今年早些时候，硅谷掀起了一股“tokenmaxxing”的热潮，也就是CEO们极力鼓励员工把AI的使用推到极限。这么做本意是为了快速整合、实现生产力最大化，但现实很快给了财务一记重击。当每月的云计算账单摆在眼前时，那种毫无顾忌搞AI实验的热情瞬间就凉了大半。 这种盲目上马的后果已经在各大科技公司显现。据报道，Uber在短短几个月内就烧光了全年的AI预算，不得不紧急重新评估其部署策略。在其他地方，

今年早些时候，硅谷掀起了一股“tokenmaxxing”的热潮，也就是CEO们极力鼓励员工把AI的使用推到极限。这么做本意是为了快速整合、实现生产力最大化，但现实很快给了财务一记重击。当每月的云计算账单摆在眼前时，那种毫无顾忌搞AI实验的热情瞬间就凉了大半。

这种盲目上马的后果已经在各大科技公司显现。据报道，Uber在短短几个月内就烧光了全年的AI预算，不得不紧急重新评估其部署策略。在其他地方，有些公司为了控制不断飙升的成本，开始收回特定部门的Claude使用许可；而Meta则悄悄下线了内部的AI使用排行榜，释放出放弃游戏化、高耗量AI使用的信号。

这种激进引入AI与财务可持续性之间日益加剧的矛盾，正是New Enterprise Associates（NEA）合伙人Tiffany Luck近期言论的焦点。Luck指出，当前企业界面临的核心困境非常明确：公司们仍在努力摸索如何实现AI的投资回报（ROI）。

这个挑战是多方面的。一方面，企业面临着必须采用生成式AI以保持竞争力的巨大压力；另一方面，大语言模型带来的成本不仅波动大，而且往往高得离谱，费用直接与token使用量挂钩。如果员工每项任务都用AI，却根本不了解背后的算力成本，那财务模型迟早要崩。

Luck强调，那个以盲目狂热和无限预算为特征的AI部署初期阶段已经正式结束。企业现在正步入一个更加成熟、务实的阶段。这种转变要求企业必须严格评估：AI到底在哪些地方真正创造了可衡量的价值，而在哪些地方它只是传统计算或人工的昂贵替代品。公司必须从单纯消耗token转向策略性地应用token。

展望未来，Luck认为，企业要想成功落地AI，关键在于制定更严格的使用规范、建立明确的成本控制，并找出那些真正值得投入的高价值应用场景。在企业能够确信AI支出能切实转化为利润增长之前，寻找可持续的AI ROI将依然是科技行业面临的最关键挑战。