本报记者 王羡茹 姜雨晴
当前，AI逐渐深度渗透人们的学习、工作与各类生活场景，从一次聊天对话，到智能体自主规划完成一项任务，都在持续消耗Token（词元）。数据显示，2024年初，全国日均Token调用量仅千亿级别；截至今年5月，这一数字已突破170万亿。
近年来，企业加速拥抱AI，有的公司Token报销额度管够，也有人为了跟上节奏，不得不自掏腰包。这份Token“账单”谁来买单？企业和员工如何更好使用AI、提高生产效率？《工人日报》记者就此进行了采访。
谁在为Token买单？
记者采访了解到，目前，国内科技公司从业者获取Token的方式有所不同，主要分为三种：公司给额度，公司给报销，个人付费。
某大厂程序员张晓（化名）所在的部门，用的是公司内部模型工具，额度基本不限。据张晓估算，他每月消耗Token千元左右，全部由公司买单。
某具身智能初创公司的程序员朱云（化名）告诉记者，其公司每月为200人团队支付的Token账单高达500万元，平均每人每天有600多元的额度。“但公司的额度对我来说还是不太够用，所以我自己又开了一个每月600多元的订阅会员。”朱云坦言，他每天需要消耗1400万个Token，远超公司配额，只好自费。
尽管这笔钱不算多，但朱云认为这笔钱本是公司应该承担的生产力成本，不应由员工买单。
一些AI使用者在实践中也感受到“算力错配”的无奈。朱云坦言，在一些场景下完全可以用性能稍低、价格更便宜的模型，但大家往往不愿意去试错。“万一差一点的模型出错了呢？”这种不愿承担试错风险的心态，导致大家倾向于无论任务轻重，都调用最昂贵的高端模型，这在客观上加剧了高端算力资源的浪费。
在朱云看来，Token正在成为一种新型的职场隐性成本。
当“烧Token”变成内卷游戏
Token消耗得越多，产出就一定成正比吗？答案远没有那么简单。
是石科技联合创始人毛运航分析认为，问题在于早期使用Token的“价值陷阱”。部分企业将Token消耗量当作创新或活跃度的考核指标，这种导向导致大量算力被浪费在低水平重复的操作上，并未转化为实际业务价值或具有竞争力的产品。
此外，AI产出效果还受其他因素影响。毛运航介绍说，企业一般通过调用API向大模型发送请求，API的稳定性和质量不仅取决于算法模型，还包括并发激发数量、每分钟产出的合格Token数等全链路指标，单纯增加消耗并不能保证产出质量。
企业的AI转型焦虑也在促使企业“卷”模型。“今年初，我们公司成立了专门的团队去做自己的AI模型，但最终以失败告终，团队也随之解散。”杭州某智能制造企业员工对记者说。
拥有多年AI独立开发经验的杭州某互联网企业产品经理吴先生表示，当下，存在AI转型焦虑的企业不在少数。不少企业盲目跟风使用高价模型，但员工缺乏高效运用AI的能力，造成Token投入与业务产出失衡。
毛运航认为，未来企业的核心竞争力在于商业逻辑与市场逻辑的闭环，而非单纯堆砌代码或消耗算力。企业需要避免陷入“为了使用工具而使用工具”的误区，应更关注AI落地的实际价值。
为AI落地降本增效
面对当下AI落地过程中出现的“烧Token”现象，吴先生表示，这类现象的出现有其客观背景。当前人工智能行业依旧处在发展探索期，出现阶段性“交学费”的情况难以避免，“大家还在学习如何把Token有效转化为可落地的实际工作产出”。
在吴先生看来，想要加快这一适应进程，从终端使用者的层面来说，核心路径在于主动实践、充分尝试，探索通过借助智能Agent承接各类工作任务。以他自身为例，吴先生每月和AI开展的交互对话次数超过10万次。
“使用者驾驭AI的能力，是决定Token使用过程中是否存在浪费的核心因素。能够精准梳理需求、清晰下达指令、目标明确的AI使用者，可以节省推理成本，降低无效Token消耗，从而提高AI使用效率。”吴先生说。
毛运航认为，当AI能够解决问题、综合性价比更高时，从业者自然愿意投入资源使用。人机协同尚处在摸索阶段，每个人的使用习惯与产出效率存在明显差异。与其盲目鼓励消耗Token，企业更应该激励擅长解决问题的员工，将工具使用的自主权下放给个人，由使用者自主搭建与AI的协作模式，这有利于提高AI使用效率。
长宏网提示：文章来自网络，不代表本站观点。
