企业AI支出的合理性正受到严峻考验，Token消耗量持续攀升，但可量化的商业价值却难觅踪影。
5月22日，市值逾2000亿美元的Uber首席运营官Andrew Macdonald在一档播客中公开表示，词元(Token)消耗的增长与产品的实质改善之间，"这条线还不存在"。
Macdonald指出，公司越来越难以为持续攀升的AI支出做出合理解释。他甚至为工程团队内部的浪费现象专门造了一个词："tokenmaxxing"(Token极大化)。
(资料图片仅供参考)
此前5月中旬，微软以Token账单"难以为继"为由，开始削减内部Claude Code授权许可。
两则事件叠加，令市场不得不正视一个此前被忽视的变量。Token经济学，即企业规模下Token消耗的单位经济性，已从一个边缘议题，升格为整个AI投资论题的核心承重柱。
这一体系的可持续性，取决于AI实验室持续获得外部融资以兑现云计算承诺的能力，而后者又依赖于企业客户持续愿意支付攀升的Token账单。
据报道，Anthropic目前每收入1美元，成本高达3美元。一旦融资节奏放缓，云收入预测的可信度将随之下降，超大规模云厂商的估值倍数亦将面临重估压力。
这条链条双向传导，也将双向断裂。
这不是1999，但问题真实存在
当前的处境并不构成一场典型的泡沫设定。
从估值倍数来看，科技七巨头目前对应约20倍远期市盈率，远低于2000年科技泡沫顶峰时52倍、1989年日本市场67倍或"漂亮50"时代34倍的水平。
AI技术本身是真实的。对于重度用户群体而言，生产力提升的数据也是可验证的。OpenAI年化收入约200亿美元，Anthropic约43亿美元，两家实验室不会就此消失。
如今，Token成本(算力开销)已成为决定AI成败的关键，而在半年前，大家甚至不怎么聊这个话题。
那时候大家只关心“技术行不行”。现在答案很明确：在特定工作和特定人群眼里，技术确实行。
但新问题来了：下游企业用AI省下的钱，能不能及时传导上去，跑赢资本市场留给AI实验室和云巨头的估值窗口?
看好AI的人认为，只要技术继续成熟，企业的ROI(投资回报率)在1到1.5年内就能转正。
看衰的人则认为，会有更多高管像麦克唐纳那样，公开抱怨AI投入产出比太低并开始砍预算。
这两种可能都在发生，胜负未分。唯一可以确定的是，过去那种“只要Token消耗量在涨，就说明AI转型成功”的谎言破灭了。
词元消耗量大不等于有商业价值，这两个泡沫终究要挤掉。AI的账单已经到期，但最后谁来掏这个钱?目前还是个未知数。
本文转载自华尔街见闻，智通财经编辑：陈雯芳。
