2026年AI烧钱榜：5亿美金账单揭Token使用排名
近来, 有越来越多的公司察觉到, 在尚未等到人工智能切实去改造业务之时, Token 账单却率先将自身予以改造了。原本在人工智能转型当中最为昂贵的陷阱, 便是把 Token 的使用数量当作了员工的关键绩效指标。
下述某公司的那个老板, 猛地大手一挥, 给全体员工开通了 Claude 授权, 谁知却忘掉了设置上限, 以至于一个月时间就花烧了高达 5 亿美元, 换算折合而成人民币达 30 多亿, 等财务发觉反应过来的时候, 上亿美元的账单早就已然在去往公司的路上了。
5 亿美元烧钱的具体情况究竟是怎样的? 仔细剖析其中的细节, 会发现在这些烧钱情况中, 存在着相当大的一块儿, 这块儿是在某些员工执行任务的过程当中, 多次碰到出现报错的状况, 然后一次又一次地手动点击“重试”逐步形成的。
要是仅仅是某家公司偶然失手, 这称作运气不佳。但关键在于, 与之相似的那种“意外情况”, 随便一找就有好多。
Meta 内部, 有人制作了一个名为 Claudeonomics（Claude 经济学）的榜单, 该榜单用于统计谁使用 AI 最为频繁。在 30 天的时间里, 全公司消耗了超过 60 万亿个 Token, 其中仅“榜一大哥”一人就占据了 2810 亿 Token, 这相当于将近 50 万美金/月。
最早, Uber给5000名工程师配备齐全Claude Code, 在几个月内, 使用率急剧飙升, 然而, 刚过了第一季度, CTO就不停地叫苦, 称2026年全年的AI编程预算已经提前被用光了。
而国内同样毫不逊色, 于阿里云峰会上, 米哈游的技术负责人曾提及, 存在员工为开展一个工程项目, 组建了好些个 Agent 协同合作, 在一个夜晚耗费掉价值达 200 万人民币的 Token。
Token账单为何会如此失控？
今年5月, 高盛那份名为《Decoding the Agentic Economy》的报告点破了真相, 在Agentic模式下, 模型因为需要持续地进行这样的循环, 那就是“思考 - 检索 - 调用工具 - 重新读取完整上下文”, 所以其Token消耗量达到了普通问答模式的1000倍。
你觉得它好似在思索, 实则它也为成本的高昂所迫。并且模型公司, 云厂商, 芯片公司这般的存在, 更是彼此默契地将把“频繁运用AI、大量消耗Token”乔装成先进性生产成果的进展。
此时再去瞧Anthropic那个单季度超过百亿、估值冲破万亿美元的造富迅猛势头, 老黄收获丰厚无比的增长曲线, 是不是就并非难以洞悉了呢, 下游因“事故性”烧去的钱财, 转瞬间就变成了模型公司财务报表上实实在在的入账金额。同样一笔资金, 存在两个不同视角: 一个被称作增长, 另一个被唤作事故。
亚马逊先动手了
拿出几亿美元去烧掉, 兴许算是个极其特别的例子, 然而, 仅仅是为了单纯地实施花费资金这样行为的状况, 早就已然变成了科技领域大型企业普遍存在的毛病啦。
直到亚马逊实在看不下去，第一个动了刀。
当时, 在亚马逊内部, 存在着一个名为 KiroRank 的榜单, 它被挂在自家的 Kiro 开发者平台之上, 该榜单是依据工程师所消耗的 Token 量来进行排名的。
公司之前下达了严格的指标, 需八成往更多的员工, 每周都得使用AI, 榜单公布之后, 员工陆续开始Tokenmaxxing: 派遣Agent去做根本没什么必要的工作, 将Token消耗成排名, 然后又把排名转化成职场上给予安全感的一种方式。
最后, 亚马逊的那位高级副总裁Dave Treadwell, 终究是按捺不住内心冲动了。他在公司内部所举行的大会之上, 进行呼吁并着重强调说: 千万别只是为了去运用AI, 就盲目地使用AI呀。
那个榜单很快就被下线了, 新的指标变成了在衡量着工程师是不是真通过用AI去交付有实质用处代码的“normalised deployments（标准化部署量）”，并非只是单纯去数你用掉了多少Token, 而不是单纯数你烧了多少Token。
身为云计算领域的霸主, 亚马逊自然是相信人工智能的, 然而, 它也亲身证实了这样一件事情, 即人工智能使用量这一指标极易受到干扰, 是很容易被污染的。
当你去统计 Token 的数量的时候, 员工就会刷 Token；当你着手统计 Prompt 的数量之时, 那个员工他就会编造 Prompt, 并写出来；当你去暗示“不用 AI 就会落后”这个观点的时候, 员工便会绞尽脑汁想办法来证明自己并未落后。
有个在经济学领域里存在的古德哈特定律, 一旦某一个指标转变成为目标, 那么它便不再属于一个良好的指标了。
