Tokenmaxxing 时代的终结对 AI ROI 意味着什么

事件核心：发生了什么

TechRadar 刊出 Apptio（IBM 旗下公司）EMEA 现场 CTO Greg Holmes 的观点：不少企业几个季度就把全年 AI 预算耗尽，随后开始限制员工使用 AI 工具。问题在于，许多公司衡量的是 token 消耗和调用次数，而非业务产出。

生成式 AI 的成本结构与传统云和本地工作负载不同：费用取决于提示词的复杂度、准确度以及所用模型，LLM 本身的可变性让成本追踪更难。AI Agent 的引入进一步放大了不确定性——它们以自主的后台循环运行，为完成复杂任务可能发起多次查询，token 消耗、GPU 占用和扩容速度都难以预测。目前公开信息显示，AI 支出往往分散在多个业务部门、基础设施、厂商 API 和工程团队中，缺乏集中可见性。

为什么重要

这关系到 AI 商业化的下一阶段能否持续。如果企业只能看到“花了多少 token”却看不到“换回了什么”，预算削减往往会误伤真正有效的项目。Holmes 主张先建立无 AI 时的流程基线成本，再引入技术商业管理（TBM）和 FinOps 框架，把技术支出当作实时的产品变量来管理，而不是事后核算的孤立数字。对云厂商和模型 API 供应商而言，客户从“拼用量”转向“拼价值”，可能改变采购逻辑和定价博弈。

对用户/开发者/创作者的影响

开发者需要习惯为 AI 功能做端到端的成本归因：区分推理调用、Agent 循环和 GPU 占用，避免只看单一 token 单价。企业采购侧会更看重可追踪性和性能基准，而非单纯的 API 折扣。创作者和普通用户可能感受到的是：公司内部对 AI 工具的使用限制增加，免费或低价的“随便用”额度收紧，但真正带来效率提升的场景反而更容易拿到预算。

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。

了解 GamsGo AI

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

一是企业是否真的落地 ROI 基线，还是继续以削减用量作为唯一手段；二是模型与 API 供应商会不会推出更细粒度的成本可见性和预算控制功能；三是 AI Agent 规模扩大后，token 与算力支出的失控问题是否催生新的计费和治理工具。

来源：TechRadar