出品 | 網(wǎng)易智能

作者 | 小小

編輯 | 王鳳枝

有人一周狂燒2100億個(gè)Token，有人一個(gè)月為AI編程工具砸下15萬(wàn)美元。

如今，硅谷評(píng)價(jià)一個(gè)程序員牛不牛的標(biāo)準(zhǔn)，不再是代碼質(zhì)量、項(xiàng)目交付或團(tuán)隊(duì)貢獻(xiàn)，而是瘋狂比拼一個(gè)極其昂貴的技術(shù)指標(biāo)，Token消耗量。

一位OpenAI的工程師在一周內(nèi)通過(guò)公司的AI模型燒掉了2100億個(gè)Token（相當(dāng)于33個(gè)維基百科全部文本的總和），位居全公司第一。在另一家AI公司Anthropic，一名Claude Code用戶在一個(gè)月內(nèi)就產(chǎn)生了超過(guò)15萬(wàn)美元的賬單。

這種看似荒誕的攀比并非員工自?shī)首詷?lè)，而是源于老板們的瘋狂推崇。既然老板迷信AI能提效，瘋狂燒錢(qián)自然就成了員工保住飯碗的“表演”。在一些科技公司，內(nèi)部排行榜會(huì)實(shí)時(shí)公開(kāi)每位員工消耗的Token數(shù)量；而在Meta和Shopify等巨頭內(nèi)部，管理層甚至直接將AI工具的使用情況與績(jī)效評(píng)估強(qiáng)行掛鉤。

業(yè)內(nèi)將這種現(xiàn)象戲稱為“Tokenmaxxing（Token最大化）”。

但這筆天價(jià)賬單真的物有所值嗎？企業(yè)花重金買(mǎi)回來(lái)的，究竟是能顛覆行業(yè)的超級(jí)代碼，還是員工為了刷榜而讓AI瘋狂生成的電子垃圾？當(dāng)燒錢(qián)本身成了勤奮的證明，這場(chǎng)所謂的生產(chǎn)力革命或許只是一場(chǎng)自欺欺人的泡沫。

01 Token：AI時(shí)代的硬通貨

要理解這場(chǎng)競(jìng)賽的本質(zhì)，首先需要弄清楚Token究竟是什么。

Token是AI系統(tǒng)處理信息的最小計(jì)量單位，大致相當(dāng)于一個(gè)詞片段。當(dāng)用戶向AI模型輸入文本時(shí)，系統(tǒng)會(huì)將文字拆解為T(mén)oken進(jìn)行處理；當(dāng)模型生成回答時(shí)，同樣以Token為單位計(jì)算工作量。對(duì)于基于文本的AI應(yīng)用而言，生成750個(gè)單詞大約需要消耗1000個(gè)Token。

就在不久之前，即使是重度用戶，一天消耗數(shù)千個(gè)Token已屬極限。例如，一名學(xué)生借助AI完成一篇論文并經(jīng)過(guò)幾輪修改，大約用掉一萬(wàn)個(gè)Token（約合7500個(gè)單詞）。要消耗數(shù)百萬(wàn)個(gè)Token，需要一個(gè)人坐在電腦前連續(xù)敲擊鍵盤(pán)幾個(gè)小時(shí)，而消耗數(shù)十億個(gè)Token幾乎是不可能的。

然而，隨著所謂智能體編碼工具的問(wèn)世，籌碼被加大了。這類工具與傳統(tǒng)AI助手的本質(zhì)區(qū)別在于自主性。這些系統(tǒng)可以不受監(jiān)督地連續(xù)工作數(shù)小時(shí)，只需一個(gè)提示詞，就能審查和編輯龐大的代碼庫(kù)，甚至編寫(xiě)出完整的軟件程序。每個(gè)智能體可以生成成百上千個(gè)子智能體（subagents）來(lái)處理任務(wù)的不同部分，每一步操作都在生成數(shù)千個(gè)Token。一些AI系統(tǒng)（如流行的開(kāi)源AI助手OpenClaw）甚至被設(shè)計(jì)為24/7全天候運(yùn)行，在人類用戶睡覺(jué)時(shí)瘋狂消耗Token。

