一句话看懂：AI 智能体在部署后出现 Token 消耗失控、账单暴涨的现象，导致 UBER、微软等公司被迫限制使用额度；与此同时，这一危机正促使行业重新思考计算架构，CPU 在 AI 任务中的角色开始回升，部分算力正向本地设备迁移。
事件核心：发生了什么
过去一年，美国科技圈以 AI 为名的一波裁员潮并未真正实现降本。一项对 300 多家企业 HR 的访谈显示，36% 的公司在裁员后被迫召回原裁员人数的一半，原因是 AI 不够稳定。更核心的问题在于，AI 的 Token 账单正在吞噬企业的人力成本节省。
典型案例包括 Uber：2024 年 12 月其 AI 编码工具普及率达到 95%，但 4 个月后全年 AI 预算被打穿，公司被迫将每人每月 AI 工具开销上限定为 1500 美元。另一个极端案例来自 OpenClaw（已加入 OpenAI），其三人团队在 2026 年 5 月使用约 100 个 Codex 编码智能体实例，30 天内发起约 760 万次请求，消耗约 6030 亿 Token，对应 API 成本约 130.5 万美元。
结构原因在于：智能体不是线性完成任务，而是在反复循环中将代码、报错日志、搜索结果重新塞入上下文。普通对话每轮约消耗 1 万 Token，推理模型升至 10 万，智能体动辄超过 100 万；同任务执行两次，消耗可相差 30 倍。输入 Token 与输出 Token 之比高达 154:1。
原高通全球副总裁沈劲在使用某知名 AI 智能体平台时，一天内耗尽了 8000 积分（正常够用一个月），且平台方一个月未响应售后。微软旗下的设备体验部门也因 Claude Code 账单失控，要求今年 6 月末取消绝大多数内部许可证。
为什么重要
高额且不可预测的 Token 消耗正在倒逼行业重新思考 AI 运行方式。此前三年，所有人注意力都在 GPU 上：2025 年 Meta、微软、谷歌、亚马逊四家公司在 AI 智算中心花费超 3000 亿美元，其中六成用于采购 GPU，服务器内 GPU 与 CPU 配比约为 8:1。但智能体的核心工作并非内容生成，而是任务编排、状态维护、高并发 API 调用等——这些正是 CPU 的强项。沈劲认为，GPU 与 CPU 配比正从 8:1 转向 1:1。
这一变化已催生新的硬件路径。今年 6 月 1 日，英伟达发布 RTX Spark，其核心芯片 N1X 将 GPU 和 CPU 封装在一起，并联合微软对 Windows 11 进行 13 项底层改造，目标是打造“智能体 OS”，将算力从云端拉回本地。苹果则在 WWDC 上推出五层 AI 架构：手机本地的 30 亿参数模型（Token 成本为 0）、200 亿参数稀疏模型（Token 成本为 0）、苹果私有云、以及最终才调用谷歌公有云的极端任务。这套分层既省钱又保护隐私。
对用户/开发者/创作者的影响
对企业决策者：即便能用 AI 替代部分岗位，也要预留至少 3-5 个月的 Token 预算弹性，Uber 和微软的案例表明账单可能在数月内失控。建议在部署智能体前，先做 Token 消耗的压力测试。
对开发者：如果正在开发需要长期运行的多步骤 Agent，当前的按 Token 计费模式风险极高，需考虑在本地或私有云预部署编排和调度任务，减少云端调用次数。
对终端用户：本地 AI 设备的品类（如英伟达 RTX Spark、苹果本地模型）将在 2026-2027 年增加选择空间，用户在购买前需明确自己的任务属于“频繁编排”还是“一次生成”，前者应优先选择 CPU 能力强的本地设备。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 英伟达 RTX Spark 与 Windows 11 的“智能体 OS”改造是否能在 2026 年下半年如期落地，以及第三方 Agent 框架（如 LangChain）是否适配其本地调度能力。
2. 苹果的五层分层 AI 方案能否推动其他手机厂商跟进本地轻量模型+端云协同的架构，从而缓解公有云 Token 计费压力。
3. 是否会出现“上下文工程”公司（Context Engineering），在请求进入大模型前通过中间层压缩 Token 消耗 60% 以上，这将是企业级 AI 采购的下一个潜在热点。
来源：Readhub · AI
