主要内容
英伟达CEO黄仁勋提出一个工程师价值测试：若年薪50万美元的工程师年AI token消耗超过其薪资的一半，公司将高度警惕。英伟达计划将工程师的年token支出控制在20亿美元。这一标准揭示了一个趋势：企业正从人力投入转向AI计算资源（token）支出。
全球四大超大规模云服务商2026年资本支出合计约7000亿美元，几乎是去年的两倍。美国裁员数据显示，AI连续第四个月成为裁员主因。Meta在营收增长33%的季度裁员8000人，称是为抵消巨额AI投入。
但裁员并非生存策略，而是融资转向。Gartner对350家年营收超10亿美元的企业调查显示，约80%公司裁员后回报未改善。分析师Helen Poitevin直言：“裁员能省预算，却无法创造回报。”
Uber的教训尤为典型：去年12月给5000名工程师配备AI编码工具，今年4月即耗尽全年AI预算。尽管70%代码由AI生成，但客户感知不到差异。
问题核心在于：企业误将token预算视为固定成本，人力视为可变成本。实则token预算可通过优化节省大量开支。方法包括：prompt缓存（减少重复输入成本）、模型路由（用小模型处理常规任务）、检索增强生成（仅传递相关知识库）、prompt压缩（去除冗余内容），以及开源模型（降低API调用成本）。
这些措施如同“关掉空房间的灯”，Uber今年4月后将工程师月token支出上限设为1500美元，印证了预算纪律的重要性。领先企业已主动优化，而非等预算耗尽后被迫调整。