AI初創(chuàng)公司Mechanize的聯(lián)合創(chuàng)始人埃格·埃爾迪爾（Ege Erdil）透露：“如果你有幾個(gè)持續(xù)運(yùn)行的智能體，一個(gè)全職智能體一周就能消耗7億個(gè)Token。（我估計(jì)我自己每周的Token消耗量在10億到100億之間。）其實(shí)根本不需要費(fèi)什么力氣。”

當(dāng)Token成為衡量AI工作量的通用標(biāo)尺，它自然而然地演變?yōu)橐环N稀缺資源，甚至成為科技公司人才競(jìng)爭(zhēng)的新籌碼。英偉達(dá)CEO黃仁勛在今年GPU技術(shù)大會(huì)的主題演講中明確提出，他計(jì)劃在工程師年薪之外，額外提供相當(dāng)于年薪一半的Token預(yù)算。“這現(xiàn)在成了硅谷的招聘手段之一：我的工作附帶多少Token？”黃仁勛的這番話，將Token從技術(shù)概念推向了商業(yè)競(jìng)爭(zhēng)的前臺(tái)。

OpenAI旗下AI編碼服務(wù)Codex的工程負(fù)責(zé)人蒂博·索蒂奧（Thibault Sottiaux）也觀察到類似趨勢(shì)。他表示，在求職面試中，越來(lái)越多的人開(kāi)始詢問(wèn)他們能獲得多少專屬的推理計(jì)算資源。Token正在成為繼薪酬、獎(jiǎng)金、股權(quán)之后，科技人才爭(zhēng)奪中的第四大組成部分。

02排行榜上的榮耀與焦慮

在一些科技公司，Token消耗量已不再只是一個(gè)技術(shù)指標(biāo)，而是被賦予了強(qiáng)烈的社交屬性。在Meta和OpenAI等AI公司，員工們會(huì)在內(nèi)部排行榜上展開(kāi)競(jìng)爭(zhēng)，比拼的正是各自消耗的Token數(shù)量。排行榜成了新的業(yè)績(jī)展示板?？犊腡oken預(yù)算正成為程序員的一項(xiàng)工作福利，就像牙科保險(xiǎn)或免費(fèi)午餐一樣。

Shopify則是另一條路徑的代表。該公司在一份聲明中確認(rèn)，Token使用只是衡量績(jī)效的指標(biāo)之一，同時(shí)也會(huì)考察AI如何改進(jìn)和放大工作成果。該公司CEO托比·盧特克（Tobi Lütke）已將AI的使用設(shè)為一項(xiàng)基本期望，并直接與績(jī)效評(píng)估掛鉤，那些大量使用AI工具的員工會(huì)得到獎(jiǎng)勵(lì)，而使用較少或不使用的員工則會(huì)受到敲打。

這種氛圍催生了一種新的職場(chǎng)焦慮。風(fēng)險(xiǎn)投資家尼昆吉·科塔里（Nikunj Kothari）在他發(fā)表于Substack的文章中將其稱為“Token焦慮”。他觀察到，科技圈的對(duì)話主題正在悄然改變，過(guò)去人們見(jiàn)面時(shí)常問(wèn)“你在構(gòu)建什么？”，如今變成了“你跑了多少個(gè)智能體？”

為了在排行榜上占據(jù)一席之地，一些員工開(kāi)始采用極端策略。一些程序員掌握了AI多任務(wù)處理的藝術(shù)，同時(shí)打開(kāi)多個(gè)窗口，一次性將幾十個(gè)智能體釋放到他們的項(xiàng)目中。

