过去一年，大厂最时髦的口号是「全面 AI 化」。  
但最近，风向悄悄变了——不是 AI 不行，而是 Token 太贵，把一众高管老头给崩醒了。

一、从「AI 信仰」到「账单休克」

在很多公司，AI 化最初是被当成组织速效救心丸推出的：

• 增长不行 → 靠 AI 开第二曲线  

• 利润承压 → 靠 AI 优化组织  

• 人效难看 → 靠 AI 替代重复劳动  

落地方式也很“互联网”：  
明面上 OKR 要求每个团队交 AI 案例，暗地里公司统一报销 Claude Code、接 AWS，让全员“免费”用 AI。

问题是：高管懂财务，但不一定懂 Token，更不懂一线业务。

当月底账单出来——  
“他 X 的，Token 这么贵？！一个工程师才几个钱？先给老子撤回。”

于是，短短一年，不少公司从“全面 AI 化”紧急倒车，变成“先停一停，等财务模型摆正再说”。

二、被 Token 崩的两种高管老头

第一类：真蠢型 —— 把 AI 当第二增长曲线

这类高管真心相信：只要全公司立刻、全部、马上 AI 化，业务就能起死回生。

典型画像：

• 认为 AI 能写代码、写文档、做分析，公司的一切问题都能被 AI 重洗一遍；

• 把“用不用 AI”上升为组织纪律，甚至纳入绩效考核。

Klarna 是最典型案例：

• CEO 曾公开宣称：AI 已能做所有人类工作，公司停止扩张招聘，人数从 ~4500 降到 ~3500；

• 和 OpenAI 联合宣传：客服 AI 首月处理 230 万次对话，占总量 2/3，把响应时间从 11 分钟压到 2 分钟。

看上去是“AI 改造传统业务”的样板，但问题出在：  
客服不止是“回答问题”。

AI 能搞定账单、退款、物流、规则解释等标准化问题，但真正影响用户信任、复购、品牌口碑的，往往是那些非标准、带情绪、需要判断的边缘场景。

结果：Klarna 后来重新招聘人工客服，甚至试点类似 Uber 的自由接单模式——转了一圈，复杂服务还是得回到人身上。

Duolingo 则把“AI 化”直接写进 HR 制度：

• 招聘看 AI 使用能力；

• 绩效评估包含 AI 使用情况；

• 外包工作若可被 AI 完成，就逐步停掉外包。

但当 AI 使用被绑定到绩效，员工只会优化指标本身：  
用 AI，不是因为任务适合，而是因为不用显得落后；接入 AI，不是因为它有用，而是因为汇报里必须有 AI。

后来 Duolingo 撤回了“用 AI 评价绩效”的做法。CEO Luis von Ahn 也承认：  
最重要的仍然是本职工作做得好不好，如果 AI 帮不上忙，就不该强迫使用。

对这一类高管来说，现实狠狠教育了他们：  
AI 不是第二增长曲线本身，它顶多是某些流程里的杠杆。  
能不能产生价值，取决于你有没有清楚的问题、稳定的数据、可改造的流程、足够强的人类工程师兜底，以及愿意为试错付出的真实成本。

第二类：鸡贼型 —— 把 AI 当叙事工具，结果被账单反噬

这类高管没那么天真，他们清楚：  
AI 未必能重塑一切，但它绝对是这几年最好用的资本市场语言、管理语言和组织动员语言。

• 对外：讲 AI 战略、AI 基建、AI-first、第二增长曲线；

• 对内：讲提效、降本、流程自动化、组织升级。

但一旦 Token 进入财务报表，故事就开始穿帮。

微软：被 Claude Code 崩了

微软最近被曝取消部分内部 Claude Code 许可，把开发者引导回 GitHub Copilot CLI，涉及 Windows、Microsoft 365、Teams、Outlook、Surface 等团队，限期 2026 年 6 月 30 日前收口。

很多人第一反应是：微软是不是觉得 Claude Code 不行了？

恰恰相反——正因为 Claude Code 太强了。

• 过去一年，Claude 3.5 Sonnet、Claude 4 在代码理解、长上下文、复杂工程修改、多文件协同重构等真实软件工程场景中表现极为突出；

• 很多微软工程师反馈：在真实工程任务里，Claude 的体验甚至优于 GitHub Copilot 默认能力。

微软内部甚至要求工程师同时使用 Claude Code 和 GitHub Copilot，并反馈差异。

问题来了：  
微软自己卖的就是 GitHub Copilot。

如果连微软最核心的工程团队都更喜欢 Claude Code，那它对外卖 Copilot 时，会面临一个三岁小孩都懂的灵魂拷问：

“你让我买 Copilot，可你自己的工程师为什么不用？”

相比之下，Google 就“清醒”得多——哪怕自家 Gemini CLI 稀烂，也坚决不允许内部大规模使用 Claude Code。

微软后来给出的解释很“体面”：  
最初同时提供 Copilot CLI 和 Claude Code，是为了在真实工作流中对这些工具做基准测试，搞清楚什么最能支持自己的团队。

听起来很合理，但现实账单已经说明：  
高管老头们发现，自己被“AI 叙事”反噬了。

5 亿美元的单月 Token 账单：谁在养大模型？

Axios 在《AI sticker shock hits corporate America》中提到：  
有客户的 Claude license 没有设置上限，单月花掉约 5 亿美元。

还有 CTO 吐槽：员工甚至用大模型查天气。  
前微软首席 AI 官 Sophia Velastegui 批评这种“撒出去一堆 AI license，看看什么能做出来”的 thousand flowers bloom 式打法，往往无法带来可量化回报。

一个番外案例更直观：  
在 2026 阿里云峰会上，米哈游《崩坏》系列 AI NPC & Gameplay 技术负责人分享：  
有同事为了做项目，搭了几十个 Agent 协作，结果这些 Agent 互相调用、互相等待、陷入低价值循环，一晚上消耗了约 200 万人民币的大模型 Token。

高管老头们最初的想象是：  
员工用 AI → 效率提升 → 公司付点订阅费 → 省下大量人力 → 管理层赢麻。

但现实往往是：  
员工确实用了 AI，但账单和生产效率之间的比率可能是 100:1。  
高级工程师把 AI 当放大器，一个人活成一个团队；  
另一些人只拿 AI 做问答，再把模型制造的新问题带回团队。

三、Token 经济崩掉高管老头之后

这一轮反转揭示了几件事：

1. AI 化不是开关，而是成本结构。  
   一旦把 Token 当成公司级资源来规划，很多“全面 AI 化”的口号就会自动降温。

2. 组织纪律 ≠ 生产力。  
   把 AI 使用写进绩效，只会催生“为 AI 而 AI”的形式主义，而不是真实效率提升。

3. 模型能力越强，越容易反噬自家产品。  
   微软和 Claude Code 的案例说明，当内部真实偏好与对外商业叙事冲突时，财务和人心都会反噬。

4. 真正的瓶颈不是 Token，是人。  
   AI 能放大高水平工程师，但放大不了混乱的组织和低水平决策。

小结

Token 经济崩掉高管老头，不是因为 AI 不行，而是因为：  
太多高管把 AI 当成可以无限透支的信用卡，而不是需要精算 ROI 的生产资料。

接下来，大概率会看到更多公司：

• 收紧 Token 预算，给 API 设上限；

• 把 AI 使用从“全员运动”收缩到“特定高 ROI 场景”；

• 从“AI-first”退回到“AI-when-it-helps”。

至于那些被崩醒的高管老头们，会不会真的长出对一线业务的敬畏，而不是继续在财报和 PPT 里玩 AI 叙事，就只能走着瞧了。