28天2.8萬美元：微軟開始替員工的Token用量記帳

8月31日，據外電Android Headlines報導，一份外流的微軟內部表格顯示，一名員工在28天內產生約2.8萬美元的Token使用成本，換算日均約1,000美元，整個週期約合新臺幣90萬元。作為對照，全公司月度使用成本中位數約為300美元，約合新臺幣9,600元。極端值除以中位數，倍數接近93倍。

這份表格的覆蓋範圍其實有限。微軟全球員工超過22.3萬人，這次僅約350名美國員工自願提交月度AI使用資料，自願提報的樣本天然偏向重度使用者，300美元的中位數大概率高於全公司真實水準。另一組粗算可以感受量級：若把300美元直接外推到22.3萬名員工，內部年帳單約8億美元，樣本偏差會讓真實值低於這個數字，但已足夠讓Token從工具議題變成預算議題。管理層的動作隨之而來：設置Token用量監控，識別支出異常高的員工，並收緊預算限制。

部門階梯：975美元與241美元之間

把部門資料排成階梯，落差一目了然。CoreAI部門月度中位數最高，約975美元，部門內個人最高達1.6萬美元；Microsoft AI平均約490美元；Experiences and Devices約250美元；Azure約241美元。至於2.8萬美元的全公司紀錄保持者，來自Customer and Partner Solutions，一個以客戶與合作夥伴為對象的業務體系。

階梯的形狀符合直覺：越接近模型與平臺開發的部門，工作流程喫掉的Token越多。真正的資訊在階梯之外。業務體系跑出全公司最高帳單，量級明顯超出日常寫程式輔助所需，而報導同時提到，近幾個月部分員工大量使用AI的動機，是提高自己的數據排名。當用量本身是排名依據，衝高用量就是理性策略；同一份資料換上成本視角檢視後，排名壓力隨即變成預算壓力。治理的鐘擺從鼓勵擺向管制，中間只隔一張試算表。

再算一筆帳。2.8萬美元若按28天週期年化，約36.5萬美元，已超過多數資深工程師的年度薪酬總成本。當一位員工的工具帳單逼近其薪資，這個科目就再也藏不進雜項支出。把大額支出拆到人均口徑檢視，這個動作在科技製造業有前例，臺積電將季度獎金攤成人均數字對照人均產值的做法，與這次微軟的Token表格屬於同一套邏輯，可參考前文對臺積電360億元獎金的人才成本帳的拆解。差別在於，獎金是每年結算兩次的既定科目，Token帳單是隨用量連續累積的變動成本，後者對管理節奏的要求更快。

計量資源的第三波：從電話帳單、雲端到Token

企業對新型態資源的管理，幾乎都走過同樣兩段路：先放手讓員工使用，等帳單成長速度超過授權速度，再回頭建立計量。1990年代的長途電話與行動電話資費是第一波，企業用逐支門號的明細取代統包報帳。公共雲是第二波，2010年代後期的雲端帳單催生了FinOps職能與專門基金會，部門chargeback成為標準配備。Token是第三波，特性更極端：雲端至少按小時與執行個體計費，生成式AI按每次呼叫的輸入輸出長度計費，單一使用者就能在28天內把成本推到中位數的近百倍。

微軟這次的工具箱有四件：用量監控與異常識別、更嚴格的預算限制、內部預設工作負載逐步切換至OpenAI的GPT-5.6 Sol，以及在程式開發任務中不再鼓勵Anthropic Claude等第三方工具。前兩件是治理，後兩件是採購。把預設模型的選擇權收到公司層級，等於一個23萬人規模的組織把AI採購從個人偏好改為集中議價。

這個從擴張轉向紀律的節奏，與算力市場的相位變化一致。中國智算中心在總規模突破245萬PFLOPS後，管理重心已從建設期轉入調度期，前文智算從建設轉向調度的兩道比例題拆解過同樣的轉折：供給到位之後，問題從「有多少」變成「誰在用、用出了什麼」。微軟的內部表格，是同一個問題在企業防火牆內的版本。

受惠方與承壓方

受惠最明確的是OpenAI。內部預設工作負載轉向GPT-5.6 Sol，代表一家23萬人的組織把多數日常AI呼叫集中到單一模型家族。微軟既是OpenAI的投資人，也是其算力供應方，內部Token支出有相當比例最終在同盟內部結算，成本外溢被壓到最低。巴克萊先前的研究估計，AI模型公司每賺進100美元，約有35至40美元流向三大雲端業者，算力是這個產業最大的中間成本；同時把預設模型與算力供應收攏到同盟內部，是對這條成本結構最直接的回應。

承壓的一方，首先是Anthropic等第三方工具。Claude在程式開發場景有穩固口碑，被官方點名移出鼓勵清單，帳面營收損失有限，微軟內部用量本來就不會出現在Anthropic的財報上，真正的損失在示範效應。全球最大軟體僱主之一的內部預設，本身就是一份對外採購示範，當「不鼓勵」成為官方口徑，第三方工具滲透大型企業的阻力同步上升。

其次是內部的重度使用者。預算限制與異常監控會直接改變行為，過去免計成本的呼叫，現在每一筆都留下紀錄。生產力與部門預算的緊張關係，會在AI用量最高的團隊最先浮現。

微軟自身則是雙重身分。對外，Microsoft 365 Copilot以每席每月30美元銷售；對內，自願樣本的中位數月成本約300美元，是外部席位定價的十倍。兩個數字並存，預告企業AI計價難以長期維持純席位制，重度使用者情境遲早走向席位加用量的混合結構。這份內部表格，恰好是混合計價上市前最完整的一份壓力測試資料。

情境推演：預算線與單價的賽跑

接下來的發展可分三條路徑。預算線守死的情境下，用量上限直接約束採用深度，重度使用者的產出回落，AI紅利向預算充裕的部門集中，內部摩擦上升。內部計價上線的情境下，Token帳單變成部門之間的分潤工具，300美元的中位數成為內部基準價，企業端的FinOps職能隨之成型。第三條路徑靠單價下行化解：切換GPT-5.6 Sol本身就是這個方向，同一筆預算能買到的Token數量隨模型世代遞增，若推理單價的跌速快於用量增幅，帳單問題會自行收縮。

比較可能的是後兩條並行。微軟的動作已經說明，企業AI支出的治理週期從「要不要用」進入「用多少、誰付帳」，而這個轉折不會只發生在微軟一家。後續值得追蹤兩個數字：內部表格的中位數是否回落，以及企業級AI產品的定價是否從純席位轉向混合結構。前者反映內部治理的力度，後者決定這本帳影響整個企業軟體市場的出口。相對於微軟以百億美元計的AI資本支出，內部Token帳單的金額很小；但資本支出買的是產能，這本帳記的是行為，需求曲線的形狀會先在這裡現形。