我身边有些朋友，最近陷入了 Token 焦虑。

主要问题在于，这玩意消耗量大，而且还贵。

但凡要和 AI 聊点什么，或者多提几个需求，Token 就像水一样飞快地流走了。

有时任务分析到一半就开始疯狂报错，只是因为 Token 透支了。

以至于现在他们一点开和 AI 的对话框，就情不自禁地开始算账，算某句话的消耗量是不是太多，算有没有更精简的指令方式，算整个任务做下来划不划算。

AI 原本应该是帮大家提高效率的，没想到现在又反过来限制了大家。

这不只是普通人的困扰。

就连傅盛也提到过，自己会通过一些使用技巧控制 Token 费用，但即便如此日均消费也达到了 10 多美元，30 天就是 2100 元，年费是 25200 元。

还有报道提到，OpenAI 的一位工程师单周消耗的 Token 高达 2100 亿，相当于阅读了 33 遍完整的英文维基百科内容，显然也是普通员工无法承受的重担。

这些例子说的是同一件事：AI 的使用依旧是有门槛的。不是所有人都能肆无忌惮地培养、训练和使用 AI，除非他有很多很多的 Token，或者很多很多的钱。

在这样的前提下，Token 很难真正流入生产，成为企业的助力。

毕竟如果员工在使用 AI 时不得不精打细算，那么得到的结果是否能让人满意，就难说了。

于是有些公司开始行动了。

新闻说，4 月 1 日，安克创新、康师傅饮品、锦江酒店（中国区）、名创优品、和睦家等 12 家头部企业集中宣布：为员工提供 " 无限 Token" 权益，支持员工深度使用飞书 AI 产品。

