就在几周前，不少科技公司内部还弥漫着“烧词元”的风气，即鼓励员工尽可能多地消耗AI词元（用于计量AI使用量的基础数据单位）。背后的逻辑很简单：如果想知道哪些员工在部署AI智能体方面最具创新性，追踪他们的词元使用量即可。消耗的词元越多，意味着员工使用的AI智能体生产率越高，或者至少表明该员工正积极在AI领域尝试创新。当时的主流想法便是如此。Meta、亚马逊、OpenAI以及许多其他公司，甚至设立了正式或非正式的词元使用量排行榜，鼓励工程师和开发人员在特定时段内竞赛，看谁能消耗最多的词元。

古德哈特定律指出：任何指标一旦变成考核目标，它就不再是一个好的指标。“烧词元”这种行为也产生了一些意料之中的副作用。据《金融时报》报道，在亚马逊，由于管理者将词元使用量作为评估员工绩效的依据，一些员工为了让自己的词元使用数据更好看，甚至特意让AI智能体执行完全没有意义或毫无必要的任务。

此外，消耗词元并非没有成本。面对来自Anthropic和OpenAI的巨额账单，不少公司感受到了巨大的费用压力。因此，越来越多企业似乎正在放弃这种“烧词元”的文化，甚至开始限制员工使用第三方AI智能体，至少限制那些以最先进AI模型作为核心引擎的智能体工具。Meta已经撤下员工自发创建的非官方“烧词元”排行榜。据科技媒体The Verge报道，微软已取消多个核心产品部门员工的Claude Code订阅服务。优步则表示，其2026年全年的“词元预算”仅在年初四个月内就已耗尽，其中一个重要原因便是Claude Code的高频使用。

与此同时，赛富时首席执行官马克·贝尼奥夫透露，公司今年支付给Anthropic的费用预计将高达3亿美元。他希望未来能出现一种“智能路由器”，可自动判断哪些请求确实需要调用性能最强大、成本最高的大模型处理，哪些任务则可以分流给能力稍弱但足够胜任、成本更低的模型完成。

许多高管也指出，词元支出并没有转化为公司层面的投资回报。优步首席运营官安德鲁·麦克唐纳近日在一档播客节目中表示，这家网约车公司一直难以将部分员工工作效率的提升与公司整体效益直接关联。他表示：“如果你无法清晰地证明，这些投入最终转化为多少真正交付给用户的新功能和新产品，那么这些词元支出就很难自圆其说。”

最终的结果显而易见：烧词元时代正在走向终结。

为什么AI投入仍未转化为投资回报？

一个更深层次的问题是：为什么AI投入与投资回报之间会出现这种脱节？显然，直接奖励“烧词元”行为毫无助益，这种做法并没有将员工激励机制与公司目标保持一致。时事通讯《Exponential View》的作者阿齐姆·阿扎尔是剖析AI对经济与商业影响的顶尖思想家之一。他认为，目前的AI生产率悖论，或许只是任何一项新型通用技术在推广时都会出现的“生产率J曲线”现象。

与那些旨在优化特定流程、能立竿见影地提升生产率的技术不同，人们通常需要耗费大量时间来摸索，如何更好地部署一项通用技术。在这个“摸索阶段”，生产率实际上可能不升反降。这是因为公司需要投入大量时间和资金去试验新技术的应用场景，而短期内，前期投入往往无法对净利润产生正向拉动。只有找到围绕新技术重构业务流程的最佳方式后，生产率才能真正实现大幅跃升。

阿扎尔深入探讨的一个经典例子是电力发明及其对制造业的影响。工厂引入电力后做的第一件事，就是用电灯取代煤气灯。虽然节省了成本，但对工厂的产出几乎没有实质性影响。（安装照明设备和铺设电线的成本甚至冲抵了节省的费用。）由于蒸汽动力的物理限制，在电力普及之前，工厂通常围绕一台中央蒸汽机进行布局，通过一根主传动轴为多台乃至全部设备提供动力。因此，工厂做的第二件事，就是用大型电动机取代中央蒸汽机，但仍然沿用中央传动轴来驱动成组设备。这比彻底改造工厂布局成本更低，但效率和运营成本效益并不理想。生产车间某个环节的效率提升，往往只会把瓶颈转移到装配线的其他环节，工厂整体生产率的提升微乎其微。直到企业开始为单台设备分别配置电力系统，并重新设计工厂布局之后，生产率才实现巨大飞跃。

极少有企业真正进入第三阶段

阿扎尔预测，AI的发展也会遵循类似路径，但目前绝大多数企业仍停留在这一演进过程的第一或第二阶段。“烧词元”很容易，重新设计工作流程则很难。而比这更难的是，重新思考整个业务体系，包括企业销售的产品或服务类型，甚至企业的商业模式，这是阿扎尔未谈及的层面。这触及了企业的立足之本，也是AI真正带来巨大价值的领域——彻底重塑，而不是重新设计。但大多数企业目前的格局仍显不足。

正是因为许多传统企业对AI的应用仍显得过于保守，那些原生于AI时代的企业迎来了绝佳的爆发机遇。它们行动的步伐更快，能够在传统企业做出有效应对之前抢占大量市场份额。从零开始打造一家新公司，远比彻底改造一家既有企业容易得多。这也解释了，为什么许多私募股权公司的如意算盘可能会落空：仅仅给投资组合企业融入一点AI元素，就指望能以更高的估值转手套现，实际操作可能远比他们预想的更困难。

****

·要驱动员工利用AI实现有意义的创新，企业管理者需要停止奖励“词元消耗量”这类中间指标，转而考核AI应用所带来的可交付的成果。

·对于科技行业而言，“烧词元”退潮说明AI正从推广应用的噱头逐步向追求量化产出的阶段过渡。下一阶段的赢家，或许是最早把token从“烧钱指标”转化为“可控成本项”，并用它重排整条价值链的企业。

·历史经验表明，当工厂为电力彻底重新设计布局，生产率才实现飞跃。想要利用AI重塑现有业务的企业，应围绕AI的能力重新设计工作流程，而非简单地将AI工具嵌入旧环节。（财富中文网）

财富中文网对原文有删减和调整

编辑：魏雨彤