问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
Meta旗下Instagram负责人亚当·莫塞里（Adam Mosseri）近期公开表态，随着生成式AI工具在科技企业研发场景的渗透率持续提升，未来AI Token支出将成为企业运营成本管控的核心板块，将参考薪资、行政开支的成熟管理模式，为单个工程师设置Token使用配额，该观点也引发了全球科技行业对AI算力成本精细化运营的广泛讨论。
过去三年，生成式AI工具已经成为全球科技公司工程师的标配生产力工具，从代码补全、漏洞排查到系统架构推演，大模型调用几乎覆盖了研发全流程，但高速增长的算力成本，正在成为所有科技公司不得不面对的新难题。
根据全球科技行业调研机构的最新数据，2026年上半年全球头部科技企业的AI工具采购及算力支出同比涨幅达到89%，占总研发成本的比例已经从2023年的4%攀升至21%。此前多数企业为了提升研发效率，对内部员工的AI工具使用权限基本无限制，也未设置明确的用量上限，随着大模型调用量的指数级增长，粗放的管理模式已经造成了大量不必要的资源浪费。
提出这一判断的亚当·莫塞里是Meta核心高管之一，目前负责Instagram产品线的整体运营，他同时也是Meta内部生成式AI落地的主要推动者之一。在他看来，AI Token本质上是和云服务器资源、办公耗材、差旅经费一样的生产资料，未来企业会像管理薪资预算一样管理Token支出，为单个工程师设置明确的使用配额。
莫塞里提到，目前不少工程师为了节省时间，无论需求复杂度高低都优先调用参数最高、成本最贵的大模型，甚至会反复运行非必要的批量推理任务，这类无效消耗占企业总Token支出的比例接近30%，通过配额管控可以大幅压缩不必要的算力浪费。
目前不止Meta，谷歌、微软等头部科技企业已经在内部测试Token用量管控系统，部分试点团队已经开始按项目级别分配Token配额。相关测试数据显示，合理的配额管控可以将企业整体AI算力成本降低25%-35%，同时不会对核心研发效率产生明显影响。
不过也有行业人士提出，过度严格的用量限制可能会打击工程师的创新积极性，尤其是在探索性研发场景下，不可预测的大模型调用需求较多，未来动态配额、优先级调度等精细化管理方案，将成为科技企业AI成本管控的主流选择。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号