企业开始为 AI Token 成本踩刹车

企业开始重新审视 AI 使用成本

随着生成式 AI 和智能体工具在企业内部扩散，Token 消耗正在成为一项需要严肃管理的成本。

一则企业内部会议录音中的讨论提到，至少从部分内部数据看，推动 Token 消耗的并不主要是工程师，而是大量非工程人员在日常工作中的使用行为。

其中一个被点名的高消耗场景，是把 PDF 先转换成图片，再转换成 Markdown 文件。会议中有人开玩笑说，希望同事不是这么做的，因为这类操作是“吃 Token”的大户。随后相关负责人表示，内部数据确实显示了这一点。

为什么 PDF 转 Markdown 会消耗大量 Token

从大模型使用角度看，PDF 并不是一种友好的信息交换格式。它往往更适合视觉呈现，而不是结构化处理。

当用户把 PDF 交给 AI 工具处理时，系统可能需要经历多步流程：

• 解析页面布局；
• 识别文本、表格和图片；
• 处理扫描件或嵌入式图像；
• 重新组织为 Markdown 等结构化格式；
• 再让模型理解和总结内容。

如果 PDF 被先转成图片，再交给模型识别，成本会进一步上升。因为模型不仅要处理文本，还要处理视觉输入和版面信息。

真正的问题不只是“谁在用 AI”

这个案例值得注意的地方在于：企业内部 AI 成本并不一定由技术团队主导。随着 AI 工具进入行政、咨询、销售、运营等岗位，很多看似普通的办公动作，都可能转化为高额 Token 消耗。

尤其是文档转换、批量总结、会议材料处理、报告重写等场景，如果缺乏规范，很容易在后台形成持续成本。

对企业的启示

这类情况说明，企业部署 AI 时不能只关注模型能力，也需要建立使用规范和成本可见性。例如：

• 哪些文档格式适合直接交给 AI；
• 哪些任务应优先使用传统解析工具；
• 是否需要限制大文件、图片化 PDF、重复转换等操作；
• 是否为不同岗位提供更明确的 AI 使用指南；
• 是否对 Token 消耗进行团队级或任务级统计。

AI 成本管理并不只是采购更便宜的模型，也包括减少不必要的输入、避免低效流程，以及改善企业内部的信息格式。

如果 PDF 仍然是企业沟通的默认载体，那么在 AI 工作流中，它很可能继续扮演“隐形成本放大器”的角色。