Uber 到 4 月就用完了 2026 年 AI coding 预算。Microsoft 给部分开发者开了 Claude Code，几个月后又撤回许可。Priceline 一名员工告诉 TechCrunch，Cursor 正常续约报价涨了 4 到 5 倍。
这几件事放在一起看，信号很直白：企业不是不想用 AI 了，而是开始问账了。
过去一年，很多团队的默认动作是“上最好模型，先跑起来”。现在 CFO 和 IT 财务开始敲门：这些 token 花在哪？产出了什么？谁批准？有没有上限？
账单先炸，热情还在
几个硬事实先摆出来。
| 公司 / 组织 | 发生了什么 | 更像说明什么 |
|---|---|---|
| Uber | 4 月用完 2026 年 AI coding 预算 | 使用强度超过原预算设计 |
| Microsoft | 撤销部分开发者 Claude Code 许可 | 大厂内部也在控制 AI 工具成本 |
| Priceline | Cursor 续约报价上涨 4-5 倍 | 订阅红利期过去，采购压力上来 |
| Jellyfish | 高 token 用户约 2 倍生产力，却消耗 10 倍 token | ROI 不是线性增长 |
| Linux Foundation | 准备推出 Tokenomics Foundation | token 成本治理开始标准化 |
最反常的一点是：单个 token 的价格在下降，总账单却还在往上走。
原因不复杂。代理式 AI 不只是回答一次问题。它会拆任务、调模型、写代码、检查、重试。一次看似普通的开发请求，背后可能滚出很多轮调用。
再加上上下文变长、多模型调用、员工没有限额，成本就像没关紧的水管。单价便宜了，总量照样能把账单冲高。
这不是“AI 编程工具没用”。材料能支撑的判断更克制：AI 工具确实可能提高产出，但重度使用的边际收益没那么清楚，成本口径也没跟上。
Jellyfish 的数据就是一个提醒：高 token 用户大约有 2 倍生产力，却消耗 10 倍 token。管理层最头疼的不是花钱，而是不知道这 10 倍消耗里，哪些是效率，哪些是浪费。
受影响最大的，是开发负责人和 IT 财务
这轮收紧，最先打到企业开发团队。
开发负责人接下来会被迫做几件事：给个人或团队设 token 限额；把模型分级；高价模型走审批；默认任务用便宜模型；对 agent 的自动调用设边界。
这会改变开发者的日常工具选择。以前是“能用最强就用最强”。以后更可能是“日常补全用低成本模型，复杂重构再开高阶模型”。
对 CFO 和 IT 财务来说，AI 支出会从创新预算变成可审计项目。采购不会只问 seat 数，还会问 token 用量、调用链路、任务类型、产出指标。
一个现实动作是：部分企业会延后续约，或者缩小授权范围。不是因为不用了，而是要先弄清楚谁在用、怎么用、用完之后有没有产出。
对关注 AI 商业化的人，这也是一个分水岭。模型供应商不能只卖“更强”。企业买单时会追问“够不够用、能不能控、能不能解释账单”。
这对一批新公司反而是机会。Pay-i、Paid、Jellyfish、Faros AI，以及 Ramp、Datadog、New Relic 这类更靠近财务和观测的玩家，都会往管账、审计、监控、路由这一层挤。
钱不会消失，只会换入口。
token 正在变成新的云账单
Linux Foundation 准备推出 Tokenomics Foundation，目标是给 AI token 成本、计量、审计建立标准。它想做的事，接近云成本领域的 FinOps。
这一步不性感，但很关键。
从电信账单到云账单，再到 token 账单，技术扩张常常这么走：先抢速度，再补治理。铁路、电力、云计算都经历过这一轮。新东西一旦进了企业，最后总要回到采购单和损益表。
“天下熙熙，皆为利来。”放在这里不是感慨人性，而是提醒一件事：AI 再新，也逃不开企业成本纪律。
我更在意的是路由层。
以后企业未必每次都调用最强模型。系统会自动判断：这个任务用高阶模型，那个任务用中档模型，简单请求直接走便宜模型。AI 采购会从“买一个最强能力”，变成“买一套能力组合”。
模型看着更强，产品反而更需要精算。
这里也有边界。Tokenomics Foundation 还没有正式发布，首批成果也在后面。标准不是灭火器，救不了已经超预算的团队。
眼下更现实的做法只有三件事：设限额，分模型，看产出。
更具体一点：
| 要做的事 | 解决什么问题 | 现实限制 |
|---|---|---|
| 设 token 限额 | 防止个人或 agent 无上限消耗 | 可能压住高价值探索 |
| 做模型分级 | 避免所有任务都跑最贵模型 | 需要维护任务规则和路由策略 |
| 记录任务与产出 | 把成本映射到代码、工单、交付 | ROI 仍然难完全量化 |
| 审查续约报价 | 防止订阅价格突然抬升 | 短期会增加采购和管理摩擦 |
Jellyfish 的判断也很实在：ROI 往往来自“广泛、适度”的采用，而不是少数人无限制燃烧 token。
这句话对开发负责人尤其有用。与其让少数重度用户一路开到最贵模型，不如让更多开发者在明确边界内稳定使用。企业要的不是炫技，是可复制的效率。
接下来最该观察四件事。
一是 Cursor、Claude Code 这类工具的续约价格会不会继续上调。二是企业会不会从全员授权转向按团队、按任务授权。三是模型路由和成本观测能不能进入开发工具链默认层。四是 Tokenomics Foundation 这类标准能不能给出可落地的计量口径。
别把这件事看成 AI 降温。Goldman Sachs 还预计全球 token 使用量到 2030 年会增长 24 倍。需求还在，账单也会更大。
真正变了的是企业心态。过去问“强不强”，现在问“值不值、控不控得住”。
一个工程师一个月花 4 万美元 token，也许是天才效率，也许是预算黑洞。没有计量体系，管理层连该奖励还是该叫停都不知道。
AI 进入企业的成人礼，不是发布会上多一个更强模型。是采购部和财务部坐上牌桌，然后要求每一次调用都能被解释。
企业不是怕 AI 贵。企业怕贵得说不清。说不清，就迟早会被关阀门。