从“烧钱”到“省钱”：Rippling推出AI支出控制台，终结企业AI代币滥用乱象

【科技24时区】当人形机器人在赛道上狂奔时，我们惊叹于技术的飞跃；而在企业的服务器机房里，另一场关于效率与成本的博弈正在悄然上演。本周，人力资源软件巨头Rippling正式发布了“AI支出控制台”（AI Spend Console），这款被内部戏称为“反代币最大化”（anti-tokenmaxxing）的产品，旨在帮助企业追踪并遏制日益失控的AI开支。这不仅仅是一个财务工具，更是一次对早期AI狂热应用的冷静反思。

回想今年年初，Rippling和许多科技公司一样，陷入了“代币最大化”的狂欢——即不加节制地调用最昂贵的AI模型。然而，这种狂热很快带来了副作用。首席产品官Matt MacInnis至今记得三月那次令人震惊的高管会议：首席财务官Adam Swiecicki抛出的数据显示，公司研发部门预算的40%正被用于购买AI代币。这意味着，花在算力上的钱，几乎等同于该部门近半数员工的薪酬总和，金额高达数百万美元。更可怕的是，这一支出以每月80%的速度飙升，若趋势延续，次年AI代币成本将占据研发人力成本的90%。“我们当时简直难以置信，”MacInnis向TechCrunch坦言。管理层随即启动紧急项目，试图厘清这笔巨额支出的去向及其实际产出。

为了直观展示这一危机，新产品的发布广告颇具讽刺意味：CFO坐在凳子上，看着员工抓起成捆的现金扔进碎纸机。随后的内部审计揭示了更为惊人的细节：约10%至15%的员工驱动了60%的AI总支出，其中一名工程师每月的AI消耗竟高达5万美元。Rippling并非要扼杀AI的使用，而是希望将其拉回理性轨道。他们首先与各工具供应商（如Cursor、OpenAI和Anthropic）谈判设定支出上限，但很快发现了一个结构性问题：员工默认使用最新、最昂贵的前沿模型处理所有任务，无论其必要性如何。

“真相是，像Anthropic和OpenAI这样的推理提供商，根本没有动力帮你控制成本，”MacInnis直言不讳地指出，“相反，他们有强烈的动机让费用失控，因为他们不提供深度的使用洞察，彼此之间也缺乏协作。”这是2026年初普遍存在的行业痛点。如今，八个月过去，企业界逐渐摸索出了两条生存法则。其一，不再依赖单一供应商，而是构建包含不同价位、甚至开源权重模型的多模型矩阵。Rippling创始人兼CEO Parker Conrad透露，在内部基准测试中，虽然SpaceX旗下的Grok综合表现领先，但智谱AI（Z.ai）推出的GLM 5.2在性能几乎持平的情况下，成本低廉85%。目前，GLM 5.2已成为众多科技公司编码任务的首选，Databricks等巨头也在大力推崇。

其二，企业意识到必须建立AI网关，根据任务需求智能路由至最具性价比的模型。Rippling据此自建了AI网关，并将其整合进新产品中。MacInnis表示，即便企业已使用其他网关，仍可接入AI支出控制台，但若想启用核心的支出治理功能，则需切换至Rippling的网关系统。该系统生成的仪表盘（昔日被称为“排行榜”）能够综合评估每日提示词数量、工作产出（如代码行数/拉取请求）及花费，从而精准识别哪些高支出工程师的代码频繁被同行要求返工，哪些团队只是在生产低价值的“AI垃圾内容”。

成效立竿见影。引入该工具后，Rippling的代币支出占人力预算的比例从40%骤降至15%左右。值得注意的是，AI的使用量并未因此萎缩。在CFO发出警告的那个月，公司内部消耗的代币峰值达到6050亿个；到了七月，用量再次触及600亿大关，但“七月的代币成本仅为四月的37%”，MacInnis解释道，“这完全归功于我们将请求路由到了更高效的模型。”他甚至开玩笑说，现在绝不会允许销售团队用昂贵的Fable模型去修改语法错误。

然而，技术手段并非万能。Rippling发现，单纯依靠算法不足以解决所有问题，于是设立了“AI队长”角色，由那些高效使用AI的员工指导其余同事。尽管如此，将AI应用从软件工程扩展到其他领域仍是一项正在进行中的挑战。目前，Rippling正尝试为客户入职团队自动化邮件数据和对账任务，并通过仪表盘衡量其在提升客户入职率方面的生产力。“我们必须能够将行政职能和客户面向职能中的代币消耗与生产力挂钩，”MacInnis强调，“如果做不到这一点，那么向更广泛员工群体开放AI访问权限的所有赌注都将落空。”

从某种角度看，Rippling的案例预示着一个转折点：早期的“代币最大化”可能已走向反面，员工对AI的访问权限或许不再像Slack或电子邮件那样理所当然。如果无法量化生产力，全员普及AI的时代可能会暂时搁置。至于产品本身，AI支出控制台已包含在Rippling的人力资源订阅服务中，尽管基于AI使用量的额外费用依然存在。此外，它也可作为独立产品购买，并与其他人力资源记录系统集成。对于正处于AI转型阵痛期的企业而言，这或许是一剂及时的清醒药。