為員工買(mǎi)單Token的公司，贏在了起跑線上

我身邊有些朋友，最近陷入了Token焦慮。

主要問(wèn)題在于，這玩意消耗量大，而且還貴。

但凡要和AI聊點(diǎn)什么，或者多提幾個(gè)需求，Token就像水一樣飛快地流走了。

有時(shí)任務(wù)分析到一半就開(kāi)始瘋狂報(bào)錯(cuò)，只是因?yàn)門(mén)oken透支了。

以至于現(xiàn)在他們一點(diǎn)開(kāi)和AI的對(duì)話框，就情不自禁地開(kāi)始算賬，算某句話的消耗量是不是太多，算有沒(méi)有更精簡(jiǎn)的指令方式，算整個(gè)任務(wù)做下來(lái)劃不劃算。

AI原本應(yīng)該是幫大家提高效率的，沒(méi)想到現(xiàn)在又反過(guò)來(lái)限制了大家。

這不只是普通人的困擾。

就連傅盛也提到過(guò)，自己會(huì)通過(guò)一些使用技巧控制Token費(fèi)用，但即便如此日均消費(fèi)也達(dá)到了10多美元，30天就是2100元，年費(fèi)是25200元。

還有報(bào)道提到，OpenAI的一位工程師單周消耗的Token高達(dá)2100億，相當(dāng)于閱讀了33遍完整的英文維基百科內(nèi)容，顯然也是普通員工無(wú)法承受的重?fù)?dān)。

這些例子說(shuō)的是同一件事：AI的使用依舊是有門(mén)檻的。不是所有人都能肆無(wú)忌憚地培養(yǎng)、訓(xùn)練和使用AI，除非他有很多很多的Token，或者很多很多的錢(qián)。

在這樣的前提下，Token很難真正流入生產(chǎn)，成為企業(yè)的助力。

畢竟如果員工在使用AI時(shí)不得不精打細(xì)算，那么得到的結(jié)果是否能讓人滿意，就難說(shuō)了。

于是有些公司開(kāi)始行動(dòng)了。

新聞?wù)f，4月1日，安克創(chuàng)新、康師傅飲品、錦江酒店（中國(guó)區(qū)）、名創(chuàng)優(yōu)品、和睦家等12家頭部企業(yè)集中宣布：為員工提供“無(wú)限Token”權(quán)益，支持員工深度使用飛書(shū)AI產(chǎn)品。

他們來(lái)自不同的行業(yè)：快消、酒店、零售、醫(yī)療、消費(fèi)電子等等，但做了同一種選擇。

這本身就是一種信號(hào)，意味著已經(jīng)有公司意識(shí)到Token的重要性和開(kāi)放的必要性：與其管Token，不如開(kāi)放Token；與其把它當(dāng)成本，不如把它當(dāng)基礎(chǔ)設(shè)施。

當(dāng)然，選擇開(kāi)放Token權(quán)益的公司，依舊是少數(shù)。

盡管如今大大小小的公司都喊著擁抱AI擁抱未來(lái)的口號(hào)，迫不及待地催促員工們使用AI提高效率，可一旦進(jìn)入付費(fèi)環(huán)節(jié)，他們就略顯躊躇了。

從商業(yè)視角來(lái)看，似乎可以理解。AI用量是實(shí)實(shí)在在的成本，無(wú)限開(kāi)放給員工，賬面上的數(shù)字想必不會(huì)好看，而且也無(wú)法保證能夠獲得想要的結(jié)果。

所以有些公司不見(jiàn)兔子不撒鷹，希望看到效果后，再為T(mén)oken付費(fèi)。

矛盾恰恰也在這里，畢竟員工也不想“自費(fèi)上班”。

一旦員工每次使用AI都需要精打細(xì)算，AI就永遠(yuǎn)停留在最淺的用法上。

寫(xiě)個(gè)標(biāo)題，改個(gè)段落，問(wèn)一個(gè)單次的問(wèn)題，效果自然不盡如人意，自然無(wú)法獲得支持。

想要打破這種循環(huán)，讓AI真正參與到一家公司的運(yùn)作中來(lái)，只能靠長(zhǎng)期、高頻、深度的協(xié)作。這種協(xié)作需要員工在沒(méi)有顧慮的狀態(tài)下反復(fù)試錯(cuò)、不斷摸索、把AI用透。

