100万亿，即1后面跟着14个零，这是一个巨大的数字，但可能还不到中国用户每天Token使用量的一半。

到2026年上半年，从北京中关村到美国硅谷，科技公司内部最热门的话题变成了“你今天消耗了多少Token？”这个数字可能是几十万、几百万甚至几千万。对于听到这个对话的外卖骑手来说，这听起来像是吹牛或者精神不正常。然而，这并非虚言，他们谈论的不是人民币，而是Token。

尽管Token与实际货币之间存在巨大的价值差异，但Token数量的急剧增长使其价值被稀释。据报道，一家国外公司在为员工批量开通Anthropic的Claude企业版时，未设定消费上限，一个月的账单竟高达5亿美元，约合人民币34亿元。

在国内，近期出现了一个案例：米哈游的《崩坏》系列技术团队负责人郑银河在2026年5月的阿里云峰会上透露，一名工程师在测试多Agent协作时，因未设置熔断机制，导致数十个智能体陷入循环调用，在13小时内消耗了200万元的Token。

尽管Token账单高企，但AI带来的实际效益却让许多人感到尴尬。米哈游工程师耗费200万元Token所产生的成本，足以支付一个小型研发团队一个月的薪资，而最终结果却只是“AI摸鱼”式的无产出。

或许，在企业内部，只有人力资源部门完成了裁员目标，而公司老板则将节省下来的人力成本重新投入到AI建设和Token购买上。

Token作为AI时代的关键组成部分，其单位价值正在被稀释，消耗量呈指数级增长，投入与产出之间出现了错位——Token正呈现出明显的通胀特征。这种通胀程度，甚至可能比津巴布韦的恶性通货膨胀还要严重。

那么，究竟是谁在助推“Token通胀”的局面？

01 从大规模使用到限制性使用

2026年上半年，硅谷流行起一种名为“Tokenmaxxing”（Token最大化使用）的趋势。大型科技公司鼓励员工尽可能多地消耗Token，甚至将Token消耗量与关键绩效指标（KPI）直接挂钩。

Meta公司内部设立了追踪8.5万名员工Token消耗量的排行榜，并为排名靠前的员工授予“Token传说”、“缓存大师”等称号。亚马逊则推出了名为“KiroRank”的内部AI使用排行榜，将Token消耗数据纳入团队绩效评估。

英伟达CEO黄仁勋的言论更是火上浇油：“如果我的工程师消耗的Token价值达不到他们年薪的一半，我会深感忧虑。”

国内的科技公司也迅速跟进。腾讯于2026年3月启动了全员AI激励计划，为每位员工提供年均22万元的Token资源，涵盖Cursor、CodeBuddy等国内外多款工具，公司内部也一度出现了Token消耗排行榜。

不出所料，这些公司的AI账单也随之失控。

短短30天内，Meta员工消耗了60.2万亿Token，成本超过1亿美元。Uber在短短4个月内就耗尽了2026年全年的AI预算，管理层不得不紧急出台限额令，规定每位员工每月AI工具费用不得超过1500美元。亚马逊也开始实施严格的Token限额管理，高级副总裁Dave Treadwell甚至亲自呼吁“不要为了使用AI而使用AI”。

就在上个月，腾讯内部也发布了额度调整通知：全员Token配额大幅缩减，核心研发团队的月额度从宽松状态收紧至7000元，而外包岗位的额度更是被削减至1000元。

从全员不设上限的使用，到如今的限额管理，短短三个月内，情况发生了急剧转变。究其原因，无非是飙升的账单让即使是财力雄厚的大型科技公司也感到难以承受。

正如OpenAI首席执行官山姆·奥特曼近日在一个企业客户活动上所说：“今年年初，AI的运行成本还不是一个被提及的问题，现在它突然成了一个巨大的问题。”

这背后是爆炸式增长的需求。国家数据局数据显示，2026年3月，中国日均Token调用量已突破140万亿，而2024年初仅为1000亿，两年内增长超过千倍。

从全球范围来看，这种增长趋势尚未出现放缓的迹象。高盛近期发布的报告预测，到2030年，全球Token月消耗量将比2026年增长24倍，达到约120千万亿（120 quadrillion）Token/月，其中企业级智能体是主要的增长动力。

Token账单失控还带来了另一个负面影响。为了弥补AI的成本缺口，今年第一季度，全球十几家科技巨头裁员超过4万人，程序员首当其冲；在国内，“630”也成为许多互联网从业者的最后工作日。

在Meta，几乎没有人再手动编写代码；在国内的头部科技公司，新增代码中高达90%由AI生成。AI代码生成率的飙升直接导致了人员需求的下降，以及随之而来的职场震荡。

02 Token账单飙升之谜

账单费用由“用量”乘以“价格”构成。在这个看似简单的公式背后，隐藏着两层不透明的推高逻辑，最终叠加导致了指数级的成本膨胀。

许多人存在一个误解：大模型的价格一直在下降，AI不应该越来越便宜吗？实际上，这只说对了一半——便宜的通常是通用型轻量模型，而企业真正需要的编程、长上下文处理、复杂推理等高价值场景，其价格不仅没有下降，反而呈现上涨趋势。

