老黄的Token经济学翻车了！微软亚马逊通通跳车

标题和作者

本文标题为《老黄的Token经济学翻车了！微软亚马逊通通跳车》，作者为henry，发布于量子位。文章主要探讨了企业界在经历了“黄氏Token经济学”热潮后，对AI使用成本与价值关系的深刻反思。作者通过亚马逊、微软、Uber等大厂的具体案例，揭示了从最初担心员工不用AI，转变为如今担心员工滥用AI、不计成本消耗Token的现状，并分析了这一趋势背后的原因和未来的发展方向。

摘要

本文分析了企业界如何从盲目追求AI Token消耗量转向关注实际ROI（投资回报率）。此前，受黄仁勋等人的观点影响，企业普遍认为多用Token能提升生产力，甚至将其作为KPI。然而，随着亚马逊、微软、Uber等公司出现因无限制使用AI导致巨额账单或无效刷单的现象，企业发现Token消耗与产品价值之间缺乏线性关系。本文具体阐述了各大公司通过取消内部排行榜、迁移至自研或自家产品、解绑AI使用与绩效考核等手段来控制成本。结果表明，企业不再单纯追求消耗量，而是进入“精细运营”阶段，关注如何用更少的Token完成更多任务。此外，文中还解释了“Token”、“Tokenmaxxing”等概念，指出前者是计费单位，后者指盲目追求消耗量的文化。

主要主题和概念

主题一：Token消耗的幻觉与盲目追求

• What：企业界曾普遍存在一种误区，即认为AI Token消耗量越高，代表AI采用率越高，生产力也越强，甚至将其作为员工绩效考核的指标。
• Why：这种观念受黄仁勋等人观点的影响，认为多用Token意味着购买了更多生产力，但忽视了实际产出与成本之间的平衡，导致出现亚马逊刷榜和微软无限制授权等乱象。
• How：亚马逊取消了内部AI使用排行榜，阻止员工为了冲榜而进行无意义的刷单行为；微软则收缩了Experiences + Devices部门对Claude Code的授权，要求工程师迁移至自家产品以控制成本。

主题二：从狂热到精算的ROI导向

• What：企业决策层开始从单纯追求AI使用率，转向关注投入产出比（ROI），即计算每一分Token花费是否创造了等值甚至更高的价值。
• Why：随着Uber、多邻国等公司发现高额Token消耗并未带来相应的产品价值（如Uber发现消耗与发布价值无线性关系，多邻国发现考核导致员工质疑），企业意识到Token本身不是价值，完成任务和创造收入才是核心。
• How：企业开始采用自研模型（如DeepSeek V4）替代昂贵的外部模型以降低成本，将AI使用与绩效考核解绑（多邻国撤回考核），并建立更严格的预算管理机制，优先使用高效模型和人类决策。

重要引文

• 论点：AI Token的消耗量并不等同于产品的实际价值，盲目追求高消耗量会导致资源浪费。
• 论据：Uber首席运营官指出，AI Token消耗与最终发布的有价值产品之间不存在明显的线性关系；多邻国在员工质疑后撤回了将AI使用纳入绩效考核的决定，CEO直言感觉不是在为实际结果负责。
• 论证：通过Uber的案例证明，烧光预算不代表产出高质量产品；通过多邻国的案例证明，强行考核使用量会导致员工对AI工具产生抵触情绪，从而影响实际工作效果。
• 解释：“ROI”（Return on Investment，投资回报率）是衡量投资效益的指标，这里指企业评估花在AI Token上的钱是否值得；“KPI”（Key Performance Indicator，关键绩效指标）是企业用来评估员工或部门表现的具体标准。

总结

本文最吸引眼球的结论是，企业AI应用正经历从“Tokenmaxxing”文化向“精细运营”阶段的质变。虽然黄仁勋曾预言高消耗等于高效率，但现实账单（如亚马逊的巨额罚款和Uber的预算烧光）证明，不计成本的狂热使用正在退潮。文章指出，未来的核心不再是比拼谁烧掉更多Token，而是谁能利用自研模型（如DeepSeek）、优化Agent工作流以及结合人类决策，用更低的成本创造更高的价值。这标志着AI热潮并未消退，而是进化为一种更加务实、注重商业逻辑的成熟应用模式。