這個(gè)過(guò)程，沒(méi)辦法靠精打細(xì)算來(lái)完成。

安克創(chuàng)新算是最早想明白這件事的那批公司之一。

在開(kāi)放包括飛書(shū)AI在內(nèi)的無(wú)限token期間，安克創(chuàng)新使用AI自動(dòng)回復(fù)并完成退款、補(bǔ)貨等系統(tǒng)操作

從2023年起，他們就對(duì)全員不限量開(kāi)放了最先進(jìn)的AI模型，保障所有員工都能用到。

累計(jì)至今，員工消耗Token已達(dá)5萬(wàn)億，構(gòu)建了AIME平臺(tái)，沉淀了300+個(gè)AI Agent。

這些算力，流向了哪里？各部門(mén)都有。

這些年，AI搓出來(lái)的營(yíng)銷(xiāo)物料多達(dá)220萬(wàn)份，比人工手搓的制作效率要高10倍。營(yíng)銷(xiāo)生產(chǎn)線的工作效率完全提起來(lái)了，也間接帶動(dòng)了品宣銷(xiāo)售等其他部門(mén)的發(fā)展。

客服們更是覺(jué)得AI幫了大忙。現(xiàn)在80%的工單都是AI在接管，它們不僅會(huì)自動(dòng)回復(fù)，還能完成退款、補(bǔ)貨等后續(xù)操作，不用靠人去逐一處理。

而且AI掌握了全球10種語(yǔ)言，這比我們普通人懂得可多多了。以前處理外國(guó)友人的訂單，得用上翻譯軟件，還可能因?yàn)檎Z(yǔ)言不通鬧矛盾，交給AI輕輕松松就搞定。

還有后臺(tái)的研發(fā)端也有收益。普通工程師借助AI協(xié)作，2小時(shí)可以輸出接近90分的架構(gòu)設(shè)計(jì)方案，以前這件事可能需要一位資深工程師花幾天時(shí)間。

這些應(yīng)用場(chǎng)景不是高端人才專(zhuān)屬的工作，恰恰是大量普通員工每天面對(duì)的日常。把算力開(kāi)放給這里，讓大量的經(jīng)驗(yàn)和技能系統(tǒng)化，效率才會(huì)在整個(gè)組織里真正流動(dòng)起來(lái)。

就像安克創(chuàng)新在今年新春致辭里提到的那樣：“AI將極大減少個(gè)人的重復(fù)性工作，讓員工有更多時(shí)間思考與創(chuàng)造，從而獲得更快成長(zhǎng)和更大回報(bào)。”

這也與康師傅飲品的想法不謀而合。他們都相信，無(wú)限Token的設(shè)計(jì)初衷是“去壓力化”。

當(dāng)員工可以零門(mén)檻探索AI，不用擔(dān)心額度限制，也明確不與使用頻率掛鉤時(shí)，他們才能用更多的精力充分用AI創(chuàng)造價(jià)值上，而不必為怎么省Token而著急上火。

真格基金林惠文說(shuō)過(guò)一句話：“Token是AI時(shí)代的電力，不該成為員工的枷鎖。”

這個(gè)比喻很準(zhǔn)。

電力出現(xiàn)的早期，也是稀缺資源，只有少數(shù)工廠、少數(shù)城市用得起。當(dāng)它真正成為基礎(chǔ)設(shè)施、普及到每個(gè)車(chē)間、每個(gè)家庭之后，才驅(qū)動(dòng)了真正意義上的工業(yè)化。

直到現(xiàn)在，沒(méi)有人會(huì)說(shuō)員工做得好才能用空調(diào)，沒(méi)有人會(huì)給研發(fā)團(tuán)隊(duì)按用電量算錢(qián)。

