Accenture限制员工AI代币使用 引发预算紧缩潮

背景

2024 年底至 2025 年初，许多企业在内部设立“代币排行榜”，鼓励员工尽可能多地调用大型语言模型（LLM）完成工作任务。此举被业界称为 tokenmaxxing，在短时间内推动了 AI 应用的快速普及，但也暴露出成本失控的风险。随着代币价格持续走高，企业财务部门开始审视这类开支的 ROI（投资回报率），并呼吁进入 代币配给（token rationing）阶段。

Accenture的最新举措

TechCrunch 报道，Accenture 已在内部启动一项新政策，限制员工使用 AI 代币进行低价值任务，如将 PDF 转换为 PPT 页面。该政策的核心信息来源于一次内部会议的泄露音频，会议中 Accenture 的 AI 战略负责人 Justice Kwak 透露：

“我们正处于一个拐点，AI 已成为成本结构中的重要因素。支出变得非常不可预测，CFO、COO、CIO 仍在质疑我们在 AI 上的投入是否产生了实际价值。”

Accenture 同时警告，如果员工继续高频率调用模型，将面临 晋升受限 的风险。公司计划通过以下手段实现代币配给：

• 代币配额上限：每位员工每日可使用的代币数量设定上限。
• 任务审核机制：对非关键业务的 AI 调用进行人工或自动审核。
• 费用透明化：在内部门户实时展示个人代币消耗与对应费用。

行业影响

Accenture 的做法在业界引发连锁反应。近期所谓的 AI 卖出潮 已导致多家依赖大模型算力的企业股价下跌，尤其是存储与显卡芯片厂商。代币成本的不确定性让原本以“无限算力”为卖点的 SaaS 模型面临重新定价压力。

• 算力供应商：如 NVIDIA、AMD 的 GPU 需求短期内可能出现波动。
• 云服务提供商：Azure、AWS 必须在计费模型上提供更细粒度的代币监控工具。
• 企业内部治理：财务与技术团队需要共同制定 AI 费用控制框架，避免“代币浪费”成为新型运营风险。

前景展望

随着企业对 AI 投资的审慎态度提升，预计会出现以下趋势：

1. 代币监控平台化：第三方监控 SaaS 将提供跨云、跨模型的代币使用仪表盘。
2. AI 成本核算标准化：行业组织可能制定统一的代币计价与 ROI 评估方法。
3. 模型微调与本地化：为降低代币消耗，更多企业将转向本地部署小模型或通过 LoRA、QLoRA 等技术进行高效微调。

总的来看，AI 正从“增长黑客”阶段转向“成本治理”阶段，企业需要在创新与预算之间找到新的平衡点。Accenture 的限制举措或将成为行业标杆，推动更成熟的 AI 费用管理体系落地。