随着人工智能（AI）热潮从早期对技术能力的惊叹，转向对其投入产出比的实际考量，许多企业开始质疑其高昂的成本是否物有所值。自主智能体（agents）的出现导致计算资源（token）消耗量激增，使一些公司的 AI 预算严重超支，甚至被迫暂停相关项目。然而，这更可能只是新技术普及过程中的一个正常试错阶段。未来的关键不在于 AI 是否会被放弃，而在于企业如何在这场技术变革中，找到算力、人力与成本之间的最佳平衡点。
人工智能的“现实检验”阶段
AI 领域的讨论重心已经发生了三次转变，从最初担心需求不足，到后来担忧算力供给，再到如今对实际价值的普遍忧虑。
- 扩张与期望 (2022-2025): 在 ChatGPT 爆火后，科技巨头投入数千亿美元建设 AI 基础设施，但实际收入远低于支出。
- 智能体时代 (2025-): 随着自主智能体的出现，企业对 AI 的支出一度失控，使得 AI 需求似乎又超过了算力供给。
- 现实检验 (2026-): 在经历了数月高达数百万美元的 token 账单后，一些公司开始反思：“我们花这么多钱到底是为了什么？”
近期，一些财富500强公司的高管承认，他们在 AI token 上的支出就像失控的赌徒。据报道，Uber 和微软等公司因成本过高且生产力提升不明显，已经停止了部分 AI 服务合同。
认知科学家加里·马库斯警告说：“如果有足够多的公司报告同样的（生产力失望），泡沫就会破裂。”
“智能体”的崛起与代价
从聊天机器人到自主智能体的转变，是理解当前 AI 成本危机的核心。与一次问答就结束的聊天机器人不同，智能体可以执行一个循环：规划、调用工具、获取结果、更新信息、再次规划。
这种循环能力使其在处理编码或复杂数据分析等任务时非常强大，但循环的每一步都在消耗 token（计算单元）。
- 惊人的消耗： 一个典型的智能体任务在生成答案前，可能消耗超过 96,000 个 token，这比整本小说《了不起的盖茨比》的文本量还要多。
- 飙升的成本： token 就是金钱。一些公司的 AI 智能体支出很快达到数千万美元，甚至超过了其所取代的软件工程师团队的成本。
- 盲目的追求： 为证明高昂的支出合理，一些公司错误地将 AI 使用量等同于生产力，鼓励员工不计效率地使用 AI，这种做法被称为“tokenmaxxing”，最终可能导致更多的工作和团队倦怠。
泡沫破裂还是正常调整？
对于当前的成本反弹，市场存在两种截然不同的看法。悲观者认为，如果大公司普遍认为智能体 AI 是在浪费钱，那么 AI 领域的投资热潮将会崩溃。
然而，更合理的解释是，这只是一个正常的技术采用曲线。
每一项新技术都需要一个漫长的试错期。企业会在“投入不足”和“投入过度”之间反复摇摆，直到最终找到劳动力成本和技术支出之间的长期平衡。
许多公司高管在不完全理解 AI 的情况下就对其大加赞赏，陷入了一种“AI 精神病”——盲目相信更多的 AI 总是更好。现在的成本反思，正是从这种狂热中回归理性的过程。
一种全新的运营成本
从历史角度看，企业成本结构一直在演变。在工业革命之前，所有成本几乎都是劳动力成本。后来，机器设备成为固定的资本支出。
如今，我们正在见证一种新的运营成本的诞生：自动化智能。
- 永久性的成本类别： 就像 100 年前不存在的 IT 部门现在已成为每家公司的标配一样，自动化智能未来也将成为企业预算中一个永久性的组成部分。
- 寻找最佳配比： 当前的挑战在于，没有人知道劳动力成本与 AI 成本的正确比例。所有企业都在摸着石头过河。
- 未来的视角： 尽管智能体 AI 诞生至今仅有数月，但已经展现出其价值。今天看起来巨大的开销，在未来可能会被视为正常。关键在于，企业最终都会找到计算资源与劳动力的有效结合方式。