在Token的成本压力下，美国企业AI预算正逐渐呈现出三重结构。

第一层，巨头自建替代品；第二层，中型企业砍预算或者降档；第三层，中小企业直接投奔中国开源权重。在这股分层大潮背后，OpenAI和Anthropic这些美国前沿实验室失去的是市场的两头：最大的企业客户在造自己的工具，最小的企业客户在纷纷投奔中国AI模型。

回想今年年初，硅谷还在流行一个词：Token Maxxing——谁烧掉的Token多，谁的生产力就高，预算本来就是拿来烧的。然而这次Token大跃进只持续了半年，如今的态势已经彻底转变，已经没人再提Token Maxxing了。当账单到期，不同体量的公司采取了完全不同的对策。美国企业的AI采购由此裂成清晰的三层，也给中国AI腾出了明确的市场空间。

现状：Token便宜了，却烧不起了

最刺眼的数字来自Uber。据外媒报道，Uber整个2026年的AI编程预算，不到四个月就烧光了。烧得这么快，是因为员工按公司要求积极使用AI。今年3月，Uber五千人工程团队里，Claude Code渗透率从32%冲到84%，单个工程师每月在Token上要花500到2000美元。

更极端的案例是养虾热背后的智能体框架OpenClaw。有估算认为，一个实例自主运行一整天可消耗掉相当于1000到5000美元的API成本，而用户为它付的只是每月200美元的Claude Max套餐。到今年4月初，跑在外面的OpenClaw实例已超过13.5万个。Anthropic因此在4月初迅速切断这条路，要求第三方框架用量单独计费，部分用户支出涨了十倍甚至几十倍。

16天后，GitHub停掉Copilot Pro和Pro+新注册。产品副总裁乔·宾德给的理由同样直白：智能体工作流消耗的算力经常超过用户一个月所付费用，少数几个请求的成本就能盖过套餐价。

这里有一个被普遍误读的趋势：一方面，Token单价确实在跌，大约每18个月降一个数量级；另一方面，单次任务的Token消耗涨得比价格跌得更快。于是出现一个意外结果——模型越便宜，账单反而越贵。

Gartner预计今年全球AI支出达2.5万亿美元，同比增长69%；但同时预计，2026年AI预算里有25%会滑到2027年去。“滑档”是砍预算的体面说法。Gartner还预计，只有28%的AI基础设施项目完全兑现了当初的商业论证。换句话说，烧掉的钱里将近四分之三没能证明自己值得烧。

第一层：巨头自给自足

第一层是有能力自造模型的AI巨头。对他们来说，省钱和推自家产品可以同步完成。

微软换掉Claude Code后，让工程师用上自研的MAI-Code-1-Flash：约50亿参数小模型，今年Build大会发布，向所有GitHub Copilot套餐铺开；后续MAI-Code-1.1-Flash宣称成本再降73%。

动作背后，微软已把内部Anthropic用量预算预估砍掉三分之一以上，此前估算是每年至少10亿美元。

微软的位置很微妙：2025年11月和英伟达联手向Anthropic投150亿美元，把其估值推到3500亿，还把Claude搬上Azure对外售卖。但投资Anthropic和内部削Claude预算并不矛盾——对微软来说，Claude是货，MAI才是自己的地。

Meta是此前Token Maxxing最疯的巨头，甚至把Token使用量当考核指标。绩效压力下，员工30天通过Anthropic工具耗掉60.2万亿Token，峰值预估一年要在Anthropic模型上花100亿美元。

但从6月底开始，Meta限制员工用Claude Code和OpenAI Codex，应用AI组最严，部分任务要走审批。替代品是MetaCode和Muse Code。据外媒从Token消耗倒推，Meta内部Claude用户已从约6万降到3万。

即便砍过，Meta的Claude月支出仍在数亿美元级别。Meta收紧还有另一个原因：模型蒸馏。如果Claude写出的代码进了自家训练数据，竞品模型特征就可能被一并吸走。

第二层：中型公司只能砍预算

第二层是Uber这种公司：几千名工程师，账单和巨头一个量级，却没有自家前沿模型可切。

Uber CTO普拉文·内帕利·纳加今年4月坦承：把Claude Code部署给约5000名工程师后，短短四个月烧光全年AI预算。今年5月统计里，95%的Uber工程师每月都用AI工具——普及目标达到了，但单个工程师每月API成本高达500到2000美元。