他们来自不同的行业：快消、酒店、零售、医疗、消费电子等等，但做了同一种选择。

这本身就是一种信号，意味着已经有公司意识到 Token 的重要性和开放的必要性：与其管 Token，不如开放 Token；与其把它当成本，不如把它当基础设施。

当然，选择开放 Token 权益的公司，依旧是少数。

尽管如今大大小小的公司都喊着拥抱 AI 拥抱未来的口号，迫不及待地催促员工们使用 AI 提高效率，可一旦进入付费环节，他们就略显踌躇了。

从商业视角来看，似乎可以理解。AI 用量是实实在在的成本，无限开放给员工，账面上的数字想必不会好看，而且也无法保证能够获得想要的结果。

所以有些公司不见兔子不撒鹰，希望看到效果后，再为 Token 付费。

矛盾恰恰也在这里，毕竟员工也不想 " 自费上班 "。

一旦员工每次使用 AI 都需要精打细算，AI 就永远停留在最浅的用法上。

写个标题，改个段落，问一个单次的问题，效果自然不尽如人意，自然无法获得支持。

想要打破这种循环，让 AI 真正参与到一家公司的运作中来，只能靠长期、高频、深度的协作。这种协作需要员工在没有顾虑的状态下反复试错、不断摸索、把 AI 用透。

这个过程，没办法靠精打细算来完成。

安克创新算是最早想明白这件事的那批公司之一。

在开放包括飞书 AI 在内的无限 token 期间，安克创新使用 AI 自动回复并完成退款、补货等系统操作

从 2023 年起，他们就对全员不限量开放了最先进的 AI 模型，保障所有员工都能用到。

累计至今，员工消耗 Token 已达 5 万亿，构建了 AIME 平台，沉淀了 300+ 个 AI Agent。

这些算力，流向了哪里？各部门都有。

这些年，AI 搓出来的营销物料多达 220 万份，比人工手搓的制作效率要高 10 倍。营销生产线的工作效率完全提起来了，也间接带动了品宣销售等其他部门的发展。

客服们更是觉得 AI 帮了大忙。现在 80% 的工单都是 AI 在接管，它们不仅会自动回复，还能完成退款、补货等后续操作，不用靠人去逐一处理。

而且 AI 掌握了全球 10 种语言，这比我们普通人懂得可多多了。以前处理外国友人的订单，得用上翻译软件，还可能因为语言不通闹矛盾，交给 AI 轻轻松松就搞定。

还有后台的研发端也有收益。普通工程师借助 AI 协作，2 小时可以输出接近 90 分的架构设计方案，以前这件事可能需要一位资深工程师花几天时间。

这些应用场景不是高端人才专属的工作，恰恰是大量普通员工每天面对的日常。把算力开放给这里，让大量的经验和技能系统化，效率才会在整个组织里真正流动起来。

就像安克创新在今年新春致辞里提到的那样："AI 将极大减少个人的重复性工作，让员工有更多时间思考与创造，从而获得更快成长和更大回报。"

这也与康师傅饮品的想法不谋而合。他们都相信，无限 Token 的设计初衷是 " 去压力化 "。

当员工可以零门槛探索 AI，不用担心额度限制，也明确不与使用频率挂钩时，他们才能用更多的精力充分用 AI 创造价值上，而不必为怎么省 Token 而着急上火。

真格基金林惠文说过一句话："Token 是 AI 时代的电力，不该成为员工的枷锁。"

这个比喻很准。

电力出现的早期，也是稀缺资源，只有少数工厂、少数城市用得起。当它真正成为基础设施、普及到每个车间、每个家庭之后，才驱动了真正意义上的工业化。

直到现在，没有人会说员工做得好才能用空调，没有人会给研发团队按用电量算钱。

电是成本，但从来没有人把它当成分配的资源，因为那太蠢了。

但很多公司对待 AI 的方式，就是这样的：按需收费，精打细算。

背后的逻辑是：AI 是消耗品，用多了会贵。

这个逻辑不能说全错，但它的问题在于，它只看见了成本，没看见可能性

用电的类比说：你买了一栋楼，但为了省电费，让每个员工自己管自己那一块的电，最后每个人都学会了少开灯，没有人去想能不能多装几台机器。

这不应该是一个大企业的发展方向。

AI 应该是公司的基础设施，是生产环节的一部分，跟电、跟网络是一回事。

如果企业把 Token 当做成本，一个劲地管控它，结果是员工缩手缩脚，AI 停留在最浅层的用法上，只够跟风看个热闹。只有把 Token 当生产资料，就开放它、下沉它，让每一个普通员工都能用上，让算力真正流入工作流，让效率在组织里发酵。

安克创新、康师傅饮品这 12 家企业就是后者，他们让无限算力真正成为驱动员工成长的生产力杠杆，而非单纯的福利标签。员工用 AI 创造的效率收益，会实实在在地反馈到自己身上，也反馈在企业身上。

反而能够走向良性循环。

某种程度上，一家公司看待 AI 的态度，其实影响着它的未来。

不开放 Token 使用、或者对使用精打细算的公司，员工只会把 AI 当偶尔借来的工具，能省则省，不敢深问，遇到复杂问题自己扛。

时间一长，AI 在这家公司里永远是个辅助角色。有它也行，没它好像也过得去。

开放 Token 权益的公司，员工才会把 AI 变成习惯，随时可以问，随时可以试，边用边学，边学边深。他对 AI 能做什么、不能做什么，有了完全不同的判断力和使用深度。

这不只是效率的差距，是两种不同的工作方式在同步演化。

一家全员开放算力的公司，和一家掐着 Token 用的公司，两年后员工与 AI 的协作能力，根本不在同一个层次上。两类公司的差距，也就越来越大了。

黄仁勋在 GTC 2026 大会上说，Token 可能成为工程师薪酬的一部分。Theory Ventures 的预测更激进：AI 推理成本会成为薪酬的第四大组成部分，与薪资、奖金、股权并列。

这些话现在听起来还有点超前。但如果你接受 " 算力是生产资料 " 这个前提，那结论就顺理成章了：生产资料的分配方式，从来都会影响谁更有能力创造。

这又何尝不是新时代的生产力革命呢？