作者 | 辰辰

编纂 | 王凤枝

AI用得更多了，活却没多干。

本周，亚马逊关关了一个叫"Kiro Rank"的内部排行榜。它按员工使用AI的活跃度打分排名。治理层的设法很单一：激励工程师多用AI。一线员工的反映也很单一：那就先把数字刷好看。

因而，AI智能体被派去跑没人必要的工作；明明几秒钟就能查到的文档，也要交给模型绕一圈；代码天生出来，回头又被删掉。

token烧了，排名涨了，真正的活没多干。

亚马逊高级副总裁戴夫·特雷德韦尔只好在内部喊停："别为了用AI而用AI。"

这件事最嘲讽的处地点于：亚马逊是全世界最舍得在AI上花钱的公司之一，今年预计本钱支出2000亿美元，大部门投向AI和数据中心？伤丝桃嵝炎约旱墓こ淌，别为了刷指标乱用AI。

不是AI没用，而是指标错了。一旦"用了几多"造成指标，KPI就肯定变美丽，账单也肯定变贵。

有网友在X上评论得言简意赅："AI本应代替人力或降低人力成本，了局它造成了一个比人类员工还贵的'超等员工'。"

一、排行榜一个接一个隐没了

亚马逊不是唯一踩刹车的。险些统一功夫，类似的事在硅谷大厂接连演出。

Meta内部有一个叫"Claudeonomics"的排行榜。用的是Anthropic的Claude模型，所以起了这么个名字。榜单统计85000多名员工的AI使用量，列出前250名"超等用户"。排在顶端的头衔叫"Token Legend"，token传奇。

听着像游戏段位。员工也的确把它当游戏打了。

《The Information》独家报路显示，Meta员工30天内亏损了60.2万亿个token。按Anthropic的API公开价值算，这笔账单约9亿美元。 即便大客户有折扣，守旧估计也在1亿美元以上。

一位Meta工程师暗里说，大量开发者在跑一种类似OpenClaw的内部智能体，疯狂烧token，产出险些为零。他还提到，一些线上变乱的根因被追忆到AI天生的代码。写代码的人似乎更关切堆出大量代码，而不是代码能不能跑。

排行榜顶端那些人，产出的器材根基都是"一次性垃圾"。 他的原话。

被媒体曝光后第二天，Meta偷偷下线了这个排行榜。

微软从今年1月就起头搞内部token排行榜。这个榜有个耐人寻味的特点：排名靠前的好多是VP级别和卓越工程师级此外人。平时开会多、写代码少，但token用量遥遥当先。

一位微软工程师认可自己在"tokenmaxxing"。不是由于想上榜，而是怕被看到token用得太少。他说：

"我们有内部仪表盘，追踪AI使用量、token亏损、AI写的代码占比。我不想被贴上'AI用得少'的标签。为了抬高数据，我会拿文德凤已经有的问题去问AI，让AI把文档处置一遍再回覆我，比直接查文档慢10倍，但能烧好多token。我还会让AI去原型化一些我底子不筹算做的职能，提醒几次之后把代码全删了。"

这位工程师入职不久，不安的是工作安全。逻辑很单一：宁肯多烧钱，也别在数据上显得不够"AI原生"。 今年5月，微软因token账单失控，被迫收回大部门Claude Code授权，把员工推回更便宜的Copilot。

Salesforce更直白。

公司做了一个Mac桌面幼工具，每15分钟刷新你的token破费，同时显示一个"最低预期支出"。上周的尺度：Claude Code每月至少100美元，Cursor每月至少70美元。没达标，就被象征。

还有一个工具能够查看任何同事的token支出。员工用来相互比力，精准找到那个"略高于均匀"的刻度，而后把自己的破费节造在那里。

一位Salesforce工程师说，有些同事的做法是让AI"助我做X"，而这个X跟手头工作毫无关系，纯正为了烧token，做完也不会上线。直到上周，部门团队索性取缔月度上限，理由是"解除开发流程中的摩擦"。

Uber的故事在功夫线上最有戏剧性。

去年12月，Uber给约5000名工程师配了Claude Code。今年2月使用率32%；3月到4月之间飙到84%到95%。70%的代码提交是AI天生的，11%的后端更新齐全不必要人为过问。

