<div id="readability-page-1"><p>一場圍繞 AI 使用量的競賽正在科技行業內部引發激烈爭議。工程師們競相消耗盡可能多的 AI token，以證明自己對人工智能工具的擁抱程度，這一現象被稱為&#34;tokenmaxxing&#34;。然而，隨着這股風潮迅速蔓延，其背後的效率邏輯與潛在風險也同步暴露。</p> <p>據 The Information 最新報道，<strong>Meta 內部一名員工搭建了一個名為&#34;Claudeonomics&#34;的非官方排行榜，追蹤員工的 token 消耗量</strong>，並設有&#34;Token Legend&#34;（Token 傳奇）等榮譽稱號。</p> <p>排行榜顯示，排名最高的個人用户在 30 天內平均消耗了 2810 億至 3285 億個 token，<strong>按公開定價折算，費用可能接近 200 萬美元。</strong>該排行榜在 The Information 報道發出後兩天內即遭下線。Meta 方面表示，公司不主張將個人 token 數據作為評估績效的主要方式。</p> <p>這一事件迅速點燃了科技圈的討論。支持者認為 token 消耗量是衡量員工擁抱 AI 工具的有效信號，批評者則警告這一指標可能催生系統性造假行為，並給企業 IT 預算帶來難以控制的風險。與此同時，據金融科技公司 Ramp 援引 Gartner 數據，過去一年企業月度 AI 支出已翻了四倍，tokenmaxxing 現象折射出的 AI 成本管控問題正成為 CFO 們的新難題。</p> <h2>Token：AI 時代的新 “貨幣”</h2> <p>要理解 tokenmaxxing，首先需要了解 token 的本質。大型語言模型將文字拆解為數值輸入，每個 token 約相當於四分之三個英文單詞。OpenAI 和 Anthropic 等 AI 公司的商業模式幾乎完全建立在 token 計費之上——月度訂閲用户有 token 使用上限，通過 API 接入的企業則按月度 token 用量付費。</p> <p>隨着 Claude Code、Codex 等 AI 編程工具的普及，以及 OpenClaw 等全天候 AI 助手的興起，企業 token 消耗量急劇攀升。Ramp 產品負責人兼創始工程師 Calvin Lee 表示，今年以來企業 AI token 支出已大幅躍升。Ramp 將這一現象稱為企業的&#34;萬億美元盲區&#34;。</p> <p><strong>Token 也逐漸演變為一種身份象徵。創始人和工程師們在 X 平台上曬出自己的 token 消耗數據，以彰顯對 AI 的全力押注。</strong>Y Combinator CEO Garry Tan 公開表態：&#34;我們 tokenmaxxing 的時間比大多數人都長。&#34;英偉達 CEO 黃仁勳則在 All-In 播客上表示，如果一名年薪 50 萬美元的工程師一年內消耗的 token 價值不足 25 萬美元，他會&#34;深感警惕&#34;。</p> <h2>Meta“Claudeonomics”：一場迅速熄滅的競賽</h2> <p>Meta 這場內部 token 競賽的規模遠超外界想象。在排行榜下線前，Meta 全公司 30 天內的 token 總消耗量已從 6.02 萬億攀升至 73.7 萬億。<strong>員工們為衝榜採取了各種手段：設計更長的提示詞、並行運行多個 AI 代理，甚至部署會議轉錄機器人——因為誰開發了工具，誰的 token 消耗量就會相應增加。</strong></p> <p>據 The Information 援引多名 Meta 員工的説法，部分工程師還指示 AI 代理生成大量細碎的代碼變更，這些變更對功能改善毫無意義，卻能拉高 token 消耗統計。另有員工在內部論壇寫道：&#34;我邀請大家粗略估算一下這背後的能耗，如果不是如此荒誕，真是令人痛心。&#34;</p> <p>Meta 發言人表示，公司通過內部 AI 系統 Checkpoint 追蹤員工績效時，token 使用量只是眾多數據點之一，官方儀表盤 AI Insights 還包含代碼相關指標及其他維度的洞察。但據 The Information，部分 Meta 員工認為公司在這一問題上發出了混亂的信號。