程序员困在自费token里：企业削减AI预算，效率压力却未减

事件概述

• 多家企业正在削减AI工具token预算，甚至不再提供AI编程工具的企业会员，但仍以“AI提效”为由提高工作标准、压缩项目周期。为避免被视作效率不足而失业，大量程序员选择自费购买token。有AI架构师所在公司将不限量企业会员改为每人每月200元额度，其项目周期却被主管从1.5个月压缩到3周；另有程序员每月自费约60美元订阅海外模型，或花约100元人民币买国产模型额度。
• 成本压力已在团队层面显现：上海一技术团队原计划借AI让前端转岗后端，因前端人员短期内无法胜任，最终2名前端被裁，空缺另招后端填补；有小型技术团队在疫情后已裁掉两三成技术人员，近期也不再招新人，出现一人多岗。

企业端：削减预算与隐性要求并存

• 不少公司不报销token费用，有的甚至明确部分工作禁用AI，但默认员工使用。有程序员认为，每月花100元让AI分担约四成杂活，如果找公司报销，反而可能影响涨薪；不自费买token则可能成为团队效率最低者。
• 大厂限制token用量被部分从业者解读为“放大的焦虑”：头部大厂多数人的月度额度其实用不完；限制更多因为整体账单太贵、AI产出低于预期，以及token浪费和滥用。也有程序员反对公司统一发放token，认为只要公司为此买单，成本最终会通过降薪或裁员找补回来。
• 当前国内大模型与海外模型的差距在缩小，Kimi K3、GPT-5.6 Sol、Claude Fable 5同处第一梯队；海外模型定价过高，还存在数据合规问题，影响企业付费意愿。

AI能做什么，不能做什么

• 受访者普遍认为，AI能承担查日志等基础、重复性工作，但写代码只占程序员实际工作约30%。需求梳理、代码审核、沟通协调、跨团队拉通仍需要人；有时“教会AI做一件事”比自己动手更费精力。
• AI快速产出代码后，维护压力明显变大。AI一天生成的代码量可能是人工的十倍以上，人工审不过来，后续出bug时定位困难，尤其是给旧系统打补丁，需要很强的架构能力约束。
• AI更适合同处理独立、确定性的小模块；面对绑定历史业务、受现实约束的复杂系统，仍需要人工梳理和拆分。在前端领域，AI擅长内部报表等逻辑固定、不追求精雕细琢的页面，但难以完成面向用户产品的视觉与体验打磨，跨网页、App、小程序及多端适配能做的事更少。

岗位影响：门槛抬高，结构性分化加剧

• AI把入门开发者的要求抬高到“会业务+会AI+能判断”的“mini中高级工程师”水平，仅会写基础代码的初级码农容易被淘汰；中高级程序员因代码评审和兜底需求暴涨而供不应求。
• 美国企业部署Agent后同样遇到边界：Agent能写代码、调用API，却难以理解企业多年积累的数据、权限和业务流程。行业真正稀缺的是梳理旧系统的FDE前置部署工程师；据猎头公司Christian&Timbers（C&T）研究，美国具备该能力的人才总共只有约2000人。
• AI还可能加剧行业无效内卷：在偏重形式主义的绩效体系下，项目功能数量是直观指标，AI擅长快速堆砌功能反而迎合了这套评价体系。海量AI代码来不及审核便上线，技术风险不断累积，最终由后续维护人员加班补窟窿。