特斯拉、Uber、Meta、亚马逊和沃尔玛等公司正在扭转其对 AI 令牌消耗的应对策略。最初，企业允许无限制的 AI 使用，类似于“无限提示”模式。这得益于高度补贴的令牌价格，AI 实验室承担了大部分成本。然而，随着 AI 使用量的增加，相关支出也随之上升，促使财务部门对投资回报率（ROI）进行严格审查。这一过程使企业认识到，并非所有 AI 任务都需要昂贵的高性能模型。如今，“令牌最大化”（tokenmaxxing）的概念正转向“价值最大化”（valuemaxxing），即聚焦于在 AI 能产生最大回报的环节进行投入。为实施价值最大化，建议采取三个步骤。首先，必须建立财务运营（FinOps）体系，以有效追踪 AI 支出。其次，应将常规和高频任务委托给成本更低、性能较弱的 AI 模型或开源替代方案，仅将高端模型保留用于复杂的多步骤流程。第三，对于极高且持续的使用场景，企业应评估自建 AI 硬件与租用 API 访问权限的成本效益。通过将 AI 使用与所创造的价值对齐，企业可将 AI 成本从被动承担的费用转变为可控的投资。这种战略方法确保昂贵的 AI 资源仅用于真正值得其成本的任务，从而在不牺牲整体 AI 效能的前提下实现显著节约。最终目标并非减少 AI 的使用，而是更智能、更有效地利用 AI。