一言以蔽之：科技公司質疑AI token的ROI，並開始限制員工token使用量。
聯發科於十月初傳出限制員工使用AI工具的token額度，在Dard和Threads都引發熱烈的討論（或者更精確地說——幹譙）。一開始網友是抱怨，大砍token以後，讓員工的效率變得很差；後來網友則是質疑公司政策朝令夕改，之前正式的核准額度也都被取消。
新聞傳出後，甚至引發知名財經分析師的議論，例如節目上是這麼說的：
聯發科身為全台頂尖IC設計龍頭、吸納全台灣最優秀資工人才的第一首選，居然在關鍵生產力工具上苛扣資源。
聯發科傳AI Token一天僅2.2美元！郭哲榮怒了：不改就全數出清（聯合新聞網@2026/10/06）
郭哲榮質疑聯發科管理層陷入不合理的Cost down思維，省這種微不足道的小錢，長期來看根本比傳統產業還缺乏遠見，完全跟不上矽谷競爭節奏。
身為聯發科長期投資人的郭哲榮更罕見下達最後通牒，放話如果聯發科高層這項限制策略不改，自己將會「全數出清手中的聯發科股票」。
是該持有還是該出清股票，或許見仁見智、難有定論。但內文提到「省AI token小錢、跟不上矽谷」，這倒是有不少相反見解的新聞。
事實上，根據報導，首先這不是小錢，其次是也有許多美國企業從今年起開始調整AI token的限制，包括：
- Uber：僅僅四個個月就用完全年度的AI預算，所以公司將研發部門的token配額大砍七成，並開始設限每名員工、每項AI程式開發工具的經費。
- 微軟：因成本過高，五月底微軟就取消了大部分員工的Claude Code許可權，將工程師轉回Copilot CLI。
- Meta：公司不再將token使用量當成KPI排名，準備導入AI預算制，開始收緊濫用。
- 亞馬遜：也關閉了AI用量排行榜，避免變相鼓勵員工大量使用的行為。
去年，美國企業流行tokenmaxxing，就是將token的消耗量視為生產力與工作投入的指標，燒掉越多token的員工就是AI-native的開發者，會被稱為「Token Legend」，獲得鼓勵，績效也越好。但隨著token用量一路飆高，公司卻發現未帶來成比例的營收或效益增長，公司自然會出手控管。
對員工來說，大多數人是用AI來處理他們「不喜歡的任務（討厭的工作）」，而不是處理「對公司有價值的任務（賺錢的工作）」。這就是為什麼AI token一被緊縮，整個論壇上的幹聲連連，因為員工得回頭做那些討厭的事。這也是為什麼老闆明明知道員工很幹卻沒有把制度改回來的原因，因為老闆想把token資源投資在其他可以賺錢的事。
舉例來說，員工平常做的是大部分是把register填入driver、回復客戶英文信件，這些任務其實可以用excel完成，或是使用地端AI模型就可以做得很好，但許多人也沒在選模型，都直接call昂貴的Opus 5.5模型，反正token花的是公司的錢，也不是花我的錢（甚至以前tokenmaxxing年代，公司錢花得超多，我還會獲得額外獎勵），員工自然就拿著牛刀殺雞。
在管理學上，不同職位（薪資）的員工做不同的事，叫「職能分工」：
- 高階管理：負責規劃公司長期戰略和政策制定，決定組織的未來走向。
- 中階主管：負責將高層的戰略轉化為可執行的行動計畫。
- 基層專業：負責技術研發和產品製作，將產品實現出來。
舉個相反的極致職責錯置之例子，想像有一天，台積電魏哲家董事長跑到黃光製程無塵室去盯機台數據、調光阻濃度的參數，縱然他能將良率提升0.1%，為公司省下一百萬美元，這仍然遠遠比不上他去安排海外擴廠計畫的戰略佈局這種上百億美元的營收。
職能分工的目的是為了極大化企業的營運效率，因此，即便企業鼓勵員工應用AI工具來提升生產力，公司仍然需要模型分級與預算管理來平衡成本與研發效率，也就是要求員工將每一分token都花在刀口上：
- 旗艦模型：負責高難度推理、複雜架構設計、長文本脈絡理解。
- 平衡模型：負責日常寫作、程式碼開發、邏輯分析與中度推理。
- 輕量模型：負責重複性高、格式轉換、快速分類等工作。
就如同報導說的，tokenmaxxing的大撒幣年代過去了，矽谷大廠的氣氛，開始從「用AI很牛」變成「花在AI上的錢到底值不值得」。