電是成本，但從來(lái)沒(méi)有人把它當(dāng)成分配的資源，因?yàn)槟翘懒恕?/p>

但很多公司對(duì)待AI的方式，就是這樣的：按需收費(fèi)，精打細(xì)算。

背后的邏輯是：AI是消耗品，用多了會(huì)貴。

這個(gè)邏輯不能說(shuō)全錯(cuò)，但它的問(wèn)題在于，它只看見(jiàn)了成本，沒(méi)看見(jiàn)可能性

用電的類(lèi)比說(shuō)：你買(mǎi)了一棟樓，但為了省電費(fèi)，讓每個(gè)員工自己管自己那一塊的電，最后每個(gè)人都學(xué)會(huì)了少開(kāi)燈，沒(méi)有人去想能不能多裝幾臺(tái)機(jī)器。

這不應(yīng)該是一個(gè)大企業(yè)的發(fā)展方向。

AI應(yīng)該是公司的基礎(chǔ)設(shè)施，是生產(chǎn)環(huán)節(jié)的一部分，跟電、跟網(wǎng)絡(luò)是一回事。

如果企業(yè)把Token當(dāng)做成本，一個(gè)勁地管控它，結(jié)果是員工縮手縮腳，AI停留在最淺層的用法上，只夠跟風(fēng)看個(gè)熱鬧。只有把Token當(dāng)生產(chǎn)資料，就開(kāi)放它、下沉它，讓每一個(gè)普通員工都能用上，讓算力真正流入工作流，讓效率在組織里發(fā)酵。

安克創(chuàng)新、康師傅飲品這12家企業(yè)就是后者，他們讓無(wú)限算力真正成為驅(qū)動(dòng)員工成長(zhǎng)的生產(chǎn)力杠桿，而非單純的福利標(biāo)簽。員工用AI創(chuàng)造的效率收益，會(huì)實(shí)實(shí)在在地反饋到自己身上，也反饋在企業(yè)身上。

反而能夠走向良性循環(huán)。

某種程度上，一家公司看待AI的態(tài)度，其實(shí)影響著它的未來(lái)。

不開(kāi)放Token使用、或者對(duì)使用精打細(xì)算的公司，員工只會(huì)把AI當(dāng)偶爾借來(lái)的工具，能省則省，不敢深問(wèn)，遇到復(fù)雜問(wèn)題自己扛。

時(shí)間一長(zhǎng)，AI在這家公司里永遠(yuǎn)是個(gè)輔助角色。有它也行，沒(méi)它好像也過(guò)得去。

開(kāi)放Token權(quán)益的公司，員工才會(huì)把AI變成習(xí)慣，隨時(shí)可以問(wèn)，隨時(shí)可以試，邊用邊學(xué)，邊學(xué)邊深。他對(duì)AI能做什么、不能做什么，有了完全不同的判斷力和使用深度。

這不只是效率的差距，是兩種不同的工作方式在同步演化。

一家全員開(kāi)放算力的公司，和一家掐著Token用的公司，兩年后員工與AI的協(xié)作能力，根本不在同一個(gè)層次上。兩類(lèi)公司的差距，也就越來(lái)越大了。

黃仁勛在GTC 2026大會(huì)上說(shuō)，Token可能成為工程師薪酬的一部分。Theory Ventures的預(yù)測(cè)更激進(jìn)：AI推理成本會(huì)成為薪酬的第四大組成部分，與薪資、獎(jiǎng)金、股權(quán)并列。

這些話現(xiàn)在聽(tīng)起來(lái)還有點(diǎn)超前。但如果你接受"算力是生產(chǎn)資料"這個(gè)前提，那結(jié)論就順理成章了：生產(chǎn)資料的分配方式，從來(lái)都會(huì)影響誰(shuí)更有能力創(chuàng)造。

這又何嘗不是新時(shí)代的生產(chǎn)力革命呢？