NEA合伙人Tiffany Luck谈AI投资回报：从“代币最大化”到成本清算的行业转型

核心要点

• Tokenmaxxing热潮降温：硅谷此前盛行鼓励员工极限使用AI的趋势，但现在企业正面临高昂的成本账单。
• 企业预算危机：Uber等公司据报道在短短几个月内就耗尽了全年的AI预算。
• 成本控制举措：部分公司开始削减Claude等模型的授权，Meta也取消了内部AI使用排行榜。
• ROI清算时代：行业焦点正从单纯的AI使用量转向实际的投资回报率（ROI）与财务可持续性。

详细分析

从盲目扩张到成本清算

在2026年初，硅谷流行所谓的“代币最大化”（Tokenmaxxing）策略，CEO们鼓励员工尽可能多地调用AI能力。然而，这种不计成本的投入正迎来“清算时刻”。NEA合伙人Tiffany Luck指出，当企业收到巨额API账单时，最初的狂热迅速转变为对财务支出的担忧。这种紧张局势反映了AI技术落地过程中，理想化应用与现实成本之间的剧烈冲突。

企业端的策略收缩与调整

由于AI运行成本远超预期，大型企业已开始采取紧急制动措施。Uber的案例极具代表性，其在数月内便消耗了全年的AI预算，迫使公司重新审视其AI战略。此外，通过削减特定部门的Claude模型授权，以及Meta取消旨在鼓励AI使用的内部排行榜，表明企业正从“全员AI”转向“精准管控”，优先考虑那些能产生明确价值的用例。

AI IPO与个人智能体的前景

Tiffany Luck还探讨了AI领域的资本市场动向。随着ROI成为核心议题，计划IPO的AI公司必须证明其具备健康的盈利能力。同时，个人智能体（Personal Agents）作为下一个潜在增长点，其商业化路径也将受到成本控制趋势的影响。投资者现在更加关注AI如何从“昂贵的实验”转化为“高效的生产力工具”。

行业影响

这一转变将迫使AI初创公司重新定义其价值主张，必须证明其产品能为客户节省成本或创造显著收益，而非仅仅是增加Token消耗。对于风险投资（VC）而言，评估标准将更倾向于那些拥有高效算力利用率和清晰商业模式的公司。这标志着AI行业正从“增长优先”转向“效率优先”的成熟阶段。

常见问题

什么是“Tokenmaxxing”？

这是指企业鼓励员工在业务流程中最大限度地使用AI模型（即消耗更多Token），旨在通过大规模应用来探索AI的潜力，但往往忽略了随之而来的高昂API调用成本。

为什么Uber等公司会出现AI预算超支？

主要原因是AI模型的调用成本极高，且在缺乏严格管控的情况下，员工的大规模实验性使用会导致Token消耗量呈指数级增长，从而在极短时间内耗尽年度预算。

企业如何应对AI成本压力？

目前常见的做法包括：削减昂贵模型的授权范围（如Claude）、取消鼓励AI使用的内部竞赛或排行榜、以及将重心转向评估每个AI项目的实际投资回报率（ROI）。