛的速度继续前行 。"这意味着企业 AI 接纳仍处在不均匀扩散阶段 。不是所有员工都在高频挪用大模型 。许多公司只是少数团队、少数岗位先跑起来 。 预算管控成新常态，但标准五花八门凌驾 50 家受访企业中，大大都已对 AI 使用设置硬性上限 。但各公司的标准差别极大，并无行业共识 。低端案例：美国排名前三的航空航天与国防制造商：每人每月250 美元上限，部分重度用户首月四天即耗尽额度全球最大制药公司之一：每人每月500 美元，特殊情况可申请1000 美元高端案例：Workday、Stripe：员工月度预算约2000 美元上市网络宁静公司：初级员工每月800 美元，高级员工1600 至 4000 美元，数据科学家获最高额度大型旅游科技公司（1500 名员工中 800 名工程师，年 AI 支出接近1000 万美元）：默认每人每月200 美元，凭据职位可增至数万美元预算设定逻辑也各有差别 。一家美国三大航空公司之一的做法最为特殊：Token 分派直接与具体项目及预期营收挂钩 。例如，一个预期营收1000 万美元的项目，财务团队批准100 万美元总支出预算，团队再自行决定其中几多比例用于 Token —— AI 本钱被纳入项目财务模型，而非单独的 IT 预算 。 员工的 " 省 Token" 生存规则预算压力倒逼出了一套实用的 Token 节约战略 。最典范的是 "Copilot 套利 "：微软 365 企业版订阅用户可免费无限使用标准 Copilot 聊天机械人，且该使用量不计入月度 AI 预算 。一家大型荷兰消费品与健康科技公司明确体现，员工会先用 Copilot 起草和整合创意，再挪用 Claude 或 Codex 处理最终任务，以此节约计量 Token 。模型降级也是常见手段 。那家全球旅游科技公司已将所有员工的 Claude 默认模型从Opus 切换为 Sonnet，Opus 仍可使用但需主动选择 。那家航空航天与国防制造商则直接 " 关闭 " 了Opus 4.8 和快速模式 。对此，SemiAnalysis 团队直接点评了治理层的逻辑：" 治理层认为给员工更大的 Token 预算会促使他们自动化那些基础不应自动化的任务，好比撰写邮件 。我们认为这种反自动化看法过于天真 。" 自制 Token 需求仍在增长，TaaS/API 端点市场没有冷下来预算治理不即是减少挪用 。企业更体贴的是单位本钱 。自制 Token 的需求仍然强 。前沿模型和开源模型的 Token-as-a-Service/API 端点市场都在增长 。AWS Bedrock 被纳入测算后，SemiAnalysis 对 AWS 本季度整体增长率的预计高于市场预期 。TaaS 供应商也在扩张 。Together、Fireworks、Baseten 等公司合计 ARR 已凌驾 40 亿美元 。这说明企业预算压力会改变采购结构 。能用自制模型解决的问题，就不会一直挪用最贵模型 。默认模型被降级，不代表 AI 使用减少，而是本钱曲线被重新优化 。 编码仍是最强需求，AI 列车没有因为预算上限而减速编码场景仍是目今 AI 收入最大的驱动力，OpenAI 和 Anthropic 逾 70% 的 ARR 来自这一偏向 。Anthropic B2B 占比超 90%（OpenAI 约 60%），决定了其收入结构对企业端的依赖更深，也更稳定 。下一波增长被认为将来自网络宁静和白领知识事情 。随着 Cowork、CoPilot、Codex 及 Computer 类产品进一步渗透企业，编码市场拉动 AI 实验室 ARR 增长的路径，会在更广泛的场景中重演 。目今大大都财产 500 强企业的人均 AI 支出仍远低于 2000 美元 / 年，主要集中在工程和数据科学部分 。这意味着 AI 在企业中的普及还处于早期阶段，增长空间并未消失，只是换了形态——从 " 随意烧钱 " 酿成了 " 有预算地连续投入 " 。 AI 真正的 ROI：效率提升，但产出预期也在同步上升在受访企业中，AI 带来的效率提升案例真实保存，且效果显著 。亚马逊招聘部分：从开端筛选到团队安顿的流程，已往需要6 至 9 个月，借助 AI 工具后缩短至3 至 4 个月一家为 85% 的《财产》500 强提供数据剖析效劳的公司：已往需要一周完成的事情，现在只需几小时但效率提升的另一面是：产出预期同步上升 。一位执法数据与危害解决计划公司的员工坦言，原本一周的事情量被压缩到几小时，" 但公司却因此期待她完成更多事情，结果她比之前更忙碌了 。"SemiAnalysis 指出，Uber、Meta 等公司的 Token 超支事件，基础原因是激励机制失当和监管松懈，而非缺乏高 ROI 的应用场景 。亚马逊尽管大规模裁人，但因 AI 工具带来的效率提升，正在以更快速度招聘新员工——这是 AI 作为 " 人力杠杆 " 最清晰的注脚 。