Rippling烧掉数百万美元AI token后怒造ROI工具，揭开全行业AI账单噩梦

“我们当时的表情是难以置信的。”Rippling首席产品官Matt MacInnis回忆起3月的那次高管会议时说道。CFO在会上展示了一个数字：公司的AI token支出正以每月80%的速度增长，照此趋势，下一年token费用将达到研发部门人力总成本的90%。

换句话说，AI快要比人贵了。

从”全员AI化”到”账单惊魂”

Rippling的故事在2026年上半年具有普遍性。年初，这家HR软件公司在”tokenmaxxing”（最大化token使用）的行业风潮下，鼓励全员使用AI工具。Cursor、OpenAI API、Anthropic Claude——员工们被赋予了自由选择模型的权利。

结果呢？

– 10-15%的员工贡献了60%的总AI支出

– 一位工程师单月消耗了5万美元的token

– 大量员工用最贵的前沿模型写周报和润色邮件

– 有人用Fable级别的模型（OpenAI旗舰推理模型）做语法检查

“推理服务商——OpenAI、Anthropic——完全没有动力帮你控制支出。他们有充分动力让这变成一笔失控的费用，”MacInnis说。

AI Spend Console：应激反应的产物

Rippling的应对方案是推出了一个名为”AI Spend Console”的新产品。这个工具的核心功能包括：

人员级AI账单追踪：能够精确到”哪个工程师的AI消费最高，且他的代码频繁被同事要求重做”。简单说，它把token支出和代码质量关联起来了。

智能模型路由网关：自动将不同难度的任务路由到不同性价比的模型。语法检查不需要Fable，用GLM 5.2就够了——后者便宜85%，性能几乎一样。

效果立竿见影。Rippling将token支出从研发人头预算的40%降至15%，但AI使用量没有下降——7月的token消耗量几乎与4月持平（约6000亿token），成本却只有4月的37%。

行业的”中年危机”

Rippling的故事不是孤例。TechCrunch报道提到，AWS已经开始要求工程师关闭闲置服务器以应对AI需求带来的计算资源紧张。甲骨文甚至直接禁止在OpenJDK中使用AI生成的代码。

整个行业正在经历一次”AI化的中年危机”：年初的狂热过去之后，企业开始认真追问一个基本问题——AI到底有没有提高生产力？

Rippling给出的答案是：有，但如果不加以治理，成本的增速比生产力的增速快得多。

更重要的是，MacInnis透露了一个正在试验中的关键指标：能否将非工程岗位（如客户入职团队）的token消费与业务产出关联起来。”如果做不到这一点，那么让更多员工使用AI这件事就得打上问号。”

个人开发者能学到什么？

即使你不是企业CTO，Rippling的故事也有两点启示：

1. 模型路由是必修课：不要所有任务都用最贵的模型。写代码用Claude或Cursor，翻译用DeepSeek，日常问答用GLM或Qwen——成本差距可能是100倍。

2. 度量你的AI ROI：如果你每月AI API账单超过50美元，花一小时算一下这些token到底帮你省了多少时间。你可能会发现有些场景直接用人做反而更划算。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn