Token 危机：企业为削减 AI 成本，发现 PDF 转 Markdown 是最大消耗源

一句话看懂

埃森哲内部数据揭示，企业 AI 成本飙升的元凶竟是 PDF 转 Markdown，而非工程师的代码调用。

详细发生了什么

据 404 Media 6 月 24 日报道，埃森哲在一次内部会议（音频疑似泄露）中讨论了 AI token 消耗问题。埃森哲 agentic AI 战略负责人 Justice Kwak 表示，内部数据显示，token 消耗的主要驱动力并非工程师，而是大量非工程师员工的行为。

随后，埃森哲客户群负责人 Stuart Henderson 开玩笑说，希望 Kwak 没有把 PDF 转成图片再转成 markdown 文件，因为”PDF 转 markdown 是最大的 token 消耗源之一”。Kwak 确认，这正是埃森哲自身数据所显示的。

这一轶事揭示了企业 AI 成本失控的一个隐蔽原因：非技术员工在处理文档时，习惯性地将 PDF 转换为 markdown 供 LLM 处理，而这一过程消耗的 token 远超预期。埃森哲的发现也引发了更广泛的思考：PDF 本身作为信息传播媒介，在 AI 时代显得低效且昂贵。

中文圈视角

对国内企业而言，这一发现同样具有警示意义。许多国内公司在引入 AI 工具后，往往只关注模型调用次数，却忽略了 token 消耗的细节。PDF 转 markdown 这类操作，在国产大模型（如 DeepSeek、Kimi）中同样会消耗大量 token，且国内 API 定价虽低，但大规模非工程师使用仍会推高成本。

此外，国内不少企业使用 RAG 流程处理合同、财报等 PDF 文档，若未优化转换流程，token 浪费可能更严重。建议国内团队：优先使用原生支持 PDF 解析的模型（如 GPT-4o、Claude 3.5），或采用本地 OCR 预处理，减少不必要的 token 开销。同时，对非工程师员工进行 AI 使用培训，明确哪些操作会消耗大量 token，避免”无意识烧钱”。

几条值得记住的细节

埃森哲内部数据显示，token 消耗主要由非工程师驱动，而非工程师。
PDF 转 markdown 是最大的 token 消耗源之一，埃森哲数据已证实。
该信息来自 404 Media 报道，会议音频疑似泄露。
埃森哲高管建议，企业应重新审视 PDF 作为信息媒介的效率。
这一发现可能推动企业优化文档处理流程，降低 AI 成本。

一句话总结

企业 AI 成本失控的根源可能在于文档处理，优化 PDF 转换流程能显著节省开支。