企业AI支出的合理性正受到严峻考验，Token消耗量持续攀升，但可量化的商业价值却难觅踪影。
5月22日，市值逾2000亿美元的Uber首席运营官Andrew Macdonald在一档播客中公开表示，词元（Token）消耗的增长与产品的实质改善之间，"这条线还不存在"。
Macdonald指出，公司越来越难以为持续攀升的AI支出做出合理解释。他甚至为工程团队内部的浪费现象专门造了一个词："tokenmaxxing"（Token极大化）。
此前5月中旬，微软以Token账单"难以为继"为由，开始削减内部Claude Code授权许可。
两则事件叠加，令市场不得不正视一个此前被忽视的变量。Token经济学，即企业规模下Token消耗的单位经济性，已从一个边缘议题，升格为整个AI投资论题的核心承重柱。
五组数据，拼出一幅新图景自4月以来，多组数据接连落地，共同勾勒出一幅令人警觉的画面。
今年4月，Uber首席技术官公开表示，公司在四个月内烧完了全年Claude Code预算。
5000名工程师中，月使用率在84%至95%之间，人均月度账单从150美元到2000美元不等，该CTO本人在一次时长两小时的内部演示中据报消耗了价值1200美元的词元。
Macdonald形容得知这一数字时"简直震惊得说不出话来"。
微软方面，据The Verge旗下Tom Warren的Notepad通讯报道，Claude Code在微软内部工程师群体中迅速流行，但基于Token的计费模式使得规模化支出难以为继，微软随即着手削减相关授权。
GitHub宣布自6月1日起，所有Copilot计划从固定订阅制转向按用量计费。
官方讨论帖收获近900个反对票，原因在于有用户测算，一次智能体编程会话通常消耗30至40美元，意味着一个月费10美元的套餐在单次使用中即告耗尽。
第二，“大而不能倒”的金融逻辑。很多研究将 AI 繁荣与 2000 年的互联网泡沫对 比，以史为鉴当然很有参考性。但是这次有个很大的不同，就是 AI 对美国金融业 的捆绑明显更深。截至 2025 年 11 月 25 日，美股“科技七姐妹”（苹果、微软、 Alphabet、亚马逊、英伟达、特斯拉和 Meta）占标普 500 指数总市值的 33%、占 纳斯达克综合指数总市值的 48%，而在 2000 年时，美股前 7 大公司还有通用电 气、沃尔玛、埃克森美孚和默克公司等非互联网公司。所以美股一调整，美联储对 推迟降息就有改口的迹象。“一损俱损、一荣俱荣”其实更像“城投”，在城投分析 框架中，总债务规模中的绝大部分是城投债，而且任何一个城投的违约风险都可能 会引至全局性问题，正因为如此，城投化债需要“以时间换空间”，不能粗暴打破 刚兑，也像 AI 逻辑中，需要不断提高资本开支预期和完成超预期业绩去支撑股价， 不能靠危机去泡沫。
开发者生产力平台Entelligence.AI汇总了2444家企业的数据后发现：
每投入1美元的AI Token费用，仅有18美分产生了触达用户的实际价值。44美分用于修复AI自身引入的Bug；27美分流向返工；11美分消耗于审查摩擦。据彭博Silicon Data LLM Token Expenditure Index，Token价格自今年2月底以来已上涨约65%，美国AI软件价格过去一年累计涨幅达20%至37%。
多空之争：同一事实，两种解读相同的数据，在不同分析框架下指向截然不同的结论。
多头观点认为，当前乱局不过是一次成功转型的阵痛期。
据高盛的Jim Schneider在5月初的研判，到2030年，代理式AI将推动词元消耗量增长24倍，达到每月约120万亿亿个词元，超大规模云服务商和模型提供商的毛利率将在未来3至12个月内转正。
高盛的Rich Privorotsky则认为，2026年第一季度或许已是"词元最大化"作为KPI的顶峰，行业正在从追求消耗量转向"单位有效行动成本"这一更健康的衡量维度。
摩根大通的经济研究也发现，2026年初Python新增及更新包在PyPI上出现跳升式增长，而这一趋势在2022年ChatGPT上线时并未出现，表明真实的生产力提升正在发生。
