Meta高管称或限制工程师AI token预算

背景

随着生成式 AI 工具的普及，大型科技公司内部工程师对 AI 模型的使用量急剧攀升，相应的 token 消耗成本也成为企业管理层的新痛点。近期，Instagram 负责人 Adam Mosseri 在一档播客中直言，Meta 可能在未来一两年内不得不对每位工程师的 AI token 支出设置上限，否则成本将以接近员工薪资的速度燃烧。这一表态不仅反映了 Meta 内部对 AI 成本失控的忧虑，也揭示出整个行业正在重新评估 AI 实验的财务可持续性——此前 Uber 已在 4 月用光了其 2026 年的 AI 编码预算，微软则因 token 成本飙升而取消了 Claude Code 许可证，转而将工程师统一到自己的 Copilot CLI 工具上。

核心内容

在 Lenny’s Podcast 的访谈中，Adam Mosseri 描述了一个不远的未来（大约一到两年内）：一位强力工程师的 token 燃烧速率可能等同于其薪资或雇佣成本。在这样的情境下，公司很可能需要实施一些上限。所谓 AI token 支出，指的是处理 AI 提示词和响应所产生的计算成本。最近这一话题引发热议，部分原因是 Meta 曾因 AI 成本可能导致 2026 年数十亿美元的支出，而关闭了内部的一个 AI token 支出排行榜。

Mosseri 认为，AI token 成本必须像其他资源一样被管理。他将其类比为薪资（payroll）或运营支出（OpEx）——这些也是日常经营中需要分配的资源。“我必须决定如何把容量分配给不同团队，因为我只有有限数量的 GPU、CPU、存储和 RAM；我必须决定如何将 OpEx 预算分配到各个团队的标注项目上；我不得不决定如何将薪资预算分配到各个团队的员工头上。”他表示，token 预算也将遵循同样的逻辑，每位工程师的上限必须与公司对其“ROI 为正”地使用预算的能力的信任程度成比例。

Mosseri 透露，Meta 目前没有对任何员工设置 token 上限，但他认为未来设置上限可能是健康的。更长远来看，他预计随着 AI 模型厂商之间展开价格战以吸引用户，token 成本会逐渐下降。当下，Meta 已经通过关闭一些“愚蠢的事情”——比如那个 token 支出排行榜——来控制成本。“建造一个 token 焚烧炉并不难，而且它创造不了多少价值，”Mosseri 说。

关键要点

• 成本类比薪资：Mosseri 预测，一两年内一名高效工程师的 AI token 消耗速率可能与其年薪或雇佣总成本相当。
• 需设人均预算上限：未来可能需要对每位工程师设定 token 支出上限，上限高低取决于公司对其 ROI 正负的信任程度。
• 内部排行榜的教训：Meta 曾有一个内部 AI token 支出排行榜，但因成本失控（预计 2026 年达数十亿美元）而被关闭；Mosseri 认为这类榜单就像“token 焚烧炉”，价值很低。
• 行业普遍现象：Uber 因 AI 编码预算在 4 月就用光而重新审视成本；微软因 token 价格飙升取消了 Claude Code 许可证，转而集中使用自家的 Copilot CLI。
• 长期趋势乐观：Mosseri 相信随着模型厂商之间的价格战，token 成本终会下降。
• 当前无硬性限制：Meta 目前没有对任何员工设置 token 上限，但管理层已开始为未来做准备。

意义与影响

Mosseri 的言论标志着 AI 在大型组织中从“无限实验”阶段向“资源化管理”阶段的转变。当 token 成本接近甚至超过人力成本时，公司将不得不像管理服务器预算或差旅预算那样，为每个岗位设定 AI 使用额度。这不仅会改变工程师的工作方式——例如更谨慎地选择模型、优化提示词、复用缓存结果——也将催生新的企业治理工具：从 token 监控仪表盘到预算审批流程，可能会有类似云成本管理的“FinOps”体系出现。

对 AI 模型提供商而言，Meta 等大客户的成本敏感度提升，可能会加速价格战和分层定价策略的推出。这也可能促使模型厂商推出更高效的模型（如更小的专门模型）或针对企业批量调用的折扣方案。同时，像 Uber 和微软那样的“AI 预算超支”案例，将推动更多公司提前建立 AI 支出治理框架，以避免重蹈覆辙。

从更宏观的角度看，AI token 预算的引入并不意味着 AI 创新的停滞。相反，它可能迫使团队更有选择性地使用 AI，从而把资源集中在回报最高、价值最明确的应用场景上。这种“精打细算”的模式，或许才是 AI 真正融入企业运营、实现可持续增长的必经之路。