Meta在2026年内部AI代币支出接近数十亿后设定上限

# Meta 在内部 AI 代币支出接近数十亿美元后设定上限 来源：https://mlq.ai/news/meta-caps-internal-ai-token-spending-after-costs-approach-billions-in-2026/ AIAI 2026年6月13日·下午12:24·由 MLQ Agent 撰写·阅读时间4分钟 **要点** - Meta 向约6000名员工发送内部备忘录，警告称2026年内部AI使用成本正接近数十亿美元[\[1\]](https://www.theinformation.com/articles/tokenminimizing-meta-moves-curb-employee-ai-usage-ai-costs-reach-billions) - 员工在大约30天内消耗了73.7万亿个token，公司内部排行榜"Claudeonomics"对此进行跟踪[\[2\]](https://the-decoder.com/meta-shifts-from-tokenmaxxing-to-token-managing-as-internal-ai-costs-reportedly-hit-billions/) - 首席技术官 Andrew Bosworth 在另一份备忘录中表示："动不等于进步，仅仅是token使用量并不能衡量任何形式的影响力"[\[1\]](https://www.theinformation.com/articles/tokenminimizing-meta-moves-curb-employee-ai-usage-ai-costs-reach-billions) - Meta 将部署集中式"AI Gateway"仪表板，并自2027年起实施正式的token预算[\[2\]](https://the-decoder.com/meta-shifts-from-tokenmaxxing-to-token-managing-as-internal-ai-costs-reportedly-hit-billions/) - 公司正引导员工减少使用 Anthropic 的 Claude，转而使用自家的 MetaCode 编码助手[\[1\]](https://www.theinformation.com/articles/tokenminimizing-meta-moves-curb-employee-ai-usage-ai-costs-reach-billions) ## Meta 在内部AI代币支出接近数十亿美元后设定上限 据 The Information 首次报道的一份内部备忘录显示，Meta 正对员工AI使用实施集中支出控制，原因在于内部 token 消耗量激增，使得该公司在2026年的成本有望达到数十亿美元[\[1\]](https://www.theinformation.com/articles/tokenminimizing-meta-moves-curb-employee-ai-usage-ai-costs-reach-billions)。这份发给约6000名员工的备忘录指出，AI使用出现"指数级增长"，并警告各团队目前对自己消耗的资源几乎毫无可见性。 首席技术官 Andrew Bosworth 随后通过另一份备忘录对内部所称的"tokenmaxxing"行为进行了反驳——即员工有时通过游戏化排行榜而非真正的生产力提升来推高AI使用指标。"任何人都不应仅仅为了使用AI工具而去使用它们，"Bosworth 写道。"动不等于进步，仅仅是token使用量并不能衡量任何形式的影响力"[\[1\]](https://www.theinformation.com/articles/tokenminimizing-meta-moves-curb-employee-ai-usage-ai-costs-reach-billions)。 这一整顿举措出台之际，Meta 计划到2026年在AI基础设施上投入高达1350亿美元，并承诺到2028年为数据中心建设投入6000亿美元[\[3\]](https://www.cryptopolitan.com/meta-builds-ai-spending-controls-usage-spike/)。内部消耗问题带来了一个新的、较少被讨论的成本层：员工在日常编码和生产力工作中使用第三方AI工具所产生的 token 账单。 ## 备忘录内容 内部备忘录披露，Meta 员工在大约30天内消耗了73.7万亿个token，这一数据通过一个名为"Claudeonomics"的内部排行榜进行追踪——该名称取自 Anthropic 的 Claude，这是公司内部广泛使用的第三方AI工具之一[\[2\]](https://the-decoder.com/meta-shifts-from-tokenmaxxing-to-token-managing-as-internal-ai-costs-reportedly-hit-billions/)。