此外，Mag 7当前市盈率约为20倍远期盈利，远低于2000年科技泡沫顶峰的52倍、1989年日本的67倍和"漂亮50"时代的34倍。以历史泡沫的衡量标准看，当前并不构成泡沫。
空头观点由高盛半导体分析师Jim Covello在4月的报告中最为系统地阐述。
他指出，AI供应链中几乎所有价值都流向了半导体公司，这一现象在历史上前所未有且不可持续，芯片公司本应在客户获益时受益，而本轮周期中，它们的繁荣是以整条产业链上游的消耗为代价的。
英伟达净利润自ChatGPT上线以来增长约20倍；各大超大规模云服务商已烧完经营性现金流，转而举债——2025年数据中心相关债务发行规模约1820亿美元，较2024年翻倍。
MIT Nanda研究显示，95%投资生成式AI的企业回报为零。这种脱钩或许可以维持一段时间，但无法永远持续。
循环融资结构的隐忧这场讨论还涉及一个更为复杂的层面：超大规模云服务商与AI实验室之间的财务循环。
据The Information汇编的企业披露文件，OpenAI和Anthropic合计占微软、甲骨文、谷歌和亚马逊约2万亿美元未来云服务承诺的逾半数。具体而言：
微软6270亿美元云服务积压订单中，2800亿美元与OpenAI绑定；甲骨文5530亿美元管道业务中，54%（约3000亿美元）由OpenAI承诺；谷歌4676亿美元中，Anthropic占比43%（约2000亿美元）；亚马逊相应敞口亦达其4640亿美元积压的51%。这一融资结构具有内生循环性。微软向OpenAI的130亿美元投资主要以Azure积分形式兑现，OpenAI将其用于购买Azure算力，微软随即将其计入云收入。
同样的超大规模云服务商，既是AI实验室的股权投资方，也是收取算力账单的服务供应商。
这一结构还体现在盈利数据上。Alphabet公布创纪录的626亿美元第一季度利润，其中约287亿美元，近半数来自Anthropic持股的账面升值。
亚马逊303亿美元第一季度利润中，168亿美元为Anthropic的税前未实现收益，而其自由现金流，因同期数据中心资本支出达442亿美元，而暴跌95%至12亿美元。
这一体系的可持续性，取决于AI实验室持续获得外部融资以兑现云计算承诺的能力，而后者又依赖于企业客户持续愿意支付攀升的Token账单。
据报道，Anthropic目前每收入1美元，成本高达3美元。一旦融资节奏放缓，云收入预测的可信度将随之下降，超大规模云厂商的估值倍数亦将面临重估压力。
这条链条双向传导，也将双向断裂。
这不是1999，但问题真实存在当前的处境并不构成一场典型的泡沫设定。
从估值倍数来看，科技七巨头目前对应约20倍远期市盈率，远低于2000年科技泡沫顶峰时52倍、1989年日本市场67倍或"漂亮50"时代34倍的水平。
AI技术本身是真实的。对于重度用户群体而言，生产力提升的数据也是可验证的。OpenAI年化收入约200亿美元，Anthropic约43亿美元，两家实验室不会就此消失。
如今，Token成本（算力开销）已成为决定AI成败的关键，而在半年前，大家甚至不怎么聊这个话题。
那时候大家只关心“技术行不行”。现在答案很明确：在特定工作和特定人群眼里，技术确实行。
但新问题来了：下游企业用AI省下的钱，能不能及时传导上去，跑赢资本市场留给AI实验室和云巨头的估值窗口？
元股证券:ygzq.hk看好AI的人认为，只要技术继续成熟，企业的ROI（投资回报率）在1到1.5年内就能转正。
看衰的人则认为，会有更多高管像麦克唐纳那样，公开抱怨AI投入产出比太低并开始砍预算。
这两种可能都在发生，胜负未分。唯一可以确定的是，过去那种“只要Token消耗量在涨，就说明AI转型成功”的谎言破灭了。
词元消耗量大不等于有商业价值看盘软件，这两个泡沫终究要挤掉。AI的账单已经到期，但最后谁来掏这个钱？目前还是个未知数。
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。配资排行前十提示：本文来自互联网，不代表本网站观点。