微软有个员工，28 天烧掉了 2.8 万美元的 Token。折合人民币约 18.9 万。
他不是在跑训练，也不是在搞研究。他只是在"用 AI"。
更荒诞的是他所在的部门。Customer and Partner Solutions，一个跟模型研发八竿子打不着的部门，全员月度 Token 消耗的平均值只有 134 美元。
平均 134，最高 2.8 万。这中间差出的两百多倍，才是那张表格真正要说的事。
01 一张表格掀了桌子
事情起于一份内部表格。这张表原本是员工自发共享薪资和奖金信息的，后来有人往里加了一列：月度 AI 使用量。
数据来自约 350 名美国员工的自愿提交。微软全球雇员超过 22.3 万人，这个样本谈不上严谨，但分布很有看头：整体月度成本中位数约 300 美元，部门之间却天差地别。
CoreAI 部门的中位数最高，约 975 美元，个人最高冲到 1.6 万美元。Microsoft AI 约 490 美元，Experiences and Devices 约 250 美元，Azure 约 241 美元。
中间还有两档容易被扫过去：Security 平均约 526 美元、最高 1 万美元，Cloud and AI 中位数 325 美元、最高同样能到 1.5 万美元。同一家公司里，有人一个月几十美元，有人一个月烧掉一辆家用车。
然后就是那个 2.8 万美元的纪录，出自平均值只有 134 美元的 Customer and Partner Solutions。
02 刷 Token 这门手艺
一个非技术部门的人，凭什么烧出比 CoreAI 还狠的量？
答案有点黑色幽默：他不是在干活，是在刷榜。
微软这几年一直在鼓励员工猛用 Copilot 和各类 AI 功能，内部看板还把用量摆在最显眼的地方。于是有人开始往里猛灌超长 prompt、拉满上下文、挂上自动查询，目的只有一个：让自己的用量数字好看。
这一行给它起了个名字，叫 tokenmaxxing。构词法很直白，跟健身圈说的 maxxing 一个路数：把某个指标拉到极限，至于拉上去有没有意义，不在考虑范围内。
我看到这个词先笑了一下，笑完又觉得眼熟。哪家公司还没几个靠堆数字刷存在感的指标呢。
效果也确实"好"。几个人真把自己刷成了部门榜首，代价是公司账上多出一笔六位数的美元支出。
微软不是没提醒过。问题在于，管理层连着几年把"多用 AI"挂在嘴上，却始终没定义过什么叫"用得好"。员工只能自己找标准，而最容易量化的那个标准，就是消耗量。
CoreAI 执行副总裁 Jay Parikh 看不下去了，发了内部备忘录，话说得很直：tokenmaxxing 不是我们要优化的东西。他要求团队盯住实际业务成果，别再为仪表盘上的数字堆算力。
你考核什么，员工就给你生产什么。考核 Token 消耗量，收获的就是一堆没人用的 Token。
03 微软的三板斧
微软动起手来也快，三件事一起上。
先是上线 Token 用量监控，专门识别支出异常高的账号；再设更严格的预算上限；最后把内部默认工作负载逐步切到 OpenAI 的 GPT-5.6 Sol，同时不再鼓励员工在编程任务里用 Anthropic Claude 这类第三方工具。
前两层是治标。最后一层才露了真意：省钱之外，顺手把内部用量收拢回自家生态。
而且头疼的不止微软一家。Google 今年初已经把内部 AI 额度从无限制改成按项目申请；Meta 内部 AI 工程师的人均 Token 成本，同比涨了 380%。
根子在一个反直觉的地方：推理单价一直在降，可员工的调用量在以 5 到 10 倍的速度往上冲。单价乘数量，总账照样失控。
这就是那个老道理的翻版。蒸汽机效率越高，煤烧得越多，而不是越少。算力同理，单次调用越便宜，能被塞进来的调用就越多。
对微软来说这笔账不难算：22.3 万员工，哪怕只有一小撮人月均烧到三位数美元，一年的内部 AI 账单也得以亿计。真正贵的从来不是那几个刷榜的人，而是一套只奖励消耗、不追问产出的制度。
免费额度最危险的地方，是它让人忘了东西是有价的。而一家公司只鼓励使用、却不设产出标准时，浪费几乎必然发生。
现在很多团队拿"AI 渗透率""调用量""活跃度"当 AI 落地的成绩单。我倒是觉得，微软这张不小心漏出来的表格，比大多数 AI 落地报告都诚实：这些数字涨得可以很快，但它和真实产出之间，可能隔着两百倍。
判断 AI 有没有真用起来，看的不是烧了多少 Token，而是同一件事现在比过去少了几个人、少花了多少时间。省下来的时间才算产出，花掉的 Token 只是成本。
剩下的那些，都只是仪表盘上的装饰。