Anthropic推出的安全增强型模型Fable 5，定价高达每百万Token输入10美元、输出50美元，是同期Opus系列的两倍。

国内的智谱AI也是一个典型例子。据天眼查数据显示，2026年第一季度，智谱AI因新模型迭代连续三次上调核心API价格，累计涨幅达83%。其面向通用场景的GLM-4.7轻量模型，输入价格仅为2-4元/百万Token，输出为8-16元；但针对编程和Agent场景的GLM-5.2，输入价格上涨至8元，输出高达28元，两者价差最高达到4倍。

此外，腾讯云在2026年3月至4月经历了两次调价，混元HY 2.0 Instruct模型输入价格涨幅高达463%；MiniMax核心模型的价格也上涨了30%-50%。

与此同时，模型厂商的计费模式从订阅制全面转向按量付费，厂商的收入直接与Token消耗量挂钩。这就产生了一个结构性矛盾：客户的目标是用最少的Token完成任务，而厂商的商业利益则天然地倾向于让客户消耗更多Token。

从实际数据来看，近来Token消耗量的增长并非线性，而是指数级的。

自2025年底至今，AI产业最核心的变化是从对话式AI向Agent（智能体）的跃迁。AI不再是简单的问答式交互，而是演变为自主规划、循环调用、多轮纠错的复杂流程，Token消耗也随之从线性增长转变为指数级膨胀。

Agent虽然能力强大，但腾讯研究院分析指出，它隐藏着几类典型的低效消耗：

一是“上下文陷阱”，智能体在每一步操作中都会重复带入历史对话、工具日志和文件内容，同一批信息被反复计费。

二是“技能冗余”，一项针对49种软件工程技能的基准测试显示，79.6%的技能对任务通过率没有带来任何提升，却可能导致Token开销增长高达451%。

三是多Agent间的“沟通成本”，多个智能体分工协作时，会不断重复任务背景、结论和格式化的套话，每一次对话都意味着一次重复计费。

四是长任务的“熵增”，任务链条越长，越容易偏离目标，而为了纠偏，又需要增加摘要、检查、回滚等机制，进一步推高消耗。

这些损耗并非简单的累加，而是相互叠加的乘积效应。一个复杂的多Agent任务，可能有近一半的Token被用于内部协调、自我纠偏和重复读取，真正用于生成有效内容的比例并不高。对于缺乏技术能力的企业来说，这更是一笔难以看清、难以算清的糊涂账。

03 错失的恐惧

如果说大模型厂商的产品和定价策略是公开的“阳谋”，那么企业内部的Token消费，则是一场自上而下的“自我消耗”。

担心错失AI变革浪潮的企业，纷纷拼命拥抱AI。这种压力自然会传递到每位员工身上，尤其是在AI可能取代人工的阴影下，员工普遍将“会使用AI、多使用AI”视为一种安全感的来源。

不少公司将AI代码生成率、工具使用时长纳入OKR（目标与关键成果法）考核，甚至上线全员可见的数据看板，迫使每个人都去“刷”消耗量。明明几秒钟就能用搜索引擎或人脑解决的简单邮件回复、基础代码片段、常规数据查询，也要交给大模型处理一遍——反正预算不是自己掏钱，用得越多，似乎越能体现出“拥抱变革”的态度。

企业将Token消耗量与员工绩效挂钩，默认“使用了多少AI”等同于“创造了多少价值”，并愿意为此支付高额账单。

有人认为这是历史的必然。历史上每一次通用技术革命，都经历过类似的阶段。蒸汽机刚发明时，工厂主计算后发现，使用马匹反而更经济；电灯刚问世时，其成本远高于煤气灯。

然而，不同的是，电力消耗直接带来了切实可见、可衡量的工厂效益，但Token换来的“智能”究竟创造了多少价值？目前来看，答案仍然难以量化。

据“晚点LatePost”报道，一位互联网大厂的技术管理者透露，自己部门20多人，一个月消耗5万元Token，但回顾下来，却没能沉淀出几个可落地的成果。这笔钱相当于10名实习生的月薪，转化为无形的Token后，甚至连清晰的产出物都没有留下。

在许多基础场景下，使用AI反而比人工成本更高。国内一家人力资源服务商曾进行过测算：用AI筛选并初步评估一份简历，Token加上系统成本约为1.2元/份，而雇佣兼职人事处理的成本仅为0.8元/份。类似的情况在数据标注、基础文案撰写、简单客服问答等领域也普遍存在。

AI还带来了更隐蔽的成本。有软件公司的研发负责人反馈，引入AI编程工具后，虽然初级开发者的效率看似提升，但高级工程师的评审工作量翻倍，线上故障的返工成本增加了30%以上。综合计算下来，反而不划算，而且员工的工作负担更重了。

这正是Token经济最核心的矛盾所在：Token消耗与价值创造之间，从来都不是简单的线性关系。并非消耗的Token越多，产出的价值就越大；相反，很多时候消耗的增长恰恰来自于无效的循环、冗余的架构和盲目的焦虑。

04 结语

回到最初的问题，谁在推动“Token通货膨胀”？这并非某一家AI厂商的恶意营销，也不是少数员工的滥用浪费，而是我们所有人。

从提供底层算力基础设施的GPU和存储厂商，到大模型架构固有的膨胀属性；从每一个担心错过AI浪潮而焦虑的企业，到每一位害怕落伍的员工——所有人共同推高了Token的消耗，导致了Token的贬值，也推高了那本日益增厚的AI账单。

每个人都在助推Token的通胀，而每个人又在自身的推动力下步履蹒跚。