Axios 报道称，企业在采购 Claude（Anthropic 的大语言模型）后，可能因为没有设置 usage limits 而把账单推到非常夸张的水平，甚至出现单月数亿美元的支出案例。评论区把这件事放进更大的 GenAI（生成式 AI）浪潮里看：公司层面急着上 AI，技术和财务控制却没跟上，最后变成 token 计费失控。很多人认为问题不只是工具贵，而是 C-suite（高管层）把 AI 当成 KPI、宣传和裁员理由，却没有先定义什么叫真正的生产力提升。也有人补充，若企业把 AI 深度嵌入工作流和代码库，后面就会面对更强的 vendor lock-in（供应商锁定）和涨价压力。
不少评论把成本失控归因于把 token 消耗当成 KPI 或排行榜。高层要求多用 AI，员工就会通过无意义调用、重复询问甚至恶意合规来把 token 拉高，因为系统奖励的是用量而不是产出。大家反复强调，衡量什么就会得到什么。还有人指出，这种机制本身就会把 rollout 变成浪费竞赛。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8]
另一类评论认为这波 AI 开支本质上是 C-suite 追风口、互相攀比的结果，而不是严肃的商业决策。公司先喊 AI or bust，等账单和效率都没兑现后，再把责任转移给员工或顺手裁员，把 AI 包装成季度报表和股东故事的一部分。也有人讽刺所谓 Anthropic 快盈利的说法只是烟雾弹，现实更像高管对自己不熟悉的技术做出的豪赌。
有评论反对把所有 token 消耗都视为同一种浪费，认为模型效率和任务场景差异非常大。便宜且更高效的模型可以把单次任务成本压到更低，而经理拿 LLM 回邮件和生产系统做 inference 的花费级别根本不是一回事。评论里还举例说，同样是生成任务，某些模型的成本只有更贵模型的一小部分，这已经足以改变企业账单。
也有评论把过度使用 AI 看成员工对糟糕工作条件或强制推行 AI 的报复。若管理层用低 token 使用率威胁 PiP，员工就可能故意在不适合的任务上不用 AI，或者用它做无意义输出，形成恶意合规。有人提醒，这种反制短期可能损害效率，但长期未必伤到雇主，反而可能把需求转化成硬件厂商和股价的收益。
还有一条更长线的担忧：一旦企业把 AI 深度嵌进代码库、内部流程和日常写作，切换供应商就会越来越痛。到那时员工和系统都离不开它，企业即使发现成本暴涨也很难抽身，只能接受更高价格。这个观点把当前的便宜或便利看成未来议价权转移的前奏。
token / token burn: LLM 计费和生成的基本单位；burn 指大量消耗 token，直接推高使用成本。
tokenmaxxing: 带讽刺意味的说法，指故意把 token 使用量拉满，常被用来批评错误的激励机制。
vendor lock-in: 供应商锁定；企业深度依赖某项服务后，切换到其他方案会变得很难、很贵。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。