WSJ 最新报道：美国企业正在对 AI 使用实施配额管理，AI 成本飙升已成为董事会最头疼的问题——这不是 AI 不行了，而是用 AI 的方式出了问题。
发生了什么
5 月 30 日，《华尔街日报》一篇题为《Corporate America Is Starting to Ration AI as Cost Skyrockets》的报道在 Hacker News 上引发热议，讨论持续数小时。
核心事实：美国多家大型企业正在对员工的 AI 工具使用实施配额管理。不是 AI 效果不好——恰恰相反，员工用得太多、太频繁，账单已经失控。
HN 评论区一位工程师的爆料尤为刺眼："我见过一个团队，一个月烧掉了 50 万美元的 API 费用，而产出的代码质量还不如一个中级工程师手写的。"这并非个例。多个评论者提到，他们所在公司的 AI 预算在 2026 年 Q1 同比翻了 3-5 倍，但可量化的生产力提升远未跟上。
▲ AI 成本飙升但生产力持平——WSJ 2026 年 5 月报道核心数据
为什么 AI 成本在飙升
真相 1：Agentic AI 是烧钱黑洞
HN 上多位工程师指出，真正的成本大头不是单次问答，而是 Agentic Workflow——让 AI 自主规划、执行、验证的循环。
一位评论者给出了一个令人震惊的估算："如果说 Agentic 消耗 50% 的 token 使用量，我在很多公司看到的实际数字是 90% 以上。Agentic 的唯一目的就是让数字往上涨。"
为什么会这样？因为 Agent 在执行任务时会反复调用自己——读文件、分析、修改、验证、再修改、再验证。一个简单的 bug 修复可能消耗数万 token，而人工可能只需 30 秒。
真相 2：用 AI 做"可自动化的事"是最大浪费
评论者点出了一个关键问题：很多人用 AI 做重复性工作，而不是用 AI 来编写自动化工具。
"想象一下，你需要对比两份文档。你可以让 AI 帮你对比（每次都花钱），也可以用 AI 写一个工具来自动对比（花一次钱）。现在很多人选择前者，却没意识到这意味着每次对比都要付费。"
这背后是一个更深的组织问题：工程师被鼓励"快速交付"，而不是"可持续地解决问题"。AI 成了掩盖流程缺陷的创可贴。
真相 3：AI 生产力可能是"净持平"
有评论获得了大量共鸣："当你把大规模技术债务清理、额外的规格说明和代码审查时间都算进去，生产力的提升顶多是打了个平手。"
这不是说 AI 没用。而是说，AI 生成的代码往往需要更多的 review、更多的测试、更多的重构。一位评论者描述了他团队的日常："PR 里充斥着 Agent 不断运行的产物，希望通过量变产生质变。熵值达到了历史最高点。"
这种现象有了一个新名字——"Vibe Slop"。指的是 AI 生成的大量表面可用但实际上充满隐患的代码。
真相 4：FOMO 驱动的非理性投入
有评论最全面地描述了当前困境："一方面，企业毫无疑问地在使用远超实际需要的 LLM 能力，随着现实检验的到来被迫缩减。但另一方面，每隔几个月我们就会看到硬件和软件的突破大幅降低推理成本。"
企业夹在中间：不敢不投（怕落后），却也不知道该投多少（缺乏 ROI 衡量）。一位评论者精准概括："AI 被过度炒作。我还没见过任何终端用户产品因为 AI 辅助而被认为令人印象深刻，也没见过任何公司在不卖 AI 供应链产品的情况下实现营收大幅增长。"
对比中国在实体产业（太阳能、电动车）的稳步前进，美国的 AI 军备竞赛显得愈发荒诞。
真相 5：用 AI 的正确姿势——建工具，不是雇助手
讨论中最有价值的共识来自多位资深工程师：
有观点写道："构建紧凑的 CLI 驱动工具，为其编写 skill（用 Agent 完成大部分工作即可）。这只需要你愿意用脑子思考，而不是对着键盘狂敲 prompt。"
另有补充："我一直在告诉团队要构建内部包，把那些临时性的再造轮子行为固化为可复用的工具。把推理费用投入 Agent 可以下次直接使用的东西里——中性的、可被其他代码消费的工具，从而降低未来的开销。"
还有评论则从更长远的视角指出："另一个偏向使用 AI 构建自动化而非依赖 AI 在线的理由：战争和全球不稳定的风险。如果 LLM 在军事上有用，东道国会征用数据中心，商业实体只能在剩余产能上竞价。"
▲ 错误用法：反复雇 AI 助手（持续付费）vs 正确用法：让 AI 帮你建工具（一次投入长期复用）
对中国 AI 创业者的启示
美国"AI 限购"的三个信号
- AI 成本正在成为企业预算的独立大项
——这意味着"AI 降本"本身就是一个巨大的创业机会。帮助企业在保证 AI 效果的同时降低 30-50% 的成本，可能是 2026 年最好的 SaaS 赛道。 - Agentic AI 是双刃剑
——它的确能自动化复杂工作流，但如果不加节制地使用，ROI 可能为负。一人公司创业者在用 AI 搭建自动化流水线时，应该反复问自己：这个环节真的需要 Agent 吗？还是一次性脚本就够了？ - "用 AI 建工具"的思维转变
——不要总想着"让 AI 替我干活"。更好的策略是"让 AI 帮我写能替我干活的工具"。两者在可维护性、成本和可复用性上有天壤之别。
一人公司的成本优势
大公司面临的问题，对一人公司反而是机会：
- 大公司烧 50 万刀做不出像样的代码
，一人公司花 500 刀就能搭建完整的内容生产流水线 - 大公司的"AI 限购"政策
意味着内部创新受阻，外部机会增多 - 低成本 AI 工具栈
（本地模型 + 选择性使用顶级 API）是一人公司的结构性优势
行动建议
- 审计你的 AI 支出
：如果你在用相关 AI 编码工具，统计过去一个月的 API 费用。问自己：哪些调用是必要的？哪些可以用工具替代？ - 建立内部工具库
：每次用 AI 解决一个问题后，问 AI 能不能把解决方案固化为可复用的脚本/Skill。这是 AI 时代最重要的工程习惯。 - 对 Agentic AI 持怀疑态度
：至少等到 2026 年底，Agent 框架成熟后再重度依赖。目前阶段，AI 辅助编码（代码补全、代码解释）+ 人工决策的组合，性价比最高。 - 关注"AI 成本管理"赛道
：当大企业开始限购 AI，帮助企业管理 AI 支出的工具和咨询服务将迎来爆发期。Datadog 式的 AI 成本监控、AI ROI 分析平台，都是值得关注的方向。
一个反直觉的结论
美国企业"限购 AI"不是因为 AI 没用，而是因为用得太猛、太贵、太没有章法。这恰恰说明 AI 的真实需求是存在的——只是供给端的成本和效率还没跟上。
对 AI 创业者来说，这意味着两件事：第一，不要被"全民 AI"的叙事冲昏头脑，自己的 AI 投入要精打细算；第二，"帮别人省钱"永远是一门好生意，而"帮别人省 AI 的钱"可能是 2026 年最好的生意。
本文由 AI 辅助创作，经人工审核编辑发布