支付巨头年耗万亿 Token：AI 如何重塑代码、风控与客服？

据 Woofun AI 消息， CTO 披露，其约 1,400 名开发者团队年度 Token 消耗量已达一万亿，且过去三个月该数值激增四倍，公司目前正为未来每年十万亿 Token 的消耗规模进行基础设施储备。

在工程效能领域，Adyen 内部 Coding Agent 的实际产出表现为对遗留系统的深度重构。过去 90 天内，AI 编辑了 100 万个文件并参与完成 2 万次 Git commit，推动人均 merge request 增长 48%，工程师估算节省 15% 时间，公司认为此举带来两倍回报。典型案例中，两名工程师配合 AI 在两个月内完成了涉及四十多个卡组织、2,000 个生产任务的系统拆分，而传统模式需 6 到 12 个月。

这种模式并非简单的代码补全，而是 AI 在后台持续执行读代码、找依赖、运行测试及修复报错的闭环，人类工程师在此过程中处于监控状态，Token 随之持续消耗。

行业对标数据显示， 与 在代码生成上的投入同样巨大。Stripe 内部 91% 的工程师已日常使用 AI，其 Coding Agent ''每周向生产环境提交超过 1,000 个 PR；2026 年 3 月，Stripe 共有 57,000 个 PR 使用 AI 辅助，三个月增长 140%。Block 方面，7,500 名员工中超过 90% 的代码提交有 AI 参与，人均每周代码变更量增加 30%。支付行业的 AI 应用核心并非从零编写新代码，而是帮助工程师处理庞大且复杂的历史遗留代码库，兼容各类银行接口与支付方式，从而将原本消耗于人力的复杂性转化为 Token 消耗。

Woofun AI 整理数据显示，内部知识管理与内容生成成为另一大 Token 消耗源。 拥有 9,000 名员工，其内部工具 上线六个月后吸引 5,000 名用户，处理 28 万条消息，使部分工单减少 96%，查询时间从 30 分钟或 8 小时缩短至 9 秒。 通过 及''实现内容产量增长 300%，制作时间缩短 60%，十小时工作压缩至四小时，测试量增加三倍。 则显示 90% 员工使用生成式 AI，其中传播、市场及法务团队使用率分别达 93%、88% 和 86%。这些应用场景涵盖文档检索、广告文案生成及合同阅读，通过高频次、小颗粒度的交互累积 Token 消耗。

在商户审核（KYC）环节， 与 Stripe 利用 LLM 显著降低误报率。传统关键词系统常因语义误解产生误判，如将'military-style jacket'误判为军品，或将'champagne-colored dress'误判为酒类销售。引入生成式 AI 后，Airwallex 相关环节误报减少 50%，直接 onboarding 成功率增加 20%。Stripe 自 2023 年起在商户 onboarding 中应用 LLM 处理非结构化信息，超过 80% 的'可支持商户'可即时自动通过。 的 policy review 时间也从 60 分钟缩短至 10 分钟，AI 通过预读材料并筛选异常，大幅减少人工复核负担。