VentureBeat｜企业「tokenmaxxing」退潮：Uber设每人每月约1500美元上限

企业把「多用AI」写进排行榜之后，财务最先看到的是账单，产品却未必同步变好。据VentureBeat 9月7日报道，「tokenmaxxing」被用来描述Token消耗飙升却难证明对应功能交付、缺陷修复或客户问题解决的现象。Uber案例被反复引用：2025年12月向工程师开放Claude Code并设Token消耗排行榜，到2026年4月全年AI编程预算耗尽；总裁兼COO Andrew Macdonald公开表示，尚未看到过度使用与为乘客、司机交付更好产品之间的明确关联。Uber现对每名员工每款智能体编程工具设每月约1500美元上限。

Uber是全球出行与本地生活平台，此轮经历成为企业AI治理的反面教材与教研样本。报道同时列举同向调整：Microsoft曾质疑Claude Code许可成本并在Experiences and Devices部门取消相关许可；Duolingo在员工反弹后撤回把AI使用计入绩效的计划。Gartner预计今年AI智能体软件支出约2070亿美元，较2025年约864亿美元大幅上升，但Token账单波动远大于传统软件席位费——同一工程师、同一工具、同一天，自动补全与并行智能体迁移数据库的发票可以差出一个数量级。

治理分歧与样本：

1. 管道派：默认选旗舰模型、高推理强度导致浪费；应用LLM网关与智能路由，便宜模型做默认、难活再升级
2. 行为派：先分清日常工作、自主智能体与一次性战略冲刺，再谈管控与教练
3. 上限派：Uber式人均月度上限；亦有公司认为上限是假天花板，取消后改默认模型与缓存
4. ROI样本：Everlaw称约3500美元Token将某Java基础设施实现从约9.5人月压到约2.5人月；也有项目把框架迁移输出整段丢弃，说明Token花了不等于代码能留
5. 工具层：Databricks等推出按任务复杂度路由模型与Harness的方案，并配合预算天花板与追溯

所谓tokenmaxxing，白话是把「刷用量」当成AI转型成绩，却对产出质量缺乏度量；所谓智能路由，白话是简单活走便宜模型，难活再升级，而不是凡事默认旗舰。对采购与CTO，验收应从「渗透率」转向「单位产出Token成本+可维护代码比例」。

放在企业软件支出上下文里，席位费时代的预算模型失效：Token是变动成本，且与任务设计强相关。先发企业用排行榜「造习惯」，后发企业直接抄「上限+路由+度量」，学习曲线被压缩。厂商侧也会被追问：默认配置是在帮客户省钱，还是在诱导消耗。

产业影响上，Token进入年度编制科目后，部门负责人可能同时带着「编制人头」与「编制Token」进规划会。需要把边界读清楚：Uber早期预算耗尽与上限政策为已公开转述；各公司ROI数字不可直接外推。下一观察点是更多企业公开路由与度量实践，以及代理层是否成为默认基础设施。