在最近的一次访谈中，Instagram 负责人 Adam Mosseri 表示，他预见到在不久的将来（也许只需要一到两年），对 Meta 员工的 AI token 支出进行额度限制将变得非常有必要。
“我认为你可以想象，至少在一两年内……一名优秀工程师的 Token 燃烧率可能会与他们的薪水或雇用成本相当。在那个世界里，你可能需要引入一些上限，”这位 #Meta 高管在接受《Lenny's Podcast》采访时说道。
AI token 支出（指处理 AI 提示词和回复的成本）最近成为了备受瞩目的热门话题。据透露，在发现 AI 支出可能导致公司在 2026年 蒙受数十亿美元损失后，Meta 已经关闭了内部的 AI Token 消耗排行榜。
Meta 并不是唯一一家重新审视其 AI 实验方式的公司。Uber 在 2026年 4月 就提前耗尽了其全年的 AI 编程预算，随后也进行了深刻的反思。而不断飙升的 Token 成本甚至导致 微软 取消了其工程师的 Claude Code 授权，转而让团队统一使用自家的 Copilot CLI 工具。
Mosseri 解释说，他的观点是 AI token 成本必须像任何其他资源一样进行管理，并将其与工资或运营支出（OpEx，即维持业务日常运营的资金）进行了类比。
“我把它看作……任何其他资源，”Mosseri 说道，“我必须决定如何向不同的团队分配产能，因为我的 GPU、CPU、存储和内存等都是有限的。我必须决定如何为各个团队分配用于标注预算的运营支出（OpEx）。我也必须决定如何为各个团队分配员工人数的薪资预算。”
他补充说，Token 预算也是一样的，每个工程师的额度上限必须与公司对其“实现正向投资回报（ROI-positive）”能力的信任度成正比。
Mosseri 透露，Meta 目前尚未对任何员工实施 Token 上限，但他认为在未来采用这种做法是健康的。展望更远的未来，他预计随着 AI 模型厂商为了吸引用户而展开价格战，Token 成本将会逐渐下降。
目前，Meta 已经通过关停一些“愚蠢的行为”在一定程度上控制了 Token 成本，例如前文提到的那个内部消耗排行榜。
“建造一个 Token 焚化炉并不难，但这并不能创造多少价值，”他说。
随着 AI Agent 从单步提示词走向复杂的多步骤自动规划、自我纠错和多智能体协同，底层的 Token 消耗正呈指数级增长。微软砍掉 Claude Code、Uber 提前耗尽预算等现象表明，‘Token 燃烧率’已成为企业构建 Agent 生态的最大硬性制约。这一变化将倒逼 AI Agent 技术栈发生两大变革：一是促进本地小模型（SLM）及端侧 Agent 的崛起，以分流高昂的云端 API 成本；二是推动‘Token 经济学’（Tokenomics）在 Agent 编排框架（如 LangChain、CrewAI）中的深度整合，使 Agent 具备自我成本感知与动态路由能力，在精度与预算之间达成最佳平衡。未来的 Agent 不仅要聪明，更要学会‘精打细算’。