听着很严害。

而后Uber在4月就把整年AI预算烧光了。 每个工程师每月的API成本在500到2000美元之间。

Uber的COO安德鲁·麦克唐纳（Andrew Macdonald）最近在一档播客里说得很坦诚："当我们会商AI使用量时，那些标题数字会让你脑子炸掉。但你要问的是：出产力提升到底有几多？哪些产品是AI驱动的？这两者之间的联系，还没成立起来。"

平正地说，预算烧光也可能意味着AI的真实需要比预期更高。关键看多出来的破费换来了什么。但Uber的COO自己也认可，产出和破费之间的联系还没成立起来。

他还补了一句："目前还没有什么真正腾飞的器材。"

二、账本不会说谎

把上面的故事串起来，一个共同的问题浮出来了：AI到底替公司省了钱，还是多花了钱？

先看英伟达。英伟达深度进建钻研副总裁布莱恩·卡坦扎罗（Bryan Catanzaro）今年4月接受Axios采访时说了一句大口语：在他自己的团队里，AI推算成本已经远远超过员工工资总和。GPU和推理的支出，比人为成本还高。

把稳，说这话的人是英伟达的人。英伟达是卖GPU的。连他们自己都说，重度使用AI的团队面对推算成本远高于人力成本的现实。

再看行业数据。多份2026年的追踪汇报显示，Claude Code和Copilot宣传每月10到200美元的订阅费，但在重度智能体模式下，每个工程师每月的现实API成本跑到500到2000美元。 加上代码审查、技术债务、调试这些暗藏成本，一个AI辅助团队的总占有成本比纯人类团队逾越12%以上。

不只是编码辅助。更复杂的AI智能体项目成本更高。

Gartner预测，到2027年，40%的AI智能体项目会因成本超支被砍掉。德勤2026年的汇报发现，只有11%的公司真正把AI智能体部署到了出产环境。超过80%的项目因成本爆表而暂；蛉〉。 一个AI智能体的开发和运行总成本，往往从预期的5万美元飙到38万美元以上。

表表效能很高，现实上token亏损和持续守护很快就把预算撑破了。

这里引出一个170年前的经济学概想：杰文斯悖论。

经济学家杰文斯发现：蒸汽机效能提高后，煤炭亏损不只没削减，反而大幅增长。由于效能高了，使用门槛低了，用的人多了，总亏损反而更大。

AI token的情况如出一辙。单价在持续降落，但人均使用量的增长远远跑赢降价速度。尤其是AI智能体实现一个工作必要的token是通常问答的1000倍。OpenClaw的首创人彼得·斯坦伯格（Peter Steinberger）泄漏，他的团队一个月的token成本超过130万美元。

效能提升→使用量暴增→总成本不降反升。杰文斯悖论在AI时期的精确复现。

但当前大厂面对的问题比杰文斯悖论更糟。不只是总量在涨，涨出来的部门有大量是纯浪费。

一位IBM布景的技术观察者在X上评论："'AI取代你的工作'这个叙事撞上了一堵墙。微软发现AI比人力更贵。Uber四个月烧齐整年预算。若是AI比雇你更贵……之前的发急是不是过甚了？"

tokenmaxxing导致的浪费是一笔账，AI自身的成本结构是另一笔账。前者能够通过扭转激励方式解决；后者必要等技术降本。但当两笔账叠在一路，大厂看到的就是一个让CFO头疼的数字。

三、Shopify的分歧解法

是不是所有人都在踩统一个坑？不是。

也有团队用AI真正提了效。前提是它们从来没把"用量"当KPI。

Shopify是去年最早做token排行榜的公司，但蹊径跟前面几家不一样。工程掌管人法汉·塔瓦尔（Farhan Thawar）说，他们后来把"排行榜"改名叫"使用仪表盘"。"原因很显著，我们不想激励'竞争'上榜。"

他们还做了三件事。

一，装了"断路器"。某幼我的token破费一天内异常飙升，系统自动堵截接见。塔瓦尔说这个断路器不只助他们发现了失控智能体，还顺带揪出了一些基础设施的bug。

二，对高消费的人做人为跟进。不是表彰，而是问：你为什么花这么多？使用场景是什么？若是有报答了烧token而烧token，到这一步会很难看。

三，关注了一个更刁钻的指标：不看"谁花的总token最多"，而看"谁的token最贵"。他们发现，token单价最高的开发者，往往在做最有深度的活。 由于他们在用AI啃硬骨头，而不是刷单一工作。

