今年早些时候，硅谷有个很热的词：Tokenmaxxing。

意思很直接：CEO 鼓励员工把 AI 尽量用满，调用越多越好，先把新工作流试出来。问题也很快出现了。TechCrunch 提到，Uber 被报道在几个月内用完年度 AI 预算，一些公司缩减了组织内部分 Claude 授权，Meta 也取消了内部 AI 使用排行榜。

这不是 AI 需求崩了。

更准确的说法是，企业 AI 从“先用起来”进入“用完要对账”。NEA 合伙人 Tiffany Luck 在 TechCrunch Equity 播客中谈的重点，也落在这里：企业还没完全搞清楚 AI ROI 怎么算，而这会把一批创业机会推到台前。

使用量不再等于成绩

Tokenmaxxing 的逻辑并不难理解。

生成式 AI 刚进入企业时，很多公司担心的不是花多了，而是没人用。员工不用，场景就跑不出来；场景跑不出来，采购也很难继续说服管理层加码。

所以早期用排行榜、开放授权、鼓励高频调用，都说得通。它像一次内部动员：先把水放进管道，看看哪里流得动。

但账单来了以后，问题变了。

过去看什么现在问什么直接影响
员工有没有用 AI谁在高频使用，是否真的产出结果低频用户的授权可能被收回
Token 调用量高不高调用量对应的是关键任务还是试错模型成本需要归因到团队或项目
内部采用率排名排名能不能对应效率、收入或质量单纯靠排行榜推动使用会降温
多买几个模型工具哪个任务该用大模型，哪个任务可用小模型采购会更看重配置和治理

这对企业 AI 负责人很具体。

接下来他们不会只交一张“员工使用率”报表。更可能要回答：销售团队用了 AI 后，线索跟进有没有变快；客服用了 AI 后，工单处理时长有没有下降；研发用了 AI 后，代码质量和故障率有没有变化。

采购动作也会变保守。不是一刀切停掉 AI，而是延后扩容、缩小授权范围、把席位从低频团队迁到高频岗位。预算不会消失，但会被要求说清楚去向。

这就是主线：企业不是少用 AI，而是开始要求 AI 证明自己。

ROI 难算，因为成本和收益不在一张表里

SaaS 的 ROI 相对好算一点。

席位有没有登录、销售转化有没有提升、客服响应有没有变快，这些指标虽然也会扯皮，但至少路径清楚。生成式 AI 麻烦得多。同一次调用，可能是在写邮件，也可能是在查资料、生成代码、整理会议纪要，甚至只是员工随手试一下。

成本集中在模型账单、订阅席位和云资源里。收益却散在销售、客服、研发、运营流程里。

这也是 Luck 观点里更有商业价值的部分。企业需要的未必是更多聊天窗口，而是能把 AI 使用和业务结果接起来的工具。

这里的创业机会，大概会落在几类产品上：

机会方向企业真正要解决的问题现实限制
AI 成本管理看清不同团队、任务、模型的花费只看调用量不够，必须接业务数据
ROI 追踪把 AI 使用和效率、收入、质量指标挂钩很多公司内部数据本来就不干净
授权治理给不同岗位配置不同模型和权限权限、合规、审计不能事后补
模型路由大模型、小模型、专用模型按任务分配需要稳定性，不只是省钱

难点也在这里。

如果一家公司的 CRM、工单系统、代码仓库、财务系统彼此割裂，AI ROI 工具就很难凭空证明“这次调用带来了成交”或“这段生成代码减少了线上故障”。仪表盘可以做得很漂亮，但数据链路断了，结论就站不稳。

所以我更在意的，不是哪家公司喊出“帮企业省 AI 成本”。这句话太容易。

真正难的是进入客户流程，拿到可信数据，并让财务、IT、业务线都愿意认这套口径。能做到这一步的公司，才有机会从工具变成预算入口。

个人代理还有机会，但要避开演示型需求

Luck 在播客中也谈到个人 AI agents、AI IPO，以及消费端产品里的“魔法时刻”。这说明投资人并没有把 AI 应用的机会关掉，只是标准在变。

企业端要算账。消费端要更快让用户感到：它真的替我完成了一件麻烦事。

个人代理的吸引力就在这里。它卖的不是“我能聊天”，而是“我能替你做事”。比如整理信息、处理邮件、安排行程、跟进任务。这些场景听起来都很自然，也很容易出现在演示视频里。

但商业化会卡在三个老问题上：稳定性、权限、异常处理。

一个代理如果要替用户订票、发邮件、改日程，就一定会碰到账号权限和隐私数据。它一旦做错，用户承担的不是“回答不准”的成本，而是误操作的成本。这比聊天机器人难得多。

对 AI 创业公司来说，接下来的产品取舍会更硬。

包装大模型接口，讲一个“提高效率”的大故事，续费压力会变大。更稳的路线，是选一个岗位、一个流程、一个可衡量指标，把结果做实。比如让销售少填 CRM，让客服少转人工，让研发少花时间处理重复问题。

对关注 AI 投资的人来说，也可以少看一点热词，多看三件事：

观察点为什么重要判断条件
企业 AI 预算归属创新预算宽松，业务预算更看结果预算是否从试点部门转向业务线
AI IPO 公司披露质量收入增长之外，成本结构更关键毛利、续费、客户集中度是否清楚
个人代理留存演示不等于高频使用用户是否愿意持续付费，而不是试一次就走

目前还看不清的一点是，AI ROI 追踪会不会成为独立大市场。

它也可能被云厂商、模型公司、企业软件套件吸收掉。毕竟谁掌握底层调用、账单和企业数据，谁就更容易把“成本管理”做成默认功能。

但无论最后由谁吃下这块市场，方向已经很清楚：企业不再只奖励“用得多”。它开始奖励“说得清”。