Bloomberg 報導 Apple 把工程團隊每天的 AI 使用額度從 300 美元降到 200 美元,有些團隊還要降到 100。帳單到了,連最賺錢的公司也開始按人頭算提示詞。
Apple AI budget 從每天 300 美元降到 200 美元
Bloomberg 在 11 月 4 日的報導說,Apple 在 10 月下調了工程團隊的每日 AI 使用上限,從 300 美元降到 200 美元。TechCrunch 與 The Verge 隨後跟進,Apple 本身沒有公開回應。
先把這個數字的性質講清楚。它不是薪水,也不是部門採購預算,而是每位工程師每天可以燒掉的模型額度。用完就得申請,申請不一定會過。
Apple AI spending cut 的分級:200、100、25
報導說還有下一輪。部分團隊的額度會降到每天 100 美元。工程部門以外,Apple 也在評估低到每天 25 美元的上限。
三個數字放在一起看,訊號很清楚。AI 用量從「鼓勵多用」變成「分級配給」,而且配給的標準不是職級,是團隊被認為需要多少。
分級還有一個副作用。團隊會開始比較誰的額度多,這種比較通常跟實際需求無關,只跟誰的老闆比較會爭有關。
為什麼是現在:token spending 的帳單到了
2026 年上半年有一股被稱為 tokenmaxxing 的風氣,KPI 之一是用掉多少詞元。當時的邏輯很簡單:先用再說,效率自然會回來。
帳單回來得比效率快。TechCrunch 把這件事放進一個更大的落差裡看:AI 的建置與執行成本,跟可量測的生產力回報之間,一直有一道補不平的缺口。缺口不是某一家公司的問題,是整個產業還沒算完的帳。
同一份報導也提到,這波調整發生在 Apple 把 AI 推進工程流程與產品線的同時。推得越廣,帳單長得越快,兩件事其實是同一件事的兩面。
Apple internal AI 的錢到底花在哪
編碼代理、程式碼補完、測試生成、內部搜尋、客服輔助工具,這幾類佔掉大部分。共同點是單價低但次數多,一個工程師一天幾百次呼叫是常態。這類工具的好處是分散在很多小地方,壞處也是,預算表上看不到它們。
單看一次不起眼。乘上人數與工作日,一個小團隊一個月的帳單就會長到需要有人簽核,這也是為什麼管理層開始問「這些呼叫換到什麼」。
Apple AI costs 變成科目之後,決策方式也變了
以前討論的是「這個工具好不好用」,現在多一題:「這個任務值不值得用模型跑」,而且答案會因任務而異。寫一份對外新聞稿的初稿,可能值得。改一個變數名稱、補一段型別宣告,可能不值得。誰來做這種判斷?以前沒人要做,因為成本低到看不見,也沒有人會去查。
從 Apple AI costs 學到的做法:把提示詞當雲端帳單管
雲端費用有標籤、有預算、有超額告警,還會每個月寄一份帳單給主管。AI 用量目前多半沒有這套東西,額度用完才知道。
要補的東西不多。按團隊分帳,讓每一筆支出有主人。訂出一份「不必動用模型」的任務清單,省下的不是錢,是延遲。把重複使用的長提示詞快取起來,同一段指令不要每次都重算。
台灣團隊的 token spending 現在長什麼樣
台灣的中小企業很少按日計額度,多數走月費訂閱,ChatGPT Team、Claude、Cursor 這類工具一人一個席位。看起來不會出現「每天 200 美元」這種數字,但同一個問題會以另一種形式出現:席位買了二十個,每天真的在用的只有五個。
更常見的浪費是授權開給整個部門,真正需要的人反而要排隊,於是有人自己刷卡買一份,公司同時付了兩筆錢。
香港的情況類似,差別在採購流程。代理商與金融機構要把工具送進資安審查,走完一圈動輒數月,買進來的版本往往已經換了一代。
兩地的共同點是,錢花在「買了什麼」,很少花在「用了多少」。Apple 這次的新聞值得看的地方,就是它把後面那一題搬到檯面上。
怎麼判斷一筆 token spending 值不值得付
先問這件事有沒有可驗證的產出。程式碼跑得過、文案有人採用、報表數字對得上,這些都算。再問沒有模型時這件事要花多少時間,如果答案是十分鐘,那就不必排隊等額度。
最後一個問題最少人問:這次呼叫的結果,會不會被留下來重用。會,就值得。不會,就當成一次性的消耗品,控制在預算內就好。
額度收緊不是壞事。它讓團隊第一次認真回答「我們到底用 AI 做什麼」,這一題的答案比任何一個模型版本都耐用。下一次預算會議,這題一定會被問到,先把答案想好,比事後解釋為什麼超支省事。






