<div id="readability-page-1"><p>一场围绕 AI 使用量的竞赛正在科技行业内部引发激烈争议。工程师们竞相消耗尽可能多的 AI token，以证明自己对人工智能工具的拥抱程度，这一现象被称为&#34;tokenmaxxing&#34;。然而，随着这股风潮迅速蔓延，其背后的效率逻辑与潜在风险也同步暴露。</p> <p>据 The Information 最新报道，<strong>Meta 内部一名员工搭建了一个名为&#34;Claudeonomics&#34;的非官方排行榜，追踪员工的 token 消耗量</strong>，并设有&#34;Token Legend&#34;（Token 传奇）等荣誉称号。</p> <p>排行榜显示，排名最高的个人用户在 30 天内平均消耗了 2810 亿至 3285 亿个 token，<strong>按公开定价折算，费用可能接近 200 万美元。</strong>该排行榜在 The Information 报道发出后两天内即遭下线。Meta 方面表示，公司不主张将个人 token 数据作为评估绩效的主要方式。</p> <p>这一事件迅速点燃了科技圈的讨论。支持者认为 token 消耗量是衡量员工拥抱 AI 工具的有效信号，批评者则警告这一指标可能催生系统性造假行为，并给企业 IT 预算带来难以控制的风险。与此同时，据金融科技公司 Ramp 援引 Gartner 数据，过去一年企业月度 AI 支出已翻了四倍，tokenmaxxing 现象折射出的 AI 成本管控问题正成为 CFO 们的新难题。</p> <h2>Token：AI 时代的新 “货币”</h2> <p>要理解 tokenmaxxing，首先需要了解 token 的本质。大型语言模型将文字拆解为数值输入，每个 token 约相当于四分之三个英文单词。OpenAI 和 Anthropic 等 AI 公司的商业模式几乎完全建立在 token 计费之上——月度订阅用户有 token 使用上限，通过 API 接入的企业则按月度 token 用量付费。</p> <p>随着 Claude Code、Codex 等 AI 编程工具的普及，以及 OpenClaw 等全天候 AI 助手的兴起，企业 token 消耗量急剧攀升。Ramp 产品负责人兼创始工程师 Calvin Lee 表示，今年以来企业 AI token 支出已大幅跃升。Ramp 将这一现象称为企业的&#34;万亿美元盲区&#34;。</p> <p><strong>Token 也逐渐演变为一种身份象征。创始人和工程师们在 X 平台上晒出自己的 token 消耗数据，以彰显对 AI 的全力押注。</strong>Y Combinator CEO Garry Tan 公开表态：&#34;我们 tokenmaxxing 的时间比大多数人都长。&#34;英伟达 CEO 黄仁勋则在 All-In 播客上表示，如果一名年薪 50 万美元的工程师一年内消耗的 token 价值不足 25 万美元，他会&#34;深感警惕&#34;。</p> <h2>Meta“Claudeonomics”：一场迅速熄灭的竞赛</h2> <p>Meta 这场内部 token 竞赛的规模远超外界想象。在排行榜下线前，Meta 全公司 30 天内的 token 总消耗量已从 6.02 万亿攀升至 73.7 万亿。<strong>员工们为冲榜采取了各种手段：设计更长的提示词、并行运行多个 AI 代理，甚至部署会议转录机器人——因为谁开发了工具，谁的 token 消耗量就会相应增加。</strong></p> <p>据 The Information 援引多名 Meta 员工的说法，部分工程师还指示 AI 代理生成大量细碎的代码变更，这些变更对功能改善毫无意义，却能拉高 token 消耗统计。另有员工在内部论坛写道：&#34;我邀请大家粗略估算一下这背后的能耗，如果不是如此荒诞，真是令人痛心。&#34;</p> <p>Meta 发言人表示，公司通过内部 AI 系统 Checkpoint 追踪员工绩效时，token 使用量只是众多数据点之一，官方仪表盘 AI Insights 还包含代码相关指标及其他维度的洞察。但据 The Information，部分 Meta 员工认为公司在这一问题上发出了混乱的信号。