进入AI时期, 这话能换种表述: 一旦Token变为KPI, 那么它便不再属于生产力评估标准, 而是一张会自行扩张的云账单。往昔比拼工时, 如今较量Token；以往KPI注水, 现今云账单注水。技术有所发展, 职场的本质始终未曾改变。
亚马逊并不是唯一踩刹车的人。
Shopify已然将Token排行榜改换为更具中性特质的使用类别仪表盘, 并且增添了熔断机制, Duolingo往昔曾经存有把AI使用情形纳入绩效考核范畴的想法, 不过后续又予以撤回, 微软同样着手针对部分外部AI编程工具授权展开收缩举措。
你的成本：老黄的资产
那些已然被烧掉的钱, 并不会莫名消逝。一家公司走向失控的状况，常常是另一家公司的报表呈现的情形。
瞧 Anthropic, 在一季度的时候, 其收入达到了 48 亿美元。并且预计在二季度, 这个收入将会翻倍, 变为 109 亿美元。那么, 这条曲线是靠什么来撑起的呢? 并非是普通用户之间的闲聊, 而是那些企业的 API、Claude Code, 以及无数公司内部所存在的那一套“全员 AI”“Agent 先跑起来再说”的组织冲动。
看一看卖铲子的英伟达, 其最新季度的收入是816亿美元, 这并非仅仅是AI信仰那么简单说说就能过去, 实实在在有可流动现金的现金流存在着, 是真实摸得着的现金流啊。
现在你再度去瞧黄仁勋讲的那句话, 那味道已然发生了改变。就在昨天的时候, 他才于GTC Taipei宣称, 从产业的视角予以审视, Token这一事物已然摇身一变成为了资产以及营收单位。而这句话其聪明的地方恰恰在于, 它不动声色且不着痕迹地进行了主语的偷换。
Token的耗用, 于平常企业的账册里, 明晰是成本, 是属于那种会被财务紧逼着询问“这笔钱花得是否值得”的开支。
Token唯有站在上游厂商所核算的账本之上之际, 才切实确凿无疑地属于资产: Token的数量越是增多, 进行推导性的思考也就越是频繁；推导性的思考越是频繁, 老黄所负责售卖的GPU、网络以及液冷等产品也就都要随之进行销售。站在Anthropic所记录的账本之上同样属于资产: 企业每一次额外运行一轮Agent, 最终都会转变为它的营收以及利润率。
可是站在下游企业的账本之中而言, Token 首先呈现为成本。成本并非一定不可以花费, 然而唯有在换回更短的流程、更少的返工以及更强的交付的这般情况下, 才具备被称作资产的资格。要是 token 仅仅只是为了关于排行榜以及先进性的证明而去烧钱的话, 那仅仅只是更为昂贵的形式主义罢了。
AI 提效的战场，并不在 Token 榜单
当然, 这可不是说着要返回到保守主义, 不然投资AI存在的价值。问题在于, 有诸多公司把AI落地给理解得太过浅显了。
他们觉着给予员工开设账号这一行径便是AI转型, 觉着使用比率升高了便是机构取得进步, 觉着投入 Token 的量多便意味着AI运用得深入。
Uber的首席运营官是位率先投身于这场“转型”的人物, 他分享了激进之后所获得的醒悟情况。情况呈现为, 我们多交付出了一些代码, 可是很难将这些代码与“给用户做出了更具实用性的功能”进行划对等之处这件事联系在了一起。
这可不是仅仅出现一次的状况, 代码分析公司GitClear对2.2亿行代码进行了仔细解析, 竟然有这样的状况, 那就是在采用AI辅助之后, 在写完代码两周之内就需要进行返工处理的代码数量, 居然翻了9倍这么多；而复制粘贴这种重复性质的代码数量, 更是翻了8倍之多。在不少情形之下, 企业仅仅是把人类原本存在低效问题的地方, 替换成了模型, 结果却是以更为昂贵的方式再次呈现低效的状况, 这令人深思。
真实的AI组织促使效率提高, 并不在 Token 榜单之上, 而是产生于业务最深之处。企业将AI应用到实际当中最为困难的地方, 并非是为员工开设账号, 而是要让模型贯通工作流程。
这同样是之所以当下 OpenAI、Anthropic 都在花大价钱招募前向部署工程师, 深入到客户内部去拆解流程、梳理权限、进行集成的缘由—— 鉴于他们也已然察觉到, 仅仅是 API 层面的交付, 根本无法落地实施。
上游的公司自然是会接着去讲Token的故事, 然而那终究是属于别人的增长故事。一般普通的企业在要是没先把自身的业务问题、流程结构弄明白的情况下, 就急忙把别人的故事纳入自己的KPI, 到了最后只会变成别人财报里的配角。
这一头所出现的事故, 恰恰就是那一头的营收情况。仅仅会烧掉Token, 这并不能算作是一种本事, 能够清晰地讲明白“这笔钱究竟使得组织在哪方面变好了”, 这才算是有本事的表现。