夜雨聆风
【熊猫导读】一边是美国企业疯狂烧 AI 预算，一边是中国 token 价格只有美国的五十分之一。这中间的落差，藏着中国机构推进 AI 的最佳姿势。
美国企业正在经历一场 AI 支出的「冰火两重天」。
Ramp 平台基于 7 万家美国企业的真实交易数据（不是问卷，是银行流水），给出了一个令人意外的数字：超过 54% 的美国企业已经为 AI 工具付费。但注意——中位数企业每员工每月的 AI 支出只有 11.38 美元，恰好就是一份 ChatGPT 或 Claude 企业版的订阅费。而前 1% 最激进的「AI-pilled」企业，这个数字高达 7,449 美元/员工/月。
这就不是同一个游戏了。$11 是“买来试试”，$7,449 是“把业务跑在上面”。
但更有意思的事发生在另一端。当所有人都在讨论「要不要用 AI」的时候，最激进的公司已经开始往回踩刹车了。
Meta 的 AI 成本失控：从“烧 token 竞赛”到“限 token 令”
今年春天，Meta 内部搞出了一个叫 tokenmaxxing 的玩法：公司搭了一个叫 Claudeonomics 的排行榜，按 AI token 消耗量给前 250 名员工排名。员工们为了上榜，让 AI agent 同时跑多个任务、尽可能多烧 token。30 天内，前 250 人消耗了 73.7 万亿个 token。
然后账本出来了。Meta 内部备忘录显示：仅内部 AI 使用一项，2026 年将花费数十亿美元。扎克伯格紧急叫停，排行榜被下线，公司从 tokenmaxxing 切换到 tokenminimizing——开始限制员工的 token 使用量，搭建实时支出监控平台，要求工程师减少用外部 Claude，改用自研的 MetaCode。
与此同时，员工也炸了。Applied AI 团队的 6500 名工程师被要求转去做 AI 训练数据的“产线工人”——写谜题、造编程题给模型训练。内部直播被人打断爆粗口，1600 多人签署请愿书反对监控数据收集。扎克伯格被迫发备忘录承认：“公司在 AI 转型中犯了错误。”
Meta 的故事说明了一件事：AI 预算失控的速度，远超管理层的想象。
对中国的企业和高校来说，这个信号更值得警惕。为什么？
中美 Token 成本差：便宜是优势，但不是不规划的借口
先说一个很多人没意识到的事实：中国的大模型 API 调用成本，大约只有美国的 1/50 到 1/100。
源数据说明：截至 2026 年 6 月，DeepSeek V4 API 输入价格约 ¥1/百万 token，输出约 ¥2/百万 token，是 OpenAI GPT-5.5 价格的约 1/50。国内通义千问、文心一言、Kimi 等主流模型 API 定价均在同一数量级。
这意味着什么？
意味着中国机构在 AI 成本这件事上，有更大的试错空间和规模化的潜力。但关键是——便宜不等于免费，规模化之后便宜的东西也会变贵。
AI-pilled 企业（Top 1%）的 AI 支出月度增长
Meta 用真金白银验证了一条铁律：AI 使用量是指数级增长的。你今天看到的人均 ¥10/月的 AI 支出，在员工真正把 AI 嵌入日常工作流之后，会变成 ¥100、¥500、甚至更多——不是因为单价涨了，而是因为用量爆了。
根据以上对比对于中国企业，预估正确的 AI 预算规划应该是三层结构：
| 基础层（全员） | |||
| 专业层（技术/研发团队） | |||
| 深度集成层（核心业务） |
对于高校，问题更简单也更紧迫：大学生的 AI 使用能力正在成为比英语更重要的竞争力指标。也许可以这样做：
全校采购基础 AI 工具授权，成本约 ¥30-60/学生/年（批量教育折扣） 重点实验室和研究生配 API 额度，人均 ¥500-2000/月 核心原则：不要让任何一个学生因为买不起 AI 订阅而落后
成本差里的商业机会
中美之间 50-100 倍的 token 成本差，加上美国企业正在经历的 AI 成本焦虑，给了中国小团队一个罕见的商业窗口。
三个方向值得关注：
1. AI 成本管理 SaaS（「企业AI财务官」）
Meta 花了几十亿美元才意识到需要一套 AI 成本管控系统。中国企业同样需要——谁来监控各部门的 token 消耗？谁来做模型选型的成本收益分析？谁来预警异常的 AI 支出？这是一个全新的企业软件品类，大厂还没反应过来。
2.「中国版 Ramp AI Index」数据服务
Ramp 能做的，中国的企业支付平台（支付宝企业版、微信企业支付、银联商务等）同样能做。谁先拿出一份「中国企业 AI 采用率报告」，谁就掌握了行业话语权和客户入口。不需要 7 万家企业的数据——一个垂直行业（比如电商、金融、教育）的 AI 支出洞察，就足够撑起一门咨询生意。
3. 模型降本增效的中间件
AI-pilled 企业的多供应商策略
美国企业正在从单一供应商转向「前沿模型 + 开源模型 + 垂直方案」的组合策略。这个切换过程中，最痛苦的是适配成本——不同模型的 API 格式、输出风格、能力边界各不相同。做一层轻量级的中间件，帮企业自动做模型路由（简单任务走便宜模型，复杂任务走高端模型），单一 API 接入，背后智能调度，降本 30-50% 不难。
最后说一句扎心的话：
Ramp AI Index 的领头经济学家 Ara Kharazian 在最新报告中写了一句话：「企业一方面在加大 AI 投入，另一方面也在积极寻找性价比更高的选项。这两个趋势并不矛盾。」
OpenAI 与 Anthropic 在企业中的采用率对比
美国企业已经开始从「要不要用 AI」进入了「怎么用得更合理」的阶段。
中国企业虽然起步稍晚，但我们手里的牌不差——全球最便宜的 token 价格、最完整的制造业场景、最大的高校在校生群体。关键在于领导层能不能把 AI 预算规划当作跟电费、房租一样的基础设施成本来对待，而不是把它当作「IT 部门的试验经费」。
如果你是一个机构的管理者，现在可以做的两件事：
下个月之前，给全员开通基础 AI 工具权限（成本：¥50/人/月，比你办公室的咖啡预算还低） 找一个懂技术也懂成本的人，开始搭建内部的 AI 使用看板
【思想馆】聚焦科技与思维的深度观察，欢迎转发给正在思考AI时代如何自处的朋友。
主编：熊猫AI博悟馆 副主编：CC 审核：CC