更有甚者，利用訂閱套餐的漏洞，以遠(yuǎn)低于市場(chǎng)價(jià)的成本獲取大量Token額度。一位初創(chuàng)公司創(chuàng)始人透露，他發(fā)現(xiàn)設(shè)計(jì)初創(chuàng)公司Figma開(kāi)發(fā)的一款A(yù)I工具存在漏洞，通過(guò)每月20美元的賬戶，就能使用相當(dāng)于價(jià)值7萬(wàn)美元的Claude Token。他利用這個(gè)漏洞同時(shí)構(gòu)建了六個(gè)軟件項(xiàng)目，直到該功能在最近幾天開(kāi)始執(zhí)行AI額度限制。

這種現(xiàn)象在AI公司內(nèi)部也引發(fā)了反思。一位匿名OpenAI員工表示這似乎不可持續(xù)。

然而，沒(méi)有人愿意輕易停下腳步，因?yàn)檎l(shuí)也不愿成為那個(gè)在AI時(shí)代仍主要依靠手工編碼的人。正如科技通訊作者格爾蓋利·奧羅斯（Gergely Orosz）所言，在大型科技公司內(nèi)部，無(wú)論產(chǎn)出質(zhì)量如何，不以加速的步伐使用AI正成為一種職業(yè)風(fēng)險(xiǎn)。

這種文化在觀察者眼中已經(jīng)偏離了工程應(yīng)有的軌道。有網(wǎng)友評(píng)論稱，真正的工程追求效率，用最少的資源換取最優(yōu)的結(jié)果。而當(dāng)前這種攀比服務(wù)器賬單的行為，不過(guò)是將燒錢(qián)誤當(dāng)作生產(chǎn)力，企業(yè)若為草率的實(shí)驗(yàn)無(wú)節(jié)制地買(mǎi)單，終究會(huì)為此付出代價(jià)。

03 Token消耗：衡量的是努力還是成果？

員工比著用，老板樂(lè)得買(mǎi)單，看似雙贏。但這里隱藏著一個(gè)經(jīng)典的管理學(xué)難題，Token消耗量大，就一定意味著產(chǎn)出高嗎？

自動(dòng)化平臺(tái)制造商Zapier已經(jīng)開(kāi)始用一種新的儀表板追蹤員工的Token使用情況。其首席AI轉(zhuǎn)型官布蘭登·薩穆特（Brandon Sammut）表示，如果發(fā)現(xiàn)某個(gè)員工的Token用量是同伴的五倍，他們會(huì)感到好奇，這個(gè)人是效率極低，還是真正的超級(jí)明星？答案取決于這些Token究竟換回了什么。

Vercel公司提供了一個(gè)正面案例。一位高級(jí)工程師讓一組AI智能體在一周內(nèi)基于一篇研究論文，構(gòu)建了一套核心基礎(chǔ)設(shè)施的新服務(wù)。如果交由人類工程師完成，這項(xiàng)任務(wù)需要數(shù)周甚至數(shù)月。這份工作的賬單是1萬(wàn)美元左右。Vercel的CEO吉列爾莫·勞赫（Guillermo Rauch）認(rèn)為這筆投入非常值得，他表示這有點(diǎn)像給人們一根噴射燃料的消防水帶。他估計(jì)，花1萬(wàn)美元換回的一天工作量，可能為公司節(jié)省了數(shù)百萬(wàn)美元。

Kumo AI公司則從另一個(gè)角度看到了Token投入的價(jià)值。聯(lián)合創(chuàng)始人赫馬·拉加萬(wàn)（Hema Raghavan）透露，她手下優(yōu)秀的工程師使用AI智能體，就像擁有了一支初級(jí)助手大軍。有些工程師在周末滑雪時(shí)，他們的智能體仍在繼續(xù)執(zhí)行任務(wù)。更重要的是，拉加萬(wàn)發(fā)現(xiàn)，智能體有時(shí)能幫助編寫(xiě)出更優(yōu)的代碼，反而降低了公司的整體云成本。