</p> <h2>系统性造假：从 Meta 到亚马逊</h2> <p>tokenmaxxing 引发的&#34;刷数据&#34;行为并非 Meta 独有。据 The Information 援引知情人士，亚马逊电商部门去年底曾有一名经理要求团队更多使用 AI 编程工具，随后有工程师编写代码，使每次与 AI 编程工具 Cline 的对话看起来消耗了正常情况下 10 倍的 token，该团队因此跃升为亚马逊某部门 AI 使用量最高的团队之一。这一作弊手段在今年初被亚马逊系统修复后失效。亚马逊发言人表示，公司不设定也不鼓励此类目标。</p> <p><strong>Khosla Ventures 合伙人 Jon Chu 在 X 平台上将 token 消耗量作为考核指标的做法称为 “绝对愚蠢的政策”，</strong>并表示他在 Meta 的朋友告诉他，已有人专门搭建机器人循环运行以快速消耗 token。“The Pragmatic Engineer” 通讯作者 Gergely Orosz 则直言：&#34;开发者会对任何与奖金或晋升挂钩的目标进行钻营，这次也不例外。&#34;</p> <h2>企业界的另一条路：以结果而非消耗论英雄</h2> <p>面对 tokenmaxxing 的争议，科技行业之外的企业正在探索更务实的 AI 激励路径。</p> <p>执法设备制造商 Axon 为员工提供现金奖励，条件是团队超额完成年度路线图目标至少 15%。Axon 总裁 Josh Isner 表示，<strong>公司约 2000 名软件工程师今年有望整体超额完成目标 30%</strong>，主要得益于 AI 编程工具的使用，公司在 Claude Code 和 Cursor 上的支出预计将达到&#34;数千万美元&#34;量级。</p> <p>Isner 明确表示，以 token 消耗量评估员工不符合 Axon 的目标导向。“当你只是引入'尽可能多地使用这个工具，我们就付钱给你'这样的衡量标准时，风险越来越大，” 他说，&#34;你怎么知道自己得到了想要的结果？&#34;</p> <p>Box CEO Aaron Levie 则将 AI 带来的生产力预期收益直接纳入产品路线图的目标设定，员工能否达成这些更高目标将直接影响薪酬。Levie 表示，他不鼓励 tokenmaxxing，也不认为这一趋势会在硅谷以外的大型企业中广泛蔓延。</p> <h2>度量困境：token 是信号，但不是答案</h2> <p>争议的核心在于：token 消耗量究竟能衡量什么？</p> <p>Cursor 员工 Edwin Wee Arbus 将其比作 BMI 指数——&#34;有用的快速代理指标，但存在缺陷&#34;，能提供健康参考，却无法反映肌肉或骨密度。Persona 软件工程师 Arush Shankar 则表示：&#34;token 消耗始终是输出而非输入，值得关注，但绝不能孤立看待，它是一个信号，但不是唯一信号。&#34;</p> <p>Linear COO Cristina Cordova 的批评更为直接：&#34;按 token 消耗量给工程师排名，就像我按谁花钱最多来给营销团队排名一样。不要把高消耗率误认为高成功率。&#34;</p> <p>Ramp 的 Calvin Lee 指出，token 的价值高度依赖具体使用场景——一个陷入循环的邮件分类代理可能消耗大量 token 却毫无产出，而另一名工程师用更少的 token 修复了关键漏洞。更棘手的是，企业从 AI 模型提供商收到的 API 账单通常缺乏足够的颗粒度，难以追溯具体使用场景。为此，Ramp 推出了 AI Spend Intelligence 平台，帮助财务团队统一管理 API 和订阅数据，并按员工、产品或业务流程拆解 token 使用情况，设定预算上限。</p> <p>tokenmaxxing 的兴衰，折射出 AI 时代企业管理的深层困境：当一种全新的生产工具以前所未有的速度渗透工作流程，如何建立有效的激励机制而非制造新的&#34;内卷&#34;，仍是摆在每一家企业面前的未解之题。</p><p>风险提示及免责条款</p>           <p>市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。</p></div>

METW

“Tokenmaxxing” -- “Token 最大化主义” 席卷硅谷