26年开始，互联网企业陆续开始推行"全员AI"。

不用AI的员工面临淘汰，不推AI的企业会被竞争对手甩开。

企业采购API，订阅账号，员工爱怎么用怎么用。GitHub Copilot、Claude、Cursor，随便开。

企业管理层的逻辑很简单：用AI提升效率，跟上时代。

所以企业不但不限制，还会强制员工使用。

第一波账单来了之后，企业突然发现每个月的token消耗有点难以接受。但企业没有立刻限制，成本还在继续涨。

Atlassian的数据最夸张：AI月度支出从500万美元飙升到1500万美元，涨了3倍。

2026年6月，花旗银行选了最简单粗暴的方案：6月24日直接禁用所有旗舰模型。Adobe也选了同样的路：6月30日开始限制员工使用旗舰模型。很多企业走上了限量调用的路，每个月给固定的配额。

但限量之后，新的问题又来了：员工每个月限制token配额，写几个复杂功能就用完了。用完之后要么等下个月，要么去申请额外配额。申请额外的配额基本也批不下来。需求全部卡住，又走回人力劳动的老路。

从"强制全员AI"到"限制"，大概只用了半年时间

那企业为什么没有预见这个事情？

第一个原因：无感知消费。员工不知道调一次API要花多少钱，也不知道自己每天调了多少次，也不会为企业成本考虑。就像刷别人的信用卡一样，刷的时候那叫一个爽。

第二个原因：高频调用。Copilot、Claude Code、Cursor这些工具，token的消耗量巨大。一个企业几十上百个员工，每次都用旗舰模型，成本当然爆炸。

其实这里面最大的问题不是"用不用旗舰模型"，"每个月限量多少"，而是"什么时候该用旗舰模型"

企业AI成本失控，大概率是因为所有请求都走旗舰模型。但实际上，80%的请求根本不需要旗舰模型。Coinbase（美国最大的加密货币交易所）用了路由策略之后，token用量翻倍，但AI支出反而少了一半。

做法很简单：• 简单任务（代码补全、文档查询）→ 小模型• 复杂任务（代码生成、Bug修复）→ 旗舰模型• 可等待任务（报告生成）→ 异步批处理（成本是实时的1%）

路由策略 + 工程基建，才是企业AI成本优化的正确方向。不是"禁用旗舰模型"，是"让旗舰模型只在真正需要的时候出手"。

企业AI成本控制清单第1步：统计现状• □ 每月AI支出是多少？• □ 哪些部门/员工消耗最多？• □ 旗舰模型 vs 小模型的使用比例？第2步：建立路由策略• □ 哪些任务必须用旗舰模型？• □ 哪些任务可以用小模型？• □ 哪些任务可以走异步批处理？第3步：设置成本预警• □ 月度预算上限是多少？• □ 超过75%时谁收到告警？• □ 超过90%时是否自动限流？第4步：员工培训• □ 告诉员工"调一次旗舰模型API要花多少钱"• □ 告诉员工"什么时候该用旗舰模型"• □ 建立内部最佳实践文档

企业需要从"无限使用"切换到"精准使用"。

路由策略+成本预警+员工培训，三管齐下才能活下来。

花旗禁用旗舰模型，不是终点，是一个信号。

AI成本管控时代已经到来。

"从强制全员AI → 成本爆炸 → 企业限制 → 路由策略，你们公司现在在哪个阶段？"可以在评论区聊聊。

我所在的公司现在是每个员工1000rmb/月的额度。