然而，并非所有高消耗都能產(chǎn)生如此積極的回報(bào)。一些員工可能只是為了在排行榜上露臉，或者出于用了就是對(duì)的的簡(jiǎn)單邏輯，進(jìn)行了大量低效、重復(fù)甚至無(wú)意義的計(jì)算。有網(wǎng)友評(píng)論指出，這好比只看銷售人員撥打了多少通電話，卻不關(guān)心他最終完成了多少成交。如果企業(yè)不區(qū)分努力與成果，激勵(lì)機(jī)制就會(huì)導(dǎo)向表面忙碌而非實(shí)質(zhì)貢獻(xiàn)。

更有工程師分享了更精明的使用策略，將自然語(yǔ)言提示詞提煉為關(guān)鍵變量，而非將完整段落原封不動(dòng)地傳遞給模型。通過(guò)這種方式，Token使用量可以下降約99%，而效果仍能保留近九成。這位評(píng)論者直言：“Tokenmaxxing是在燒錢(qián)來(lái)假裝有生產(chǎn)力，語(yǔ)義效率才是真正的解鎖之道?！?/p>

《紐約時(shí)報(bào)》的凱文·魯斯（Kevin Roose）在采訪了多位重度用戶后，提出了一個(gè)更為嚴(yán)峻的質(zhì)疑，排行榜不衡量產(chǎn)出質(zhì)量，這引發(fā)了一個(gè)顯而易見(jiàn)的問(wèn)題：這些Token最大化者中，有人產(chǎn)出了好東西嗎？還是他們只是在原地打轉(zhuǎn)，拼命產(chǎn)出無(wú)用的代碼并浪費(fèi)寶貴的處理能力，僅僅為了讓自己看起來(lái)很忙？

04成本賬單：誰(shuí)來(lái)為“數(shù)字出勤主義”買(mǎi)單？

目前，Token的消耗成本大多由企業(yè)承擔(dān)。但隨著使用量的激增，這筆賬遲早要被認(rèn)真核算。

AI公司本身已經(jīng)從這股浪潮中獲益。Anthropic在今年前兩個(gè)月內(nèi)將其收入預(yù)測(cè)提高了一倍多，主要?dú)w功于智能體編碼工具的迅猛增長(zhǎng)。OpenAI的Codex工具，自年初以來(lái)每周活躍用戶增加了兩倍，以Token衡量的總體使用量增長(zhǎng)了五倍。谷歌去年曾表示，其AI模型每月處理超過(guò)1.3千萬(wàn)億個(gè)Token。

但對(duì)于使用這些工具的企業(yè)而言，Token成本的飆升是一個(gè)不容忽視的現(xiàn)實(shí)。有網(wǎng)友指出，目前市面上的AI訂閱服務(wù)，如Claude每月200美元的套餐，其實(shí)際資源消耗遠(yuǎn)超定價(jià)，背后是AI公司的高額補(bǔ)貼。一旦AI公司需要實(shí)現(xiàn)盈利而提高價(jià)格，或者企業(yè)轉(zhuǎn)向按使用量付費(fèi)的API模式，Token成本可能上漲數(shù)倍甚至更多。屆時(shí)，那些在排行榜上風(fēng)光無(wú)限的Token大戶，很可能迅速變成老板眼中的成本黑洞。

這種情況在云計(jì)算普及之初就曾上演。許多企業(yè)因上云成本失控而付出沉重代價(jià)，如資源閑置、配置過(guò)度、缺乏治理，最終導(dǎo)致賬單遠(yuǎn)超預(yù)期。

如今，Token成本正在成為新的云成本問(wèn)題。Exceeds AI創(chuàng)始人馬克·赫爾（Mark Hull）稱，他最近使用Claude Code開(kāi)發(fā)了三種工作流工具，總計(jì)約30萬(wàn)行代碼，Token成本約為2000美元。他決定讓公司全體員工都使用這個(gè)平臺(tái)，但48小時(shí)內(nèi)成本就急劇飆升，迫使他不得不設(shè)置使用限制。

