“Tokenmaxxing is not what we are optimizing for。”
这句话出自 Microsoft EVP Jay Parikh 的内部全员邮件，它标志着一个时代的终结。如果你在过去 18 个月里习惯了「想用 AI 就用 AI，公司报销」的工作节奏，那么——变天了。
上周，Microsoft 向全体员工发出了一封措辞明确的邮件：从 2026 年 7 月起，每个 Microsoft 部门都有了自己的 AI Token 预算上限。工程师可以在内部仪表盘上实时追踪自己的 Token 消耗。默认内部 AI 模型已经切换到了更便宜的 OpenAI GPT-5.6。而那个让 AI 成本失控的行为，有了一个正式的名字——Tokenmaxxing。
什么是 Tokenmaxxing？工程师们狂烧 Token 的时代
Tokenmaxxing 这个词在 2026 年初开始流行，描述的是工程师们无限制地消耗 AI Token 的行为——把 AI 当水龙头一样开着，不管需不需要。
Token 是 AI 的"燃料"。每次你问 ChatGPT 一个问题、让 Copilot 写一段代码、用 Claude 分析一份文档，背后都在消耗 Token。一个 Token 大约对应 0.75 个英文单词，价格从百万分之几美元到几十美元不等。
2025 年底到 2026 年初，各大科技公司都在鼓励员工"多用 AI"——Meta 搞了「Claudeonomics」排行榜，Uber 用 leaderboard 排名各团队的 Token 消耗量，Microsoft 自己也在全公司推广 Copilot。工程师们开始把 Token 消耗量当成生产力勋章——消耗越多，代表你越"AI-native"。
结果呢？账单炸了。
Parikh 的邮件：从「AI for everyone」到「Tokenmaxxing is not what we are optimizing for」
根据 404 Media 获得的内部邮件，Jay Parikh 的措辞虽然克制，但意思非常明确：
“We all need to be aware of how we consume tokens. Tokenmaxxing is not what we are optimizing for.”
Parikh 要求员工把精力放在"推动客户和业务的核心结果"上，而不是堆 Token。Microsoft 做了三件事：
- 切换默认模型：内部默认 AI 模型从高价模型换成了更便宜的 OpenAI GPT-5.6，以"从 Token 投资中获得更大价值"
- 设立部门 Token 预算：每个部门都有一个 AI Token 预算目标，员工可以实时追踪自己的消耗
- 强调资源纪律：Parikh 说要以"管理其他关键资源同样的纪律"来管理 Token 消耗
这封邮件的背景是，Microsoft 内部工程师平均每个月在 AI Token 上花费 数百到数千美元。据匿名员工向 404 Media 透露，这些预算上限就是"最终承认公司无法让员工无限制地使用自家 AI 产品"。
更早之前，Microsoft 已经在 5 月份悄悄取消了 XDE（体验与设备部门）的大部分 Claude Code 订阅，要求工程师迁移到 GitHub Copilot CLI。
不只是微软：Uber 四个月烧光全年预算，全行业紧急刹车
Microsoft 不是孤例。2026 年整个硅谷都在经历同样的疼痛。
Uber 是教科书级别的反面案例。2026 年初，Uber 鼓励 5000 名工程师自由使用 Claude Code 等 AI 编程工具，结果——四个季度预算，四个月烧完。Uber 紧急设定了每人每月 $1,436 的 Token 上限。一名 AI 顾问爆料，他一个客户每月 AI 支出高达 $5 亿。
Salesforce 每年给 Anthropic 开出约 $3 亿 的支票。Amazon、Adobe、Atlassian、Citi 全部在过去几个月内推出了 AI 使用限制或费用可见性管控。Gartner 预测，AI 编程成本将在 2028 年前超过普通开发者的平均工资。
Techmeme 把这个趋势总结为：“企业 AI 市场正在从实验阶段进入采购纪律阶段。”
98% 价格下跌 vs 3 倍账单：Agentic AI 的消耗黑洞
最讽刺的数据来了：自 2022 年底以来，每 Token 价格下降了约 98%。照理说 AI 应该越来越便宜才对——为什么企业的 AI 账单反而翻了 3 倍？
原因在于消耗量的爆炸式增长远超价格下降的速度。
AI.cc 追踪了 24 亿次企业 API 调用后发现，截至 2026 年 4 月，AI 的混合成本从每百万 Token $18.40 降到了 $6.07，下降 67%。但企业的消耗量增长了数倍——尤其是 Agentic AI 的崛起。
传统的 AI 交互（补全代码、回答问题）一次只消耗几十到几百 Token。但 AI Agent——自主规划、多步推理、调用工具、读取文件——一次任务可以轻松消耗 数万到数十万 Token。一个 Agent 做一次代码审查，比问 100 次 ChatGPT 还贵。
Yahoo Finance 报道高盛预测：到 2030 年，全球 Token 消耗量将从现在增长 24 倍，达到每月 120 quadrillion Token。如果这个预测成真，今天的"预算上限"只是第一波管控——更严格的成本控制还在后面。
写在最后
18 个月前，Satya Nadella 站在台上说"AI for everyone"。今天，Microsoft 的工程师收到了"Tokenmaxxing is not what we are optimizing for"。
这并不矛盾。问题从来不是 AI 有没有价值，而是我们有没有认真算过它的成本。
Token 定价与座位定价本质不同：一个不吃不喝没有上限，一个按人头固定收费。企业 CFO 们花了 18 个月才明白这个区别。接下来的 18 个月，我们会看到更多企业从「无限制实验」转向「计量化运营」——每个部门一张 Token 预算表，每个工程师一个消耗仪表盘，每个模型一个性价比标签。
对工程师来说，好消息是 AI 不会消失，只是会更贵地被使用。坏消息是——老板真的在看你的 Token 账单了。
延伸阅读：《AI 补贴的「反噬」来了！一年白送 $16 亿，美国各州集体取消数据中心税收减免！》 — 当 AI 基础设施的成本开始影响政策时，企业层面的成本管控只是第一张多米诺骨牌。