一家企业一个月在Claude上烧了5亿美元，起因是什么？纯属没人管——员工用AI没有上限，账单就一路冲到天上去。这不是段子，是Axios刚报道的真实案例。5亿美元是什么概念？很多中型公司一整年的IT预算都没这么多。而它花在一个月内，仅仅是因为“没设置使用上限”。
这事不是孤例。亚马逊内部曾经搞过一个叫Kiro的开发者平台，上面设了个排行榜，根据员工用AI的活跃度打分。结果呢？员工为了排名好看，开始让AI代理执行毫无意义的任务——反正跑得越多分越高，至于代码写得咋样、业务有没有推进，排行榜不关心。亚马逊高级副总裁Dave Treadwell上周直接对员工摊牌：别为了用AI而用AI。那个排行榜已经被下线。Meta也出了类似的事，员工同样靠刷Token量抢排名。
这些案例指向一个核心问题：企业AI的推广方式出了问题。很多公司铺AI的时候，注意力全在“功能多炫”“覆盖多广”上，成本管控机制压根没建。AI不是自来水，每次查询都有实打实的费用，尤其是企业级按Token计费的模型。日常性简单查询，单个看没几个钱，乘以全员使用量，累积速度惊人——业务部门对此完全没有概念。
前微软首席AI官Sophia Velastegui讲得很直白：大多数人拿AI去自动化他们“不喜欢干”的工作，而不是对公司“最有价值”的工作。这导致AI资源大量浪费在写邮件、生成周报这类低价值场景上，真正的驱动营收的关键环节反而没人用AI优化。这是典型的用例选型错位。
还有一个被严重低估的瓶颈：人。很多公司买了大量AI许可，撒花式发给员工，以为工具到位就算数。但缺乏引导和聚焦的结果是，AI真正的采用效率极低。员工要么不知道怎么用、要么乱用、要么干脆不用。工具堆了一桌，产出没见到。
数据开放的顾虑也在拖后腿。如果企业因为担心数据安全而不肯把内部专有数据开放给AI代理，那AI的能力上限就锁死了。一个没法触及核心数据的代理，顶多就是个高级一点的搜索引擎，ROI从哪来？
这些问题的背后，是一套新的投资逻辑正在成型。高盛OneDelta部门负责人Rich Privorotsky说得直接：AI交易的核心变量已经从“技术是否可行”转到了“成本是否可承受”。DeepSeek把Token定价砍了75%，小米MiMo的降价幅度接近99%——成本在快速下降。但问题是，更便宜的Token会不会先替代高成本推理服务？如果需求扩张有时间滞后，云服务商和模型公司可能要面临阶段性的收入压力。Token支出的理性化，今年二三季度就会成为董事会的议题。
目前市场上有两套叙事在打架。多头认为，现在的混乱只是转型阵痛——高盛预测到2030年代理式AI会推动Token消耗量增长24倍，云服务商毛利率未来3-12个月就能转正。空头的逻辑更尖锐：AI供应链中几乎全部价值流向了半导体公司，这在历史上从未发生过，而且不可持续——芯片公司不该在客户还没赚钱的时候就先富起来。
两种叙事都有数据支撑，胜负未分。但有一件事已经确定：Token消耗量增长不等于AI转型成功。那个简单等式已经被打破。一个月5亿美元的账单、亚马逊的刷分排行榜被叫停——企业AI正在经历一次“健康摆荡”，从过度使用转向理性审查。下一笔AI账单能产出多少真实价值，才是这场豪赌真正的判决时刻。AI不是不该用，是不能不会用。