先说说最近讨论度很高的一个新词 ——「Tokenpocalypse」（Token 末日）。

这事儿还得从微软对 GitHub Copilot 动手开始说起。从 6 月 1 日起，Copilot 全面转向了基于 token 的计费模式，不同模型之间的 token 成本乘数差距大得吓人，部分模型单 token 价格直接飙到其他模型的 60 倍。

你猜怎么着？那些被用户公认为「真正好用」的高级模型，恰恰是涨幅最凶的那一批。

随着 Anthropic、OpenAI 这些头部 AI 公司都在筹备上市，盈利压力只会越来越严峻，后续很可能会有更多厂商跟进涨价。从行业规律看，使用 AI 的成本，向来是企业扩张生产力躲不开的坎儿。前段时间还热闹非凡的「tokenmaxxing」风潮，员工比拼 Token 使用量，如今随着 Token 末日的逼近，恐怕也快走到头了。有人总结得很到位：「整个 tokenmaxxxing 的风潮，从兴起到巅峰再到被嫌弃，一共就六个月。」

企业的两难

一位来自大型企业的开发者就描述了一个相当荒诞的困境：公司一直强制要求员工用 AI 工具，token 用少了会被约谈，现在新定价一来，token 用多了照样会被约谈。

更要命的是，Copilot 团队到现在都没上线「员工级别 token 限额」这个功能。也就是说，在新计费模式下，一个员工完全有可能在一天之内，就把公司整个月的 token 预算烧光。这位开发者感慨道：「我的工作已经不是用软件解决业务问题了，而是变成了解决 token 使用问题。」

评论区里的吐槽更精彩。有用户总结得非常精辟：「公司政策变成了——『用 AI 做所有事情，但小心别用太多，因为如果 LLM 消耗了太多 token 你会被停用，然后你会因为这个月剩下的时间没用 AI 而被批评。』」

企业过度推崇 AI 生产力，有时候真是一把双刃剑。

某位大型律所的信息主管甚至在 AI 研讨会上「炫耀」说，他们律所 AI 系统一宕机，律师们基本就干不了活了，因为已经离不开 AI 了。对此，有人直言：「一个受过多年专业训练的人，居然能这么坦然地说出离了 AI 聊天框就不能工作？换了我，会羞愧到认真反思自己的职业生涯。」

Uber 超支事件：行业缩影

现在大部分 AI 模型都搞了用量包，企业控制预算的问题，在 token 按量计费的趋势下，只会越来越棘手。

Uber 的经历就是一个活生生的例子。在一个半月内，它走完了一条完整的弧线：先是发现「AI 预算烧得比预想快得多」，然后紧急设使用上限、限制员工用量。

TechCrunch 的播客里也提到：「想象一下，像 Uber 这样大量使用 AI 的公司都会这么快碰壁，那么问题就变成了：AI 实验室到底能不能把成本降到和客户的支付意愿对接上？」

有个冷知识值得一提：ChatGPT Plus 最初定 20 美元/月的时候，根本没什么精密的战略考量——就是随便吐了个数字出来。整个行业到现在还在为这个起点买单。

「你的工作不会被 AI 取代，但你的预算可能会」

Reddit 上还有更多耐人寻味的细节。有人在公司建了一个 AWS Bedrock 成本监控面板，把每个模型、每个 token（包括缓存的 token）的真实花费实时投到 CloudWatch 上，「让开发者和财务一起看着钱烧」。评论区则回应：「恭喜，你刚给他们提供了一个新的 KPI 指标。」

另一家大公司已经遭遇了类似的紧缩政策：AI 额度用完后，所有人被强制降级到 GPT-4.2，连 VSCode 集成都没了。

一位不在科技行业的旁观者说得很有代表性：「这整件事消耗的精神能量和实际工时，已经多到影响了真正能帮公司赚钱的工作交付。」

当整个行业还沉浸在「AI 将取代一切」的宏大叙事中时，一个更现实的问题已经浮出水面：算力的账单，终究要有人来付。而「Token 末日」，或许只是这场清算的开端。