AI 行业前些日子还在鼓励公司把预算“花满”，如今却迅速转向了“节流”模式，因为企业发现，哪怕只是用 AI 处理一些很小的工作，也可能轻松烧掉大笔 token 费用，却未必换来同等回报。越来越多公司开始限制员工对 AI 工具的使用，企业内部正进入一个可以被称为“token rationing”的阶段，也就是对 AI 资源进行配给。

咨询公司 Accenture 最近正试图阻止员工用 AI 做一些基础任务，比如把 PDF 转成演示文稿，以免消耗过多 token 额度。 这类收紧发生在不久之前，Accenture 还曾警告员工，如果不使用 AI，可能会影响晋升机会。 404 Media 引述的一段泄露内部会议录音显示，Accenture 的 agentic AI 战略负责人 Justice Kwak 说，公司已经到达一个临界点，AI 开始明显影响成本结构，而管理层仍在追问投入是否真的物有所值。

token 成本已经开始动摇 AI 的商业模式。 过去几个月里，AI 相关企业的股价和估值承压，部分高度依赖 AI 的公司首当其冲，尤其是内存芯片厂商也受到波及。 业内开始意识到，AI 不能只靠“新鲜感”和“概念热度”支撑，最终必须证明它在财务上真的能带来价值。

更广泛地看，企业正在集体调整内部 AI 策略。 许多公司已经开始为员工设置周度或月度使用上限，或者对不同岗位分配不同的 token 预算；一些企业还会在使用接近上限时发送提醒，让员工申请追加额度。 这类做法的背后，是 OpenAI、Anthropic 和 GitHub 等服务商近期调整了定价方式，把原本更像“包月无限用”的模式，转向更强调按实际 token 消耗计费。

报道还指出，很多看似简单的任务，放到先进模型上其实并不便宜。 例如，将复杂分析交给大模型长时间运行，成本可能轻松超过 100 美元；如果对整个代码库做一次大规模漏洞分析，费用甚至可能达到 5 万到 10 万美元。 这也是为什么一些公司开始把基础任务转给能力较弱、成本更低的模型，甚至会混用不同厂商的产品来控制开销。

从企业管理角度看，这场变化意味着 AI 正从“鼓励多用”转向“精细配额”。 对员工来说，能否使用 AI 已不再只是效率问题，也变成了预算管理问题；对 CFO、COO 和 CIO 来说，AI 现在必须像其他核心成本一样被严格衡量。 这也标志着企业 AI 的第一轮狂热正在退潮，取而代之的是更务实、更计较投入产出的新阶段。