Token 末日已至：企业竞相削减 AI 支出，PDF 转换成最大吞金兽
评分
54精选理由
从内部数据揭示企业 AI 成本失控的具体根源，具有很高的行业警示价值。
AI 点评
「这个内部玩笑恰恰戳中了 AI 落地中最容易被忽视的盲区——成本往往不是被炫酷的应用吃掉的，而是被日常的笨拙操作悄悄掏空的。对于所有正在大规模部署 AI 的公司，这都是一记警钟：花点时间审视非技术员工的典型工作流，可能比调参更省钱。」
速览
据 404 Media 报道，埃森哲内部数据显示，推动 token 消耗激增的并非工程师，而是大量非技术人员。高层在一次泄露的会议录音中调侃，将 PDF 转换为图片再转为 Markdown 是企业最大的 token 消耗来源之一。这一现象折射出 AI 成本失控的普遍焦虑，企业正急于优化提示词和文档处理流程，以遏制不断膨胀的 AI 账单。
- 埃森哲内部数据表明，非工程师员工才是 token 消耗的主力。
- 高管在录音中调侃 PDF 转图片再转 Markdown 是典型的高消耗行为。
- 企业正积极寻找方法减少 AI 支出，包括优化文档处理与提示词策略。
正文
The Tokenpocalypse Is Here: Companies Are Scrambling To Stop Spending So Much on AI
There's a fun anecdote from Accenture (apparently via leaked meeting audio recordings) in this 404 Media piece from June 24th:“We’re seeing from some of the data internally at least that it’s actually not our engineers that are driving the token consumption. It’s a lot of the non-engineers that are doing some of those behaviors [...] you were talking about,” Justice Kwak, Accenture’s agentic AI strategy lead, said [...]
Stuart Henderson, Accenture’s client group lead, interrupts. He jokes he hopes Kwak didn’t just convert a PDF into images and then into markdown files. “I’m learning that’s one of the big token chewers,” Henderson says. “Turning PDFs into markdown: is that right?”
That’s when Kwak says that’s what Accenture’s own data shows.
Maybe if Accenture figure out that PDFs are a terrible medium for communicating information they'll be able to push that message out to the rest of the business world too!
相关条目
89
精选OpenAI研究：AI正在重新定义工作边界
如果你关心AI对实际工作的影响，这篇研究不容错过。它不讨论理论，而是用数据展示ChatGPT用户如何使用AI扩展自己的任务范围，这对HR、管理者以及每个希望提升技能的职场人都有直接启发。
87
精选OpenAI CFO 分享构建 AI 原生财务职能的五大经验
作为编辑，我认为这篇文章的价值在于它来自 AI 领军企业的财务一把手，而非外部咨询机构，因此更具实践参考性。推荐给财务数字化负责人、CFO 以及对 AI 转型感兴趣的从业者阅读。
87
精选智能体AI时代下的科学计算：OpenAI发布新领域报告
这份报告是当前AI agent热潮中最务实的应用分析之一，尤其适合计算生物学和药物研发领域的从业者阅读。它回答了“AI agent除了写代码还能干什么”这个关键问题，直接展示了在复杂科学计算中的生产力提升。
87
精选Real World VoiceEQ：量化语音AI的人类自然度
值得关注的是，这个基准真正聚焦'人类自然度'这个软指标，而不是传统的语音识别率或MOS评分。对从事语音合成、语音克隆或语音交互的团队来说，这是一个非常实用的参考工具，可以快速定位模型在情感、韵律等层面上的不足。不过目前支持语言有限，期待后续扩展。
85
精选OpenAI 推出AI时代记分卡：衡量投资回报的新方法
这篇博文直击当前AI行业的软肋——如何量化投入产出。对于正在或计划大规模部署AI的企业决策者而言，它能帮助避免盲目跟风。我个人建议结合自身业务场景尝试定义“有用工作”，避免指标设计流于形式。
85
精选代理时代如何管理AI投资：聚焦每美元有用功与高价值工作流
这篇文章对正在大规模部署AI代理的企业尤为重要。它提醒我们：单纯盯着API价格下降会陷入误区，真正要管理的是每单位工作的投资回报率。建议CTO和CFO联合阅读，并在内部建立量化评估机制。
85
精选设计能跟上AI的组织：组织延迟成为最大障碍
这篇文章真正值得关注的是提出了一个被忽视的瓶颈：技术再强，组织跟不上也是白搭。对CTO、CIO和转型负责人来说，这是比技术选型更重要的思考框架。
84
精选Ruff v0.16.0 发布：默认规则从59条激增至413条，CI工作流需关注
对于 Python 开发者来说，这是一个不容错过的更新信号。Ruff 的默认规则大幅增加意味着我们不能再忽视代码中潜在的问题，而 AI 修复工具正好可以降低升级成本。尤其值得关注的是 Astral（OpenAI）正在将 AI 编码能力与静态分析工具深度整合，这可能是未来工程实践的常态。