企業以為導入 AI 就像請了免費助理，結果 token 帳單比員工薪水還貴？
在過去 9 個月內，亞馬遜（Amazon）、Block、Meta、Atlassian 等科技巨頭大張旗鼓裁員，宣告 AI 是降本良策。然而，帳單來了。
Uber 在 4 月就燒光了 2026 年全年的 AI 開發工具預算；據傳有企業忘了替員工設定使用上限，收到一張 5 億美元的 Claude 費用通知單。主管們猛然發現，當初裁員省下的人力成本，恐怕還不夠付這張 AI 帳單。
不到半年就燒光全年預算！企業從衝刺 AI 到緊急踩煞車
OpenAI 企業部門負責人亞歷山大．安比里科斯（Alexander Embiricos）說，6 個月前他與客戶的對話還圍繞著「這個 AI 能做什麼、夠不夠好？」現在所有對話都變成：「我們花了好多錢，你有辦法讓我們看清楚錢花到哪嗎？有沒有稽核機制？有沒有 token 管控工具？你們的模型的效率如何？」
FinOps Foundation 執行長史托曼（J.R. Storment）描述，今年 4 月和 5 月，他開始不斷接到企業反映：「2026 全年 token 預算才到 4 月就已經超支 3 倍了。」整個行業的對話風向，從「極大化 token 用量、往前衝刺」（tokenmaxxing），轉成「我們需要設置護欄，該怎麼控制這件事？」
造成 Token 用量大幅上升的原因是 AI 代理（AI Agent）的爆發式普及，Anthropic 的 Claude Opus 4.5、OpenAI 的 GPT-5.1、Google 的 Gemini 3 Pro 等新模型在 2025 年 11 月問世後，大幅強化 AI 代理工具的能力，也大幅拉高整體 token 消耗量。一名 Priceline 員工透露，例行的 Cursor 合約續約報價一口氣貴了 4～5 倍。
工程師管理平台 Faros AI 執行長維塔利．高登（Vitaly Gordon）表示，他最近跟一位技術長談話，對方坦言：「我有一個工程師上個月花了 4 萬美元的 token，我真不知道該阻止他，還是讓全公司都學他。」
錢燒慢了，但不是不燒了
根據 Silicon Data 的 LLM Token 消費指數（LLM Token Expenditure Index），企業花在 AI 語言模型上的錢，從 2025 年 12 月到現在已經翻倍——今年 5 月更出現一波明顯的支出高峰，之後才稍微降溫。
這個數字追蹤的是全市場平均每百萬個「token」的花費，而 OpenAI、Anthropic、Google 等主要供應商都是按 token 量收費，因此這個數字直接反映了市場對 GPU、記憶體與資料中心的需求。
至於近期支出趨緩，Silicon Data 認為，這不代表企業減少使用 AI，而是企業轉向更貴的頂級封閉模型的速度放慢了。
生產力漲 2 倍，token 卻燒掉 10 倍——企業無法衡量巨額花費是否值回票價
問題在於，花出去的錢究竟換回多少產值，至今仍說不清楚。Faros AI 針對 2 萬名開發者長達 2 年的研究發現，產出確實提升了，但 bug 和重寫的量也同步增加。工程管理平台 Jellyfish 的數據同樣指出，用 AI 最多的工程師生產力大約是低用量者的 2 倍，但消耗的 token 卻是 10 倍。
Jellyfish 研究主管尼古拉斯．阿科拉諾（Nicholas Arcolano）補充，受 AI 代理功能爆發帶動，每位開發者的 token 消費量在 9 個月內成長約 18.6 倍。阿科拉諾指出，極端的花費能否值回票價，取決於最終交付的商業價值，例如帶來多少營收，但大多數企業還沒有能力衡量這件事。
需求是真實的，還是補貼撐起來的？
面對失控的花費，市場快速響應。Linux Foundation 本周宣布成立「AI 運算費用標準組織」（暫譯，原文為 Tokenomics Foundation），目標是為 AI token 的使用與計費建立共通標準。
Ramp、Datadog、New Relic 等既有平台陸續推出 AI 費用管理與 token 用量監控功能；Pay-i、Paid 等新創則專攻 AI 投資的成本追蹤與 ROI（投資報酬率）測量。Tokenomics Foundation 預計 7 月正式上線，但企業的帳單問題已經現在就爆了。
高盛預測，2030 年全球 token 用量將是目前的 24 倍。高盛全球股票研究主管詹姆斯．科維洛（James Covello）在 2024 年曾估計，需要 18 個月到 2 年才能判斷湧入 AI 基礎設施的資本能否產生相應回報。
軟體工程師班傑明．霍恩（Benjamin Horne）更進一步指出，AI 大廠的「破紀錄營收」，相當程度上是靠補貼用戶 token 費用撐住。一旦補貼退場，要求每個用戶和企業付出真實算力成本，「那一大塊『需求』瞬間就會蒸發。」
資料來源：Inc.、Let's Data Science、TechCrunch、Fortune；本文初稿由 AI 協助整理，編輯：支琬清
延伸閱讀
矽谷工程師狂燒上兆 Token 是高效率的表現，還是昂貴的作秀？
「節省工時」不算導入 AI！前 LINE 台灣總經理陶韻智揭企業 AI 轉型的 3 大盲點
加入《經理人》LINE好友，每天學習商管新知