即便市值1500亿美元，Uber也不得不紧急做分级管理、限流量，像当年省纸张一样精打细算每一个Token。

这已成中层共识。Box CEO亚伦·莱维说，在一场财富500强CIO晚宴上，商界领袖聊得最多的不是宏观，而是Token成本。

他列了CIO正在试的五种砍法：按工作负载分派不同模型、按用户类型发强弱不同的智能体、给团队设支出上限、按场景论证AI必要性、还有干脆放开不管。

这一层撞墙后只有三个选择：砍座席、降档用便宜模型、把预算推到下个财年。Gartner那25%的“滑档”，主要由这一层贡献。

那为什么不直接换中国开源模型？因为这个级别美国企业先看法务和合规：宁可少用，也不能冒政策风险。中国政府对开源AI的出口与管制规则未完全落地，美国监管态度也悬着——7月开放权重行业公开信上，英伟达、微软、Meta、IBM、戴尔、Palantir都签了；Anthropic没签，达里奥·阿莫代伊反对一刀切禁令、主张定向管制。规则未定时，中层法务通常按兵不动。

这一层也会冒样本：Airbnb客服场景选了通义千问而不是ChatGPT，说明价格吸引力越过阈值，连上市公司采购流程都挡不住。

第三层：创业公司大批投奔中国AI

第三层是小公司和创业公司：没合规负担，没自研能力，决策变量只剩性价比。

看模型路由平台OpenRouter最清楚。中国模型周度份额峰值46.4%，美国模型35.7%；单供应商里DeepSeek 17.6%居首，每周约5.13万亿Token，通义千问13.9%，Anthropic 14.8%。

价差几乎解释一切。OpenRouter的贾斯汀·萨默维尔说，开源中国模型比Anthropic和OpenAI旗舰便宜60%到90%。截至今年6月，DeepSeek V4 Flash每百万输入Token收0.14美元，GPT-5.5收5美元，整体价差4倍到100倍。

要说明的是，46%不等于中国模型拿下美国企业市场近一半。OpenRouter用户天然偏开发者和中小团队，大客户直签Anthropic、OpenAI的流量不在这个池子。但它说明：中国模型占领的不是美国大企业，而是美国创业公司。

对美国前沿实验室更糟的是未来——他们正在失去下一代客户。今天用DeepSeek起步的创业公司，三年后长大了也可能不回头。

OpenAI连降两轮扩大份额

面对三层预算同时施压，OpenAI的回应是降价，而且连降两轮。

7月30日，GPT-5.6 Luna直降80%到每百万Token输入0.20美元、输出1.20美元；Terra降20%到2美元和12美元。9月22日，GPT-6 Sol降到2美元和10美元，前代GPT-5.6 Sol是4美元和20美元；GPT-6 Luna降到0.10美元和0.50美元，缓存输入读取打一折。

OpenAI明确说这是永久价，不是促销。官方解释指向内部效率：硬件路由、推理软件、上下文缓存改进；Sol在监督测试里自主重写生产内核，服务开销砍20%，Token生成效率提升超15%。

但市场都看得到：Anthropic的Claude Opus 5.5在OpenAI九月发布前约90分钟上线，定价4美元和20美元；GPT-6 Sol正好是对半。奥尔特曼在X上说，GPT-5.6 Sol是Claude Fable 5价格的一半，“很乐意按四分之一价格交付”。

真正让美国厂放弃正面比价的，是中国模型的持续上攻。在中国AI0.14美元、美国AI5美元这种量级差面前，OpenAI开始讲“每美元智能”——比不过单价，就比单位钱换来的能力。

结尾

Token越便宜，账单越贵。这句话戳破的是2026年企业AI最尴尬的真相：单价下行挡不住用量爆炸，而用量爆炸先把中层预算烧穿，再把巨头逼回自研，最后把创业者推向中国开源权重。

美国企业AI预算裂成三层：
• 巨头造自己的地；

• 中层砍自己的预算；

• 小公司投奔中国模型。

OpenAI和Anthropic失去的不是某几个订单，而是市场两头——最大的客户不再依赖你，最小的客户不再回来。

中国模型抢到的也不只是“便宜”两个字，而是下一代AI原生公司的默认起点。等这些公司长大，默认配置早就写进架构里了。

这场战争打到后面，比的不是谁Token最便宜，而是谁先成为别人系统里的底层依赖。