Vercel的CEO吉列爾莫·勞赫也承認(rèn)，雖然目前Token消耗最多的員工也是表現(xiàn)最好的，但他并不否認(rèn)未來(lái)會(huì)出現(xiàn)濫用行為。他直言員工可能把這些Token用在了副業(yè)項(xiàng)目上，比如自己的初創(chuàng)公司、兼職賺外快或者任何事情上，肯定會(huì)有很多濫用的情況。

有評(píng)論將這種現(xiàn)象稱為數(shù)字出勤主義（digital presenteeism）在AI時(shí)代的翻版。過(guò)去，有人把外套掛在椅子上假裝在公司，有人在居家辦公時(shí)用物理鼠標(biāo)抖動(dòng)器（mouse jigglers）保持即時(shí)通訊工具在線，如今則用Token消耗量來(lái)證明自己的價(jià)值。只是這次，成本不再是免費(fèi)的演技，而是真金白銀。一旦企業(yè)開(kāi)始嚴(yán)格核算投入產(chǎn)出比，這些表演就會(huì)變得格外刺眼。

FinOps專家凱文·普羅科佩茨（Kevin Prokopetz）指出，不加管理的AI工具采用會(huì)導(dǎo)致大量Token被燒掉，卻對(duì)實(shí)際投資回報(bào)率毫無(wú)可見(jiàn)性。另一位評(píng)論者內(nèi)特·帕特爾（Nate Patel）說(shuō)得更為直白：“如果Token消耗不能與交付成果或節(jié)省的時(shí)間掛鉤，那就只是在燒錢(qián)?！?/p>

05回歸本源：究竟應(yīng)該衡量什么

問(wèn)題回到了管理學(xué)的原點(diǎn)。自彼得·德魯克（Peter Drucker）首次系統(tǒng)論述知識(shí)工作者的生產(chǎn)力以來(lái)，如何有效衡量產(chǎn)出就一直困擾著各類組織。人們總是傾向于衡量最容易計(jì)算的指標(biāo)，而非最有價(jià)值的指標(biāo)。過(guò)去是代碼行數(shù)、發(fā)送郵件數(shù)量、工作時(shí)長(zhǎng)，如今輪到了Token消耗量。

有評(píng)論引用古德哈特定律來(lái)剖析這一現(xiàn)象，當(dāng)一個(gè)指標(biāo)本身成為目標(biāo)時(shí)，它就不再是一個(gè)好指標(biāo)。Token排行榜正是如此，它驅(qū)使員工去攀比消耗量，而非追求真正的成果。

芝加哥大學(xué)布斯商學(xué)院的研究員布萊恩·賈巴里安（Brian Jabarian）稱，公司必須開(kāi)始衡量Token使用情況，但目的不是為了比較誰(shuí)用得多，而是為了看清投入產(chǎn)出。

他認(rèn)為每個(gè)人都以為只要使用AI Token生產(chǎn)力就會(huì)提高，然后事情就結(jié)束了，但現(xiàn)實(shí)要復(fù)雜得多。如果一家公司通過(guò)AI招聘節(jié)省了前期成本，但后期需要耗費(fèi)更多人力或Token去彌補(bǔ)錯(cuò)誤，那么整體就是虧損的。當(dāng)一家公司向50萬(wàn)名員工提供AI工具時(shí)，這些Token問(wèn)題就變成了首要問(wèn)題。

一些企業(yè)已經(jīng)開(kāi)始探索更精細(xì)化的管理方式。Zapier的薩穆特表示，他們會(huì)通過(guò)分析得出結(jié)論，判斷某種使用模式是值得在同事中推廣的金牌模式，還是需要通過(guò)指導(dǎo)來(lái)擺脫的反面模式。Exceeds AI的赫爾則建議，公司應(yīng)圍繞Token使用制定治理規(guī)則，例如對(duì)特定任務(wù)可以使用哪些模型設(shè)置限制，甚至可以借助AI本身來(lái)實(shí)現(xiàn)此類選擇的自動(dòng)化。

