看到网上流传一个段子，说某公司主管让下属写周报，下属为了让工作量显得饱满，把本来200字就能写完的内容，丢给AI洋洋洒洒扩成了2000字。主管收到后懒得看，又让AI压缩回200字。一来一回，Token烧了不少，信息含量原地踏步。

发帖人补了一句：“朋友说他感觉公司里80%的Token都是白烧的。”

看评论区中有人说，一个使用AI扩写，一个使用AI缩写，这种做法有点类似团建，看似都在参与，没有实质性产出或者极低产出，少量的价值是相互提供了情绪价值。

还有人说，周报日报这种制度还留存就是落后的公司，产出有效性完全可以用模型评估。

博主讲的这件事，听着像笑话，但查了一圈数据发现，这可能不是夸张。 

中国经济网今年8月援引多家企业调查指出，全球企业级AI应用中约50%的Token被浪费。36氪转载艾瑞咨询的分析更具体：企业在无流量优化条件下，无效Token消耗占比普遍高达30%到50%。另有一项针对120家已落地大模型应用企业的调研显示，91%存在Token用量虚高，平均浪费比例47%——相当于每花100块钱，47块打了水漂。MIT的研究更狠：95%的生成式AI试点项目没有产生可衡量的盈亏影响，尽管投入了数十亿美元。所以"80%白烧"虽然是个人体感，但"大量浪费"是行业共识。

这种浪费不是国内独有，硅谷巨头们先踩了坑。

最典型的是所谓“Token Maxxing”运动——把Token消耗量当成员工创新能力的考核指标，甚至搞排行榜。Meta内部上线Token消耗榜，给高用量员工发相关称号，还跟考核挂钩。结果30天内全员Token消耗量从6万亿暴涨到73.7万亿，增幅超12倍。后来Meta默默删了榜单。

亚马逊也搞过类似机制，要求超80%开发者每周使用AI并设消耗榜。英国金融时报报道，亚马逊员工开始用内部AI工具meshclaw跑根本没必要的任务来刷分，单月Token支出一度高达5亿美元。今年5月亚马逊也喊停了榜单。

Uber更直接：2026年度AI编程预算4个月就花光了，CTO公开承认没看到AI支出增加与用户体验提升之间的明确关联，紧急给每位工程师设了每月1500美元的上限。微软则中途取消大部分Claude Code许可，转向成本更可控的自家Copilot CLI。

国内同样在收紧。腾讯今年调整了员工Token分配机制，不再"吃大锅饭"，由部门按岗位需求动态分配，并明确表态"不做任何形式的Token排行榜"。阿里、字节、京东、美团也相继建立调用限额和预算管理机制。

很多人第一反应是员工滥用，但深入看，浪费是系统性的。

第一个坑：用AI装忙。 就像开头那个周报 —— 本来200字说清楚的事，让AI扩成2000字，显得自己干了很多活。这跟以前PPT做得越长越像努力是一个套路，只是现在“装忙”的工具从PPT变成了AI。

第二个坑：把“用了多少 AI”当考核。 公司把token消耗量当绩效，鼓励员工使用AI，员工为了KPI，只能没话找话地让AI干活，哪怕根本没用。

第三个坑：系统本身在重复花钱。 同一个问题被反复问、从三个不同入口各问一遍、一出故障就疯狂重试……这些都在烧 Token。阿里云算过，没优化过的智能客服，超过 30% 的请求是重复的。有个零售企业把 AI 客服装了三个入口，同样的问题被发三次，Token 直接烧掉近三倍。

第四个坑：智能体（Agent）是“烧钱放大器”。 这是目前涨得最快的浪费。

中国工程院院士郑纬民说，一个智能体花的Token，是普通AI对话的上百倍甚至上千倍。IDC预测2026年国内企业每天要烧掉110万亿个Token，比去年涨20倍。举个例子：你让AI帮忙订机票+酒店+租车，你说的那句话只占不到1%的消耗，剩下85%到90%全花在智能体自己内部反复查、反复算、反复试上了。

第五个坑：数据太乱，AI在“翻箱倒柜”。公司的数据散落在各个系统里，AI得一个个去找、去读、去试错，光找数据就花了大把Token。

值得注意的是，行业风向已经在变。例如，Uber COO直接说：没看到AI支出增加与生产力提升之间的明确对应关系。腾讯内部的表态很有代表性：“衡量一个员工AI用得好不好，看的是工作中的提效和创造的价值，绝不单纯看Token消耗量。”