單人一月燒掉 19 萬 矽谷開始倒查員工 AI 賬單

過去很長一段時間裡，微軟員工之間流傳着一張自發維護的表格，用來互相交換薪資和獎金數字，大公司里常見的那種「工資透明化」地下工程。

今年，這張後來被 Business Insider 拿到的表格上，多出了一列新數字：「每月 AI 花費」。

各部門員工自報 AI 用量，28 天口徑｜圖片來源：Business Insider

約 350 名美國員工填了這一列。最高的那一格寫着：28 天，2.8 萬美元（約合 19 萬元人民幣）。

微軟的反應不是給這位同學發先進。據 Android Headlines 報導，公司已經開始收緊 token 用量管理：部門級預算生效，個人 token 支出進了儀錶盤，內部默認模型切到了 OpenAI 的 GPT-5.6 Sol。

翻譯一下就是，微軟開始內部查賬了。

01 token 用量分出階級

這張表格最大的資訊量不在數字，在位置——「AI 花費」這一列，出現在曬工資的表格里。

員工把 AI 用量填在薪資旁邊，意思再明白不過，在 2026 年的微軟，你每月燒掉多少 token，和你賺多少錢一樣，是一個值得被看見的數字。

這些數字也不是拍腦袋估的。報導里有個容易被忽略的細節：微軟給員工發了一個內部工具，能查到自己過去 28 天用掉的 AI 金額。目前微軟全公司自願填報的中位數，是每月 300 美元，約 2,000 元。

說實話，這個價格其實並不算讓人驚訝，畢竟一個矽谷軟體工程師的綜合人力成本每月兩三萬美元起步，300 美元的 AI 賬單，是九牛一毛。

但賬單真正貴的地方在後面。BI 整理的分部門表格里，微軟的核心 AI 工程部門 CoreAI 中位數干到 975 美元（約 6,577 元），是全公司的三倍多；Microsoft AI 部門約 490 美元，Experiences and Devices 約 250 美元，Azure 約 241 美元。好幾個部門的個人最高值都破了 1 萬美元，CoreAI 有人燒到 1.6 萬。而 28 天 2.8 萬美元那位紀錄保持者，來自客戶與合作夥伴解決方案部門。

雖然 350 人只是 22.3 萬全球員工里的 0.16%，自願填報，不是普查。而且願意把自己 AI 賬單曬出來的人，本來就不是隨機樣本。但真實的分布只會比這張表更極端，不會更溫和。

28 天燒掉 2.8 萬美元，是個什麼概念。平均每天 1,000 美元。三個月前極客公園寫《微軟按下 vibe coding 暫停鍵》的時候，算過一筆假想賬：一個年薪 30 萬美元的工程師，攤到每天的成本是 800 多美元。當時那篇文章的標題是個判斷句——「燒 token 已經比員工貴了」。現在它成了表格里的一行數據：這位員工燒掉的錢，比在他旁邊再坐一個工程師還貴。

實際上，矽谷圈內已經給這種行為起好了名字：tokenmaxxing，代指把 token 用量刷到最大的行為。

Meta 內部的 tokenmaxxing 排位賽｜圖片來源：X

具體做法包括故意發巨型 prompt、塞滿上下文窗口、跑自動化查詢，目的不是解決問題，是讓自己在公司內部用量看板上的數字好看。

顯然，一種行為只有在足夠普遍時才會得到命名。這個詞的存在，本身就是證據。

過去一年，這場 token 狂熱讓幾乎所有科技公司的員工都收到了同一個信號：擁抱 AI 是先進性的證明，會用 AI 的人會取代不會用的人。當老闆們天天強調用 AI、而用量恰好是個看得見的數字時，把它刷上去就成了最順手的向上管理。產出的好壞要爭論半天，用量的高低一目瞭然。

當用量變成可見的數字，燒 token 就必然滑坡向新的加班表演。

這一幕今年已經上演過不止一次：Uber 的 CTO 在採訪里對 The Information 承認過，公司搞內部排行榜激勵員工多用 AI，這套激勵機制導向的結果是全年 AI 編程預算 4 個月就燒光了。

Meta 的版本更誇張：4 月，一名員工自建了一個叫 Claudeonomics 的看板，給 8.5 萬同事按 token 用量排名，30 天全公司燒掉 60 兆 token，榜首一個人 2,810 億，Fortune 估算光他一個人就值 140 萬美元；The Information 曝光兩天後看板下線，扎克伯格本人連前 250 都沒進。Android Headlines 說，亞馬遜內部也冒出過同款苗頭。

區別在於，Uber 的排行榜是公司自上而下設的，Meta 和微軟的「排行榜」都是員工自己長出來的：沒人下令，激勵結構自己開花結果。

微軟高層顯然看懂了這整個事件的前因後果。CoreAI 負責人、執行副總裁 Jay Parikh 在 8 月的內部備忘錄里直接開噴：「Tokenmaxxing 並不是我們要追求的真正目標。我希望所有人聚焦在那些真正為客戶和業務創造改變的結果上。」

