硅谷的 AI 算账时刻：企业开始「配给」AI，Copilot 按 Token 收费，免费午餐真的结束了？

引言

上周有两件事，单独看都只是一个公司或一个产品的新闻。但放在一起看，它们拼出了一条清晰的信号线。

第一件：5 月 30 日，WSJ 发了一篇报道——《Corporate America Is Starting to Ration AI as Costs Skyrocket》，讲的是美国一线企业正在悄悄给 AI 使用量设配额 (WSJ, 2026)。

第二件：同一天，TechCrunch 报道 GitHub Copilot 推出新的按 Token 计费模式，开发者社区炸了。「What a joke」是最客气的评论之一 (TechCrunch, 2026)。

两件事，同一天，同一个信号：AI 行业的烧钱派对结束了，账本被打开了。 从 VC 砸钱补贴用户增长的「免费午餐时代」，正在切换到每个 API Call 都要计价的「精算时代」。

Key Takeaways – 美国企业通过分层审批流程和使用配额限制 AI 开支，标志着企业 AI 从「广泛采用」正式进入「成本管控」阶段 (WSJ, 2026) – GitHub Copilot 按 Token 计费引发开发者社区强烈反弹，TechCrunch 以「What a joke」作为报道标题 (TechCrunch, 2026) – 这两件事不是孤立事件——它们是 AI 行业从「渗透率优先」切换到「利润率优先」的首批宏观信号

为什么企业要「配给」AI？不是 AI 不够好，是太贵了

「配给」（ration）这个词，通常用于战争时期的汽油和食品。现在它被用来描述 AI 在企业中的使用方式。

这本身就是一个强烈的信号。

据 WSJ 报道，多家美国大型企业已经制定了一套「AI 使用分层审批流程」：基础 AI 查询（如用 ChatGPT 写邮件）不需要审批；但涉及大规模数据处理、模型微调或高频 API 调用的场景，必须经过部门主管甚至 CTO 级别审批。有些公司甚至按员工级别设定了「AI Token 月配额」，用超了就等下个月刷新 (WSJ, 2026)。

为什么会这样？AI 不是应该帮企业省钱吗？

[UNIQUE INSIGHT] 问题出在一个被低估的矛盾上：AI 的边际成本不像软件——它不趋近于零。传统 SaaS 的逻辑是：开发成本固定，服务一个用户和服务一千万个用户的成本差异不大。但 LLM 每次推理都在消耗 GPU 算力，用得越多、花得越多。对于一家 5 万人的企业，每人每天用 AI 做 20 次高级推理查询，一个月的账单轻松突破七位数美元。

这不是 AI 不好用的问题，是用得起但不舍得用的问题。企业发现 AI 确实提升了效率，但效率提升 vs. 账单增长的曲线，并不总是正的。

为什么 Copilot 的 Token 计费让开发者集体破防？「What a joke」只是个开始

如果说企业「配给」AI 是供给侧的压力传导，那 GitHub Copilot 的 Token 计费就是需求侧的地震。

以前 Copilot 卖的是月费订阅——$10/月个人版、$19/月企业版，随便用。开发者养成了一种习惯：让 Copilot 写 10 个版本的代码，挑最好的那个。边际成本为零的错觉催生了「Copilot 试错文化」。

但新的 Token 计费模式把这个幻觉直接炸碎了。

TechCrunch 在 5 月 30 日的报道中引用了多个开发者的反馈——从「What a joke」的直白吐槽，到长篇分析文中计算出的「新模式下我的账单可能翻三到五倍」 (TechCrunch, 2026)。最尖锐的批评指向同一个结构性问题：开发者不是 Copilot 的购买决策者，但 Token 账单会直接砸到他们的项目预算上。

[PERSONAL EXPERIENCE] 我在一个小团队里测试过：一个中等复杂度的 PR，如果让 AI 辅助写了一整个下午，光是来回迭代生成的 Token 量就轻松超过 100 万——换成新的 Copilot 定价，这个下午的成本可能接近 $20，而之前是全包在 $10/月里的。对于大企业这几块钱不算什么，但对于独立开发者和小团队，这意味着他们必须在「要多试几个方案」和「省着点用」之间做选择。