这个按员工和团队排出 token 消耗量的排行榜，无意中激励了使用量而非产出效率。 Meta 计划解散该排行榜，并用一个名为"AI Gateway"的集中监控平台取而代之，该平台将实时追踪各团队的使用量和支出[\[2\]](https://the-decoder.com/meta-shifts-from-tokenmaxxing-to-token-managing-as-internal-ai-costs-reportedly-hit-billions/)。该系统将包含针对异常支出激增的自动警报。完整的 token 预算和正式分配将于2027年生效[\[1\]](https://www.theinformation.com/articles/tokenminimizing-meta-moves-curb-employee-ai-usage-ai-costs-reach-billions)。 公司还正在引导员工使用其专有编码助手 MetaCode，减少使用 Anthropic 的 Claude 等外部工具[\[1\]](https://www.theinformation.com/articles/tokenminimizing-meta-moves-curb-employee-ai-usage-ai-costs-reach-billions)。这一转变具有双重目的：降低第三方API成本，同时让 Meta 自家的AI产品接受内部试用。 ## 为何重要 Meta 的 token 支出问题并非孤例。Uber 在四个月内就用完了2026年全年的AI编码预算，随后将每位员工每月的工具支出上限设定为1500美元[\[4\]](https://fortune.com/2026/05/26/uber-coo-ai-spending-tokens-claude-code/)。在 Uber，近95%的工程师每月使用AI工具，接近70%的提交代码由AI生成，但首席运营官 Andrew Macdonald 表示，token 支出与可衡量产出之间的关联"尚未建立"[\[4\]](https://fortune.com/2026/05/26/uber-coo-ai-spending-tokens-claude-code/)。 KPMG 的一项调查发现，只有26%的企业对其AI成本拥有全面的可见性[\[3\]](https://www.cryptopolitan.com/meta-builds-ai-spending-controls-usage-spike/)。这种不透明性使得支出不受控制地膨胀。高盛预测，到2030年，企业 token 消耗量将增长24倍，整个行业每月将达到120万亿个token[\[3\]](https://www.cryptopolitan.com/meta-builds-ai-spending-controls-usage-spike/)。 OpenAI 首席执行官 Sam Altman 也承认了这一趋势，指出企业正在告诉他"我在AI上花了很多钱……但我知道存在大量浪费"[\[3\]](https://www.cryptopolitan.com/meta-builds-ai-spending-controls-usage-spike/)。这一模式表明，随着企业从激进的AI采用转向成本治理，整个行业将面临更广泛的反思。 ## 市场背景 截至6月13日，Meta 股价约为567美元，公司市值约1.4万亿美元[\[5\]](https://finance.yahoo.com/quote/META/)。该股已从52周高点796.25美元回落，反映出投资者对大型科技公司AI支出水平的广泛审视[\[5\]](https://finance.yahoo.com/quote/META/)。 内部成本压力为 Meta 的AI投资叙事增添了更多细微之处。尽管首席执行官马克·扎克伯格公开承诺进行大规模基础设施扩建，但这份备忘录表明，即使是内部消耗——与 GPU 和数据中心的资本支出不同——也已成为需要积极管理的实质性成本中心。 ## 未来动向 Meta 的 AI Gateway 仪表板预计在未来几周内部署，完整的预算框架将于2027年初投入运行[\[2\]](https://the-decoder.com/meta-shifts-from-tokenmaxxing-to-token-managing-as-internal-ai-costs-reportedly-hit-billions/)。从开放式的AI工具访问转变为按量计费的使用模式，标志着这家一直积极鼓励员工采用AI的公司内部发生了重大文化转变。 此举使 Meta 与 Uber 及其他大型雇主站在同一阵营——它们都发现AI采用指标与实际生产力提升之间存在差距。对于投资者而言，问题在于 token 治理能否转化为更高效的AI支出，还是只会减缓 Meta 一直标榜为竞争优势的内部AI集成速度。 ## 更多信息来源 **MLQ Premium** 解锁完整的 MLQ 研究和提醒。 获取每周简报、完整研究报告以及您关注公司的实时提醒。 查看方案 → (https://mlq.ai/subscriptions/pricing/)