Meta內部AI使用成本失控、科技巨頭集體踩剎車，正將一個長期被忽視的行業矛盾推至臺前：AI的商業化邏輯，正在被它自己制造的賬單危機所反噬。

據The Information報道，Meta本周向約6000名員工發送內部備忘錄，宣布將對員工的Token使用量設置上限，并構建實時追蹤平臺，以遏制內部AI成本的指數級膨脹。

Meta大樓 網絡圖

備忘錄直言，Meta 2026年僅內部AI使用一項支出預計將高達數十億美元。這一舉措的背景是，Meta此前曾大力鼓勵員工將AI工具嵌入日常工作，如今卻不得不急踩剎車。

與此同時，據《華爾街日報》報道，OpenAI正考慮大幅下調Token費用以爭奪企業客戶，而反映市場AI付費意愿的Silicon Data LLM Token支出指數已連續7個交易日下跌，創今年1月以來最長連跌紀錄。

這一系列信號疊加，令市場對AI商業化可持續性的疑慮驟然升溫。對投資者而言，核心問題已不再是AI需求是否存在，而是：當科技巨頭自身都開始精打細算Token賬單，大模型廠商的利潤率空間究竟還剩多少？

Token賬單失控：Meta內部的"燒錢競賽"

Meta此次收緊AI使用的直接導火索，是一場由內部激勵機制催生的Token消耗狂潮。

去年11月，Meta曾明確告知員工，展示"AI驅動的工作成果"將成為今年的"核心考核要求"，表現最優者將獲得獎勵。這一導向在今年春季引發了意想不到的副作用——部分員工開始參與一種被稱為"tokenmaxxing"的競賽行為，爭相登上公司內部名為"Claudeonomics"的排行榜，該榜單按Token使用量對前250名員工進行排名。

據The Information獲得的內部數據，員工在某30天內累計消耗了60.2萬億枚Token，隨后這一數字進一步攀升至73.7萬億枚，排行榜隨即被下線。部分員工甚至刻意指令AI代理同時運行多項任務，以人為方式拉高Token消耗量。

Meta首席技術官Andrew Bosworth在4月的一份備忘錄中已對此發出警告，稱"沒有人應該為了使用AI而使用AI"，并強調"Token使用量本身不是任何意義上的影響力衡量標準"。但顯然，僅靠喊話難以遏制成本的持續攀升。

系統性應對：AI Gateway與內部工具替代

面對失控的支出，Meta正在構建一套系統性的成本管控機制。

根據內部備忘錄，Meta已由產品開發人員和工程師團隊搭建了一個名為"AI Gateway"的中央儀表盤，用于實時監控全公司的AI使用量與支出，并將推出針對異常消費峰值的自動預警功能。公司計劃在未來數周內向更廣泛的員工群體正式發布上述管控工具，并于2027年推進更結構化的Token預算分配機制。

與此同時，Meta正推動員工從第三方AI工具轉向內部自研方案。據兩位知情人士透露，Meta新成立的Applied AI Engineering部門已責成工程師改進內部編程助手MetaCode（前身為Devmate），目標是降低對Anthropic旗下Claude的依賴——后者目前是Meta工程師在編程工作中的主要工具。相關團隊正通過生成編程挑戰、訓練強化學習數據的方式提升MetaCode的能力。

值得注意的是，Meta并未完全封鎖第三方模型的訪問權限，員工仍可使用來自OpenAI、Anthropic和谷歌的工具，但內部工具的優先級將被明確提升。

行業共振：大廠集體踩剎車

Meta并非孤例。Token賬單壓力正在科技行業形成共振。

據英國《金融時報》報道，亞馬遜上月剛關閉了一項內部AI排行榜，原因是員工為了“刷分”而進行不必要的操作，導致公司的算力成本急劇上升。同時，亞馬遜開始使用一種名為“標準化部署”的指標，來評估工程師是否定期使用AI生成有用的代碼，而不是單純的Token消耗量。

另據The Information，Uber和ServiceNow在2026年前幾個月便已耗盡全年Anthropic工具預算；ServiceNow同樣開始監控員工每日使用量以追蹤和壓縮成本；風險投資機構也在為員工設置AI使用上限，原因是每日Token費用動輒高達數千美元。

這一背景下，OpenAI的降價傳聞更具深意。

據《華爾街日報》報道，OpenAI正考慮大幅下調向用戶收取的Token費用，部分原因是為搶在Anthropic采取類似行動之前"占據先手"。

OpenAI首席執行官Sam Altman近期公開承認，AI使用成本已成為"一個巨大問題"，并表示將"幫助人們用更少的支出獲得更多價值"。

這一表態的時機頗為微妙——OpenAI本周已秘密提交IPO申請，Anthropic同樣處于上市倒計時階段。價固然有助于爭奪企業客戶，但將直接侵蝕兩家公司的利潤率，而兩者目前均因AI系統所需的龐大算力虧損數十億美元。

Token指數下跌：市場在重新定價什么？

資本市場已率先感受到這股寒意。

Silicon Data統計的LLM Token支出指數截至6月11日已連跌7個交易日，創今年1月以來最長連跌紀錄，過去12天中有11天錄得下跌。

該指數衡量全市場每使用100萬枚Token的平均付費水平，自去年12月以來曾翻逾一倍，并持續攀升至2026年5月，隨后急轉直下。

美國宏觀策略師Andreas Steno Larsen將這張圖稱為"當前全市場最應關注的一張圖"，并警告：若Token定價持續走弱，本輪周期中從內存到更廣泛硬件及數據中心的相關交易邏輯可能面臨終結。

華爾街對此解讀不一。摩根大通將當前走勢定性為"最小減速帶"；Citadel則指出，AI落地的核心約束已從"模型能力最強"轉向"成本與稀缺性"，用戶正加速向廉價模型遷移。

這一分歧的背后，是一個更根本的估值問題：Token消耗量下降，究竟是AI需求見頂的信號，還是用戶理性化選擇低價模型的結果？答案將直接影響英偉達、云廠商乃至整條AI硬件鏈的資本開支預期與估值邏輯。

商業化敘事的轉折點

從更宏觀的視角看，Meta此次收緊AI使用，折射出生成式AI商業化敘事的深層裂變。

過去三年，AI行業經歷了從補貼換用戶、月包訂閱隱藏成本，到按Token計費引爆企業賬單危機的三級跳。如今，當"Token消耗越多越好"的增長敘事走到盡頭，行業面臨的不僅是一次降價決策，而是一個更根本的商業模式重構命題。

Meta此次投入高達1450億美元的年度資本開支，部分用于擴張AI基礎設施，包括數據中心、AI芯片和人才招募。與此同時，公司正承受來自投資者的壓力，要求其從龐大的AI投入中產生可見回報——Meta已在Facebook、Instagram和WhatsApp推出付費訂閱層級，并計劃向使用其AI商業代理的企業收費。

然而，若連Meta自身的內部AI使用成本都已難以為繼，其企業AI代理業務的盈利前景同樣面臨拷問。對整個行業而言，下一個商業化故事如何講述，仍是一個懸而未決的問題。