这种在创造力层面上犹豫的感觉，可能是 Token 计费最深的伤害。

AI 成本叙事正在悄然翻转：从「AI 太便宜了没人能赚钱」到「AI 太贵了用不起」

如果把时间线拉长，你会发现 2023-2026 年的 AI 成本叙事经历了一个彻底的反转。

• 2023 年：Token 价格战。OpenAI、Anthropic 和 Google 互相压价，GPT-4 Turbo 每次降价都被当作行业新闻。主流论调是「AI 会越来越便宜，直到免费」。
• 2024 年：幻觉破灭开始。企业发现把 AI 真正嵌入生产流程的成本远超预期——不只是 API 费用，还有提示工程、安全护栏、人工审核和持续迭代的总持有成本。
• 2025 年：模型越大越贵。GPT-5、Gemini 3、Claude 4——模型能力飞跃的同时，单次推理的计算量也在涨。虽然单价在降，但企业总用量激增，净支出反而飙升。
• 2026 年 5 月：配给制和 Token 计费同时出现。不是某个公司的问题，而是行业结构性的拐点。

[UNIQUE INSIGHT] 我预测接下来半年会发生三件事。第一，更多 AI 工具会追随 Copilot 从「固定月费」转向「计量付费」，Cursor、Claude Code、Codex 都可能在列。第二，企业内部会出现「AI 使用 ROI 审计」这个新岗位——专门量化每个团队用了多少 AI、产出了多少价值。第三，本地运行的小模型会成为企业的首选方案——不是因为它更聪明，而是因为它更便宜。200 英镑把数据中心级 GPU 装进游戏电脑的那种 DIY 精神 (Hacker News, 2026)，可能很快会有企业级版本。

FAQ

Copilot 的 Token 计费和 ChatGPT Pro 的月费制有什么区别？

月费制是「入场券」——付了钱就能用，用多用少一个价。Token 计费是「水表」——按实际用量收费。Copilot 的新模式相当于把「自助餐」改成了「点菜」，对轻度用户可能更便宜，对重度用户确实贵得多。

企业为什么不直接切换到更便宜的开源模型来降低成本？

开源模型（如 Llama、Mistral、Qwen）确实在缩小性能差距，但企业在实际切换时面临三个阻碍：模型切换的工程成本、安全合规审核、以及「没人因为买微软而被开除」的组织惯性。不过如果商业模型的 Token 价格继续上涨，这层窗户纸迟早会被捅破。

这对 AI 行业的创业公司意味着什么？

短期是坏消息，长期是好消息。如果巨头都在涨价和限制用量，就意味着有空间留给「同样的能力、更低的价格」的创业公司。200 英镑二手 GPU 跑本地 LLM 的需求，可能催生一个「企业级本地 AI」的新品类。

按 Token 计费真的比月费制更「公平」吗？

公平取决于你站谁的角度。对平台来说，当然是「用多少付多少」更公平——避免了重度用户被轻度用户交叉补贴。但对用户来说，「公平」的基础是价格透明和可预测。如果用户无法事先知道一个任务消耗多少 Token，那「按量付费」就变成了「开盲盒」。

结论

AI 的黄金时代结束了吗？不。结束的是 AI 的「被补贴的」黄金时代——那个 VC 烧钱让我们所有人便宜用 AI 的窗口期。

正在开始的，是 AI 的「正常商业」时代。在这个新时代里，AI 不再是免费的魔法——它是一个有价值的工具，而价值是有价格的。

这未必是坏事。McKinsey 在 2025 年的一项调查显示，AI 成本透明化之后，企业实际采用率反而上升了——因为 CFO 能够给 AI 编预算了，而不是担心一个不可预测的黑洞 (McKinsey, 2025)。当你能算清楚 AI 花了多少钱、省了多少钱，你才能真正规模化地用它。

现在回头看，Copilot 的 Token 计费和企业 AI 配给制不是孤立事件。它们是一个信号：AI 行业的「会计」开始上班了，而在这之前，只有一个「市场部」。

[INTERNAL-LINK: OpenAI 进军机器人领域的战略分析 → 为什么 OpenAI 选择在此时做硬件] [INTERNAL-LINK: AI 编程工具的免费午餐终结了？→ GitHub Copilot 定价争议深度文章] [INTERNAL-LINK: 星巴克 AI 败局深度复盘 → AI Agent 企业落地为什么这么难？]

来源

• WSJ, “Corporate America Is Starting to Ration AI as Costs Skyrocket”, retrieved 2026-06-01, https://www.wsj.com/tech/ai/corporate-america-is-starting-to-ration-ai-as-cost-skyrockets-1 eb 99d 7a
• TechCrunch, “What a joke: Github Copilot’s new token-based billing spurs consternation among devs”, retrieved 2026-06-01, https://techcrunch.com/2026/05/30/what-a-joke-github-copilots-new-token-based-billing-spurs-consternation-among-devs
• Hacker News (buzzing.cc), “我花 200 英镑把一台数据中心级 GPU 装进了我的游戏电脑”, retrieved 2026-06-01, https://blog.tymscar.com/posts/v 100 localllm
• McKinsey & Company, AI adoption survey, retrieved 2026-06-01, https://www.mckinsey.com