員工瘋狂「Token 刷好刷滿」玩殘預算！科技巨頭驚覺：AI 代理程式的算力成本已貴過真人

許多科技企業近期開始收緊內部人工智慧 (AI) 應用的算力預算，部分原因在於員工的過度使用與相關成本劇增。

微軟 (Microsoft) 近期傳出要求員工將開發工具由 Anthropic 研發的 Claude Code 換回自家的 Copilot CLI。官方說法是「工具鏈統一」(toolchain unification)，但外界普遍認為，Token 成本暴增與對競品工具侵蝕自身平台的戰略顧慮，才是這項決策背後的雙重驅動力，Claude Code 在微軟內部廣受工程師歡迎，其高採用率已開始侵蝕 Copilot CLI 的內部使用率。

AI 代理程式引爆千倍 Token 消耗

微軟並非唯一採取控制行動的企業，財富 (Fortune) 雜誌指出其他科技巨頭也正逐步限縮內部的 AI 算力額度。儘管當前 AI 模型的訓練與推論成本持續下降，帶動單一 Token 單價走低，但員工在日常工作中的累計使用量卻出現爆發式成長。這種現象在具備自主規劃能力的 AI 代理 (Agentic AI) 工具上尤為明顯。AI 代理程式在執行一項指令時，會自動進行多步驟的代碼庫閱讀、測試與偵錯迴圈，每次任務所消耗的 Token 數量可達傳統單次問答型大型語言模型 (LLM) 的 1,000 倍以上。

現任 OpenAI 工程師、開源專案 OpenClaw 的創辦人 Peter Steinberger 曾揭露，其團隊在單一月份內累計使用了高達 130 萬美元的 Token 算力，費用由 OpenAI 全額承擔，被外界解讀為 AI 人才大戰中以免費算力作為留才福利的具體展示。儘管這筆帳單並非一般企業的實際支出，但它清楚呈現了 AI 代理工具在真實開發環境中的潛在規模：在現階段產出效率提升仍相對有限的情況下，一旦企業自行承擔這類算力費用，其帳單金額可能已超越直接聘僱真人工程師的薪資成本。

傑文斯悖論的數位體現：越便宜就用得越多

AI 算力單價下跌與用量暴增的背後機制，契合了經濟學上的傑文斯悖論 (Jevons Paradox)。該理論指出，當技術進步提高了某種資源的利用效率（或降低了使用成本）時，該資源的整體消耗量反而會因為門檻降低而大幅增加，而非減少。蒸汽機的歷史演進便是一個經典例證：瓦特於 18 世紀末改進蒸汽機設計後，整個 19 世紀各行各業的煤炭消耗量反而持續攀升，這正是英國經濟學家威廉·史坦利·傑文斯 (William Stanley Jevons) 在 1865 年出版《煤炭問題》(The Coal Question) 時所記錄的現象。同樣的效應也出現在現代航空業：隨著客機燃油效率提升、機票價格走低，大眾航空旅行需求持續擴張；國際航空運輸協會 (IATA) 於 2026 年 3 月發布的長期預測指出，全球空運需求將在 2050 年前成長逾一倍。

企業考核導致員工刻意刷榜以應付 KPI

許多企業在推動數位轉型時，將 AI 工具的採用率納入內部績效指標，反而催生了員工刻意消耗 Token 的扭曲行為。輝達 (NVIDIA) 執行長黃仁勳在 2026 年 3 月的 GTC 大會上表示，旗下工程師每人每年應消耗相當於自身年薪一半的 AI Token 額度，以確保工作產能極大化。而早在 2025 年 11 月的一場 NVIDIA 內部全員大會中（談話內容後來遭洩露給 Business Insider），黃仁勳也曾直接對叫員工少用 AI 的主管說：「你瘋了嗎？(Are you insane?)」，當時的脈絡是安撫員工不要擔心被 AI 取代，並強調管理層應積極擁抱而非阻礙 AI 工具的使用。這種由上而下的施壓，在科技業內部引發了被稱為「Tokenmaxxing」(Token 刷好刷滿) 的次文化。亞馬遜 (Amazon) 曾有內部消息人士透露，為了達到管理階層制定的 AI 使用率指標，部分團隊成員會刻意在完全不需要 AI 的瑣碎任務中調用大型模型，以人工刷榜的方式維持數據表現。同樣地，Meta 與微軟內部也存在類似的無意義消耗現象，而這些公司恰好也是當前全球 AI 研發投資金額最大的企業。

以 AI 取代人力的風險

科技巨頭當前面臨的預算反噬，暴露出「以 AI 取代人力」這條降本增效路徑的潛在風險。當前企業將大量工作外包給 AI 代理程式以期降低人力成本，但如果執行單項任務所需的 Token 成長速度，超過了硬體演算法優化所帶來的降價速度，企業的營運利潤空間將被快速蠶食。這場算力焦慮的背後，預示著科技業可能需要從盲目追求使用率指標，轉向更嚴格的成本效益審查與算力權限劃分。