一位網(wǎng)友分享了他的評(píng)估標(biāo)準(zhǔn)，評(píng)價(jià)一個(gè)AI項(xiàng)目的價(jià)值，看的不是消耗了多少Token，而是每個(gè)Token創(chuàng)造了多少持久的價(jià)值。如果哪個(gè)管理者堅(jiān)持以Token消費(fèi)額為唯一考核標(biāo)準(zhǔn)，他會(huì)毫不猶豫地選擇離開(kāi)。

也許，我們需要的不是更多的Token，而是更聰明的使用方式。許多公司將最先進(jìn)的頂級(jí)模型用于所有場(chǎng)景，而許多工作流程中，使用成本更低的模型就足夠了。缺乏上下文緩存和糟糕的上下文管理，同樣是企業(yè)浪費(fèi)Token的重要原因。

還有人開(kāi)始探索讓AI更加節(jié)儉、更加自主，比如用更小規(guī)模的模型來(lái)完成特定任務(wù)。IBM的Granite 4系列模型，其3B和350M參數(shù)版本運(yùn)行成本僅為大型模型的一小部分，甚至可以在樹(shù)莓派等低功耗設(shè)備上運(yùn)行。

另一位評(píng)論者則從技術(shù)架構(gòu)的角度提出了更根本的思考。他認(rèn)為，真正的突破在于用結(jié)構(gòu)效率取代參數(shù)膨脹。用消耗數(shù)百億Token的蠻力來(lái)解決確定性邏輯問(wèn)題，就像開(kāi)著噴氣發(fā)動(dòng)機(jī)去酒吧，這是一種巨大的、毫無(wú)道理的能源浪費(fèi)。智能體AI的未來(lái)應(yīng)該是節(jié)儉的、自主的、確定性的，將剛性邏輯卸載給高效的求解器，而不是在軟件沙箱中無(wú)節(jié)制地生成數(shù)百個(gè)子智能體。

這些觀點(diǎn)指向了同一個(gè)方向：Token本身不是目的，而是手段。衡量Token消耗，最終是為了衡量它換回了什么。

結(jié)語(yǔ)

當(dāng)這股靠燃燒算力來(lái)“假裝努力”的歪風(fēng)刮遍硅谷，管理者們終將面臨一個(gè)極其冰冷的商業(yè)現(xiàn)實(shí)：在這場(chǎng)瘋狂的內(nèi)卷游戲里，還沒(méi)有真正的超級(jí)英雄。眼下唯一的絕對(duì)贏家，只有那些躲在幕后的算力供應(yīng)商。

不可否認(rèn)，今天這些瘋狂消耗額度的“Token成癮者”，或許在未來(lái)真能借此摸索出工具的潛能，進(jìn)化成傳說(shuō)中的百倍效率工程師。但這同樣可能只是一場(chǎng)昂貴的職場(chǎng)行為藝術(shù)。一旦企業(yè)重新審視“有效產(chǎn)出”的真正定義，這座用算力吹起的泡沫隨時(shí)會(huì)轟然倒塌。

無(wú)論這場(chǎng)荒誕的戲劇最終走向何種結(jié)局，有一點(diǎn)是確定的：未來(lái)的世界注定需要更龐大的數(shù)據(jù)中心。而當(dāng)大浪淘沙之后，真正能在競(jìng)賽中勝出的，絕不會(huì)是那些沉迷于排行榜數(shù)字的“刷榜機(jī)器”，而是那些懂得把每一個(gè)Token都轉(zhuǎn)化為實(shí)際業(yè)務(wù)價(jià)值的組織和人。

不過(guò)，在暢想這場(chǎng)生產(chǎn)力革命的最終勝利之前，最好先祈禱公司的財(cái)務(wù)負(fù)責(zé)人看到下個(gè)月的賬單時(shí)，還能保持情緒穩(wěn)定。