備忘錄沒直接點破的含義其實非常明顯：公司已經意識到，員工燒掉的相當一部分 token，買到的不是生產力，是姿態。

BI 的報導里，還扎心地對照了同一張表里的薪酬數據：至少到目前，AI 用得更重的人，並沒有拿到更高的加薪、獎金或升職。表演的回報還沒兌現，賬單先到了。

而就在微軟開始收回 Claude Code 許可的第二天，社交媒體上還有人曬出了另一張大得多的賬單。

2026 年 5 月 15 日，OpenClaw 開發者 Peter Steinberger 發了條推文，語氣輕描淡寫，名義上是給自己的菜單欄小工具 CodexBar 打廣告：新版把 API 成本顯示得漂亮多了。真正炸裂的是他的配圖：30 天，1,305,088.81 美元的 OpenAI API 用量，6,030 億 token，760 萬次請求，主力模型 GPT-5.5，發推當天一天就燒掉近 2 萬美元。

龍蝦作者曬出的巨額賬單｜圖片來源：X

Steinberger 今年 2 月加入了 OpenAI，這份賬單顯然也會由 OpenAI 報銷。燒掉這些錢的，是大約 100 個並行運行的 Codex 編碼智能體實例；而它們背後，維護 OpenClaw 這個開源項目的只有 3 個人。他自己給這種「奢靡行為」的定義，是在驗證一個問題：

如果 token 不要錢，我們未來會怎麼寫軟體？

130 萬美元，差不多是微軟那位紀錄保持者的 46 倍。但兩張賬單的性質完全相反：一邊是 100 個智能體在替 3 個人幹活，一邊是人在把用量刷給考核看。同樣是曬，一個曬的是產能，一個曬的是姿態。同一個五月，有人星夜趕科場，有人辭官歸故里。

02 從砍工具到查賬單

把時間線稍微拉長一點，微軟對 AI 成本的態度，一年裡光速換了三副面孔，這在一線網路大廠中屬於「變臉」速度最快的那一檔。

2025 年 12 月，它把 Claude Code 開放給數千名員工，鼓勵所有人用 AI 重塑工作流。

2026 年 5 月，它取消了大部分員工的 Claude Code 許可，理由是「工具鏈統一」，但保留了一個台階：Claude 模型還能通過 Copilot CLI 用。

到了 8 月，台階也撤了。CNBC 報導，員工版 GitHub Copilot 的默認模型已經換成 OpenAI 的 GPT-5.6 Sol。按 GitHub 官方口徑，Sol 不是省錢型號，是 GPT-5.6 家族裡推理天花板最高的一檔；外媒解讀里這步棋省的不是檔次，是賬單的去向——報導稱它比 Claude 家族更劃算，Android Headlines 則說，微軟已經不再鼓勵員工在編程任務里用 Claude 這樣的第三方工具。

先砍產品，再換模型，最後上預算和儀錶盤。管控的顆粒度從「你用什麼工具」，一路細化到「你這個月花了多少錢」。

時間點本身也是資訊：5 月那次砍許可，截止日期卡在 6 月 30 日——微軟財年的最後一天；預算制和監控上線，則是新財年頭兩個月的事。連起來讀就是：上個財年的最後一個動作，是砍掉一個失控的成本項；新財年的第一個動作，是給 AI 建一個正式的預算科目。

AI 支出在微軟的賬本上，用一年時間走完了從「實驗」到「財務條目」的全程。這條路雲端運算行業已經走完了一遍：先是鼓勵全公司所有團隊上雲，然後賬單爆炸，然後誕生了一個專門的崗位叫雲成本治理。現在輪到 token 了。

三個月前微軟按下 vibe coding 暫停鍵時，極客公園的結論是：撞牆的真正原因不是 AI 太貴，是組織還沒改，而絕大多數公司一時半會兒都不會改。

現在微軟給出了它的官方回答。它確實沒改組織——它改的是預算制度：更新內部指引，部門設預算，個人支出進儀錶盤。用 Parikh 備忘錄里的話說，「用管理其他一切關鍵資源的同等紀律，來管理 token 支出」。

聽上去無懈可擊。token 本來就是資源，資源本來就該有預算。

但這套解法里藏着一個循環：讓用量變得可見的那個內部工具，本來就是微軟自己發的；員工把數字刷了起來，微軟的解藥，是把每個人的支出放上另一塊儀錶盤。上一個數字獎勵燒得多，下一個數字獎勵燒得省。指標換了方向，員工對指標的反應不會變。半年之後這張表格里長出一列「單位 token 產出比」，我一點都不會意外。

這件事對國內網路公司的意義，可能有一些「先行者」的試錯在其中：中國公司此刻不少還停在微軟的「2025 年 12 月階段」，發額度、樹標杆、把 AI 使用率寫進 OKR。

微軟只是先走到了故事的後半段：先鼓勵，再排行，再查賬。時間差就是預告片。

要管的從來不是 AI 的價格，是人對「被看見的數字」的反應。

而只要還有一列數字是可見的，就總有人負責把它刷上去。

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。