2026 年以來各大科技企業無不全力推動員工使用 AI 工具提升生產力，然而這股企業 AI 應用熱潮正走向全面失控的局面。從微軟（Microsoft）要求員工棄用 Claude Code 轉投自家 Copilot CLI，到 Uber 在四個月內燒光全年 34 億美元 AI 預算，再到 Meta 內部出現被稱為「Token Legend」的員工在 30 天內消耗 2,810 億個 token，根據估計，企業的 AI 使用成本已超越人力成本，而更令人憂心的是，高額 AI Token 投入並未帶來等比例的產能提升。
AI Token 成本已超越人力！Tokenmaxxing 狂潮下的荒誕戲碼
微軟帶頭砍 Claude Code：表面是公司策略，實則是成本考量
事件的起點是微軟內部，據外電報導微軟 Experiences + Devices 部門（涵蓋 Windows、Microsoft 365、Teams、Outlook 及 Surface 等主力產品線）正大規模取消內部 Claude Code 授權，要求數千名開發者在 6 月 30 日前轉用 GitHub Copilot CLI。
官方說法宣稱這是為了推動內部微軟自研工具的採用率，但知情人士透露，真正的原因在於隨著使用者增加，Claude Code 的 token 消耗成本持續攀升，已遠超出企業可接受的範疇。微軟雖然也是 Anthropic 的最大投資者之一，但在內部工具選擇上，這顯然不是一場慈善競賽。
Uber 年度 34 億美元 AI 預算，四個月歸零
如果說微軟的案例還帶有「轉向自家生態系」的戰略色彩，那麼 Uber 的遭遇則赤裸裸地揭示了 AI 成本失控的殘酷現實。Uber CTO Praveen Neppalli Naga 在 4 月中旬坦承，公司已經用盡整個 2026 年度的 AI 預算，34 億美元（約新台幣 1,105 億元）在短短四個月內全數蒸發。
這意味著 Uber 每個月平均燒掉 8.5 億美元的 AI 運算費用，公司內部 95% 的開發者已全面導入 AI 輔助工具，每人每月 token 花費高達 500 至 2,000 美元，而超過 70% 的程式碼提交已由 AI 生成。當 token 消耗從生產工具變成為生產指標，成本失控便成為必然的結局。
Meta 的「Token Legend」：Claudenomics 排行榜的荒誕劇
Meta 內部更是將 token 消耗量直接推上檯面，成為衡量員工生產力的核心指標。據悉，Meta 建立了一套名為「Claudenomics」的內部儀表板，追蹤 85,000 名員工的 AI token 消耗情況，並為消耗量最高的員工頒發「Token Legend」與「Session Immortal」等頭銜。
最驚人的數字是：排名最高的用戶在 30 天內消耗了 281 億個 token，若按 API 價格計算，光這一個人的花費就高達數百萬美元。整個 Meta 在 30 天內總共燒掉了 60 兆個 token，估算成本約 90 億美元（約新台幣 2,925 億元）。Meta 甚至將「AI 驅動的影響力」定為 2026 年的核心績效期望。
Tokenmaxxing 文化：當 AI 使用量成為虛榮指標
NVIDIA 執行長黃仁勳在 All-In Podcast 上曾提出著名觀點：一位年薪 50 萬美元的工程師，若不消耗至少 25 萬美元等值的 AI token，他會「深感憂慮」。在這種論點推波助瀾下，這種一味堆高 token 用量的現象已被稱為「Tokenmaxxing」（token 最大化），成為 2026 年版的「用程式碼行數衡量生產力」，而且可能更糟。Business Insider 報導指出，在矽谷的工程師社群中，炫燿每週 token 花費已成為一種身分象徵：「我每週花好幾千美元在 token 上，感覺很瘋狂但我停不下來。」
亞馬遜員工坦承會刻意用 AI 處理無關緊要的工作以拉高內部使用數據，微軟和 Meta 也有類似問題。然而 Khosla Ventures 合夥人 Jon Chu 直言這是一項「極度愚蠢的政策」，因為 Meta 員工已經開始撰寫只會讓 token 無限循環消耗的機器人程式來衝排名。Linear 營運長 Cristina Cordova 更嘲諷：「用 token 排名工程師，就像用行銷團隊誰花最多錢來排名一樣荒謬。」
10 倍成本、2 倍產出：AI 投入的邊際效益正在崩塌
高昂的花費是否能換來等比例的效能提升？研究數據給出了否定的答案。GitClear、Faros AI 與 Jellyfish 等研究機構針對 AI 編碼工具的效能分析指出：
- 投入 10 倍的 token 預算，僅獲得 2 倍的產出，每單位持續輸出的成本高出 5 倍
- 程式碼變更率（code churn）飆升 861%，AI 生成大量不必要的程式碼後又被反覆修改捨棄
- AI 生成程式碼的維護成本在二年級達到傳統程式碼的 4 倍
- GitHub Copilot 預計在 2026 年 6 月從固定月費制轉向用法計費，因為 token 消耗差異過大，人均月費模式已無法維繫
根據相關調查指出，token 預算高 10 倍的工程師，其產出僅提高 2 倍，等於為單位輸出的成本付出 5 倍的代價。而且 AI 生成的大量程式碼並未經過實際驗證，而是堆積在程式碼中形成隱形技術債。
傑文斯悖論：Token 越便宜，帳單越驚人
AI 模型訓練成本與 API 調用價格確實持續下降，但這正體現了經濟學中的傑文斯悖論（Jevons Paradox）：當技術效率提升使得單位成本降低，反而會刺激更多使用需求，最終導致總消耗量不減反增。當各大公司 CFO 開始檢視 AI 支出的實際帳單時，傑文斯悖論正在殘酷地展現實效力。
Cleo 創辦人 Barney Hussey-Yeo 是最積極擁抱 tokenmaxxing 的 CEO 之一，他在受訪時表示，自己每月花費約 27,000 英鎊（約 36,000 美元／新台幣 117 萬元）在 AI token 上，並鼓勵員工每月消耗高達 2,000 美元的 token 配額。他堅信「不大量使用 AI 的工程師很快就會被淘汰」。然而這種極端做法是否具備可持續性，仍有待時間檢驗。
重回產出指標：Salesforce 帶頭反思
在一片 token 消耗狂熱中，Salesforce 選擇了不同的路徑。該公司正在推動以業務成果為基礎的績效指標，明確拒絕將 token 消耗量作為生產力的虛榮指標。這也暗示著行業內部已經開始反思：當 token 消耗變成目標本身，真正的生產力反而被拋在腦後。
分析師指出，AI 工具的實用價值無可否認，但如果企業試圖用 AI 完全替代人力、削減用工開支，而忽略了 token 消耗的邊際效益遞減本質，這套降本措施最終只會適得其反。當任務所需的 token 數量增速遠超 token 單價的降幅時，帳單數字將會不斷創下新高。
結語
從微軟強制轉換工具、Uber 預算告急、到 Meta 的 Token Legend 排行榜，2026 年的企業 AI 應用正面臨一場深刻的成本修正期。token 降價帶來的不僅是普及，也製造了前所未有的浪費，這是一場技術進化與資源管理之間的經典矛盾。如何在不陷入「tokenmaxxing 陷阱」的前提下有效運用 AI，將是接下來所有企業必須面對的核心難題。