</p> <h2>系統性造假：從 Meta 到亞馬遜</h2> <p>tokenmaxxing 引發的&#34;刷數據&#34;行為並非 Meta 獨有。據 The Information 援引知情人士，亞馬遜電商部門去年底曾有一名經理要求團隊更多使用 AI 編程工具，隨後有工程師編寫代碼，使每次與 AI 編程工具 Cline 的對話看起來消耗了正常情況下 10 倍的 token，該團隊因此躍升為亞馬遜某部門 AI 使用量最高的團隊之一。這一作弊手段在今年初被亞馬遜系統修復後失效。亞馬遜發言人表示，公司不設定也不鼓勵此類目標。</p> <p><strong>Khosla Ventures 合夥人 Jon Chu 在 X 平台上將 token 消耗量作為考核指標的做法稱為 “絕對愚蠢的政策”，</strong>並表示他在 Meta 的朋友告訴他，已有人專門搭建機器人循環運行以快速消耗 token。“The Pragmatic Engineer” 通訊作者 Gergely Orosz 則直言：&#34;開發者會對任何與獎金或晉升掛鈎的目標進行鑽營，這次也不例外。&#34;</p> <h2>企業界的另一條路：以結果而非消耗論英雄</h2> <p>面對 tokenmaxxing 的爭議，科技行業之外的企業正在探索更務實的 AI 激勵路徑。</p> <p>執法設備製造商 Axon 為員工提供現金獎勵，條件是團隊超額完成年度路線圖目標至少 15%。Axon 總裁 Josh Isner 表示，<strong>公司約 2000 名軟件工程師今年有望整體超額完成目標 30%</strong>，主要得益於 AI 編程工具的使用，公司在 Claude Code 和 Cursor 上的支出預計將達到&#34;數千萬美元&#34;量級。</p> <p>Isner 明確表示，以 token 消耗量評估員工不符合 Axon 的目標導向。“當你只是引入'儘可能多地使用這個工具，我們就付錢給你'這樣的衡量標準時，風險越來越大，” 他説，&#34;你怎麼知道自己得到了想要的結果？&#34;</p> <p>Box CEO Aaron Levie 則將 AI 帶來的生產力預期收益直接納入產品路線圖的目標設定，員工能否達成這些更高目標將直接影響薪酬。Levie 表示，他不鼓勵 tokenmaxxing，也不認為這一趨勢會在硅谷以外的大型企業中廣泛蔓延。</p> <h2>度量困境：token 是信號，但不是答案</h2> <p>爭議的核心在於：token 消耗量究竟能衡量什麼？</p> <p>Cursor 員工 Edwin Wee Arbus 將其比作 BMI 指數——&#34;有用的快速代理指標，但存在缺陷&#34;，能提供健康參考，卻無法反映肌肉或骨密度。Persona 軟件工程師 Arush Shankar 則表示：&#34;token 消耗始終是輸出而非輸入，值得關注，但絕不能孤立看待，它是一個信號，但不是唯一信號。&#34;</p> <p>Linear COO Cristina Cordova 的批評更為直接：&#34;按 token 消耗量給工程師排名，就像我按誰花錢最多來給營銷團隊排名一樣。不要把高消耗率誤認為高成功率。&#34;</p> <p>Ramp 的 Calvin Lee 指出，token 的價值高度依賴具體使用場景——一個陷入循環的郵件分類代理可能消耗大量 token 卻毫無產出，而另一名工程師用更少的 token 修復了關鍵漏洞。更棘手的是，企業從 AI 模型提供商收到的 API 賬單通常缺乏足夠的顆粒度，難以追溯具體使用場景。為此，Ramp 推出了 AI Spend Intelligence 平台，幫助財務團隊統一管理 API 和訂閲數據，並按員工、產品或業務流程拆解 token 使用情況，設定預算上限。</p> <p>tokenmaxxing 的興衰，折射出 AI 時代企業管理的深層困境：當一種全新的生產工具以前所未有的速度滲透工作流程，如何建立有效的激勵機制而非製造新的&#34;內卷&#34;，仍是擺在每一家企業面前的未解之題。</p><p>風險提示及免責條款</p>           <p>市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。</p></div>

METW

“Tokenmaxxing” -- “Token 最大化主義” 席捲硅谷