Shopify的经验注明一件事：问题不在于用不用AI，而在于你盯着什么指标。盯着亏损量，得到的是浪费。盯着产出质量，得到的是效能。

有中文科技博主评论："真正的高手用AI是去解决痛点、省掉廉价致吠动，不是为了刷token而刷token。大厂此刻集体进入AI的'moment of truth'。Uber烧穿预算，亚马逊踩刹车，下一步可能就是更器重真实ROI，而不是表表的活跃度数据。"

四、统一个坑，换了个名字

X上一位开发者评论："扭曲的激励，必然助长经济上的低效。微软、Meta、亚马逊僵化的AI选取指标，在反噬成一场巨大的成本；。"

回头看这场"tokenmaxxing"闹剧，有一种强烈的既视感：这不就是昔时"代码行数"查核的翻版吗？

已经有一段功夫，好多公司用法式员每天写几多行代码来衡量产出。后来各人发现这事蠢透了。写一万行样板代码，不如写十行解决主题问题的逻辑。最优良的开发者往往不是写得最多的人，而是能最快最稳解决难题的人。

token数也一样。容易被把持，一旦列入查核就肯定会被把持。区别在于：把持代码行数的价值最多是浪费几张纸，把持token数的价值是真金白银的AI账单。

Pragmatic Engineer播客主持人杰尔吉·奥罗兹（Gergely Orosz）追踪多家大厂后下了判断：tokenmaxxing对AI厂商是功德，对其他所有人都是坏事。

为什么对AI厂商好？由于每一笔被浪费的token，城市造成AI公司的收入。

这也是为什么黄仁勋会在今年3月的英伟达开发者大会上对犹豫用AI的经理说"你疯了吗"，为什么他激励工程师每年亏损至少相当于自己半年薪水的token。

态度分歧，账的算法就分歧。

五、比"贵不贵"更重要的问题

把整件事拉远一点看。

亚马逊、Meta、微软、Salesforce、Uber，都在做统一件事：用排行榜、最低消费、KPI绑定，变着法子推员工"多用AI"。

背后的如果很单一：AI能代替人的一部门工作，多用就蹬宗多省人力成本。

这个如果在被现实打脸。

AI的确能做好多事。但它目前的成本结构，约有达到"比人便宜"的拐点。胁迫员工多用的了局，不是效能线性提升，而是大量"为了用而用"的浪费。就像亚马逊那位VP说的："别为了用AI而用AI。"

Uber的COO说得更直白：token亏损和现实产出之间，"联系还没成立起来"。

这不是说AI没用。而是说，衡量方式一路头就错了的话，越使劲推，离指标越远。

排行榜上烧token最猛的人，刚好是产出最低效的人。为了达标让AI跑无用工作的团队，刚好是亏损资源最多的团队。

问题的主题不在于AI技术够不够好，也不在于token够不够便宜。而在于：当一家公司把"AI使用率"自身当成指标，它得到的肯定是美丽的数据和糟糕的账本。

token价值还在持续降落。今天不划算的事，明年可能就划算了。但至少今天，大厂必要面对的现实是：AI还没便宜到能够轻易烧。

目前的答案：当你想用AI代替人的时辰，你可能要多付一笔钱。并且付了这笔钱之后，你得到的不是省下来的人力，而是一群忙着烧token、做无用功、相互攀比数据的人。

最后在干活和浪费的，还是人。

正如那位技术观察者的反问：若是AI比雇你还贵，之前的发急是不是过甚了？

亚马逊、Meta偷偷关掉排行榜，也就不难理解了。大厂在集体进入一轮"AI大算帐"。

账算不外来的时辰，数据再好看也没用。

真正用好AI的团队，从来不是盯着token数干活。他们想的是怎么用AI省掉廉价致吠动，而不是怎么让仪表盘上的数字更美丽。

这个区别，决定了AI到底是工具，还是一张越来越贵的账单。

　　张镇麟“飞天逃地”实现极致幼我表演

俄今年成功日阅兵为何连门炮都没有