起源：10岁男孩分享想书的意思作者： 陈东奇：

30天烧掉60万亿
，扎克伯格没进前250：大厂AI沦为KPI游戏

新智元报路

【新智元导读】亚马逊给员工的AI工具装了计量器
，官方说不查核
，经理盯着排行榜不放。Meta内部榜单30天烧掉60万亿token
，扎克伯格没进前250。然而Jellyfish数据打脸：刷10倍token
，产出只多了1倍。谁在为这场怪诞游戏火上加油？

硅谷大厂
，起头盛行用token摸鱼了？

英国《金融时报》近日报路
，亚马逊的一些员工
，正坐在工位上让一个叫MeshClaw的内部AI工具
，跑那些底子没必要的工作。

他们不是在搞尝试
，也不是赶项目
，而是在刷token。

MeshClaw能发邮件、处置Slack、部署代码
，是一个真正能够「代劳」的AI智能体。据报路
，亚马逊还给它配了一张内部排行榜
，实时追踪每位员工的token亏损量
，指标是超过80%的开发者每周都在用AI。

3名知恋人士泄漏
，部门员工随即找到了新的生政战术：用MeshClaw跑没有必要的工作
，专门为了拉高榜单上的数字。

在硅谷
，这个行为有了专属名词：tokenmaxxing（疯狂刷AI用量）。

亚马逊说token数据不用于绩效评估。但据报路
，多名员工并不相信
，有人直言感触到「很大压力」
，并且不只是要用AI
，还要用得「最多」。

亚马逊不是唯逐一家。Meta内部排行榜「Claudeonomics」（Claude经济学）从前一个月烧了60万亿token
，扎克伯格自己都没排进前250。

这是2026年5月
，全球最有钱的几家公司同时进入了一种新的工作状态。大厂AI起头沦为一种KPI游戏。

Jassy的备忘录

员工读出了另一层意思

MeshClaw是亚马逊给员工的AI入口
，它背后接的是Claude。

亚马逊推AI的力杜仔木懿见。据报路
，公司设定了一个内部指标：超过80%的开发者每周必须用上AI工具
，并配套上线了内部排行榜
，追踪每幼我的token亏损量。

初衷当然是好的
，但一到员工手里就变形了。问题也不全在员工这里
，token焦虑的源头其实还在公司最高层。

2025年6月
，亚马逊CEO Andy Jassy向整个员工发出了一封公开备忘录
，直接建议员工「只有有机遇
，就去使用和尝试AI」。他还写路
，那些拥抱AI转变的人
，将「处于更有利的地位
，产生高影响力」。

https://www.aboutamazon.com/news/company-news/amazon-ceo-andy-jassy-on-generative-ai

Jassy的备忘录中
，「对AI维持好奇……只有有机遇就用AI、试AI」这句话被员工读出了另一层意思：tokenmaxxing。

Jassy在备忘录中将「拥抱AI」与「产生高影响力」直接挂钩
，让每一个通常员工陷入一种token焦虑：我此刻的AI使用量
，够不够？

更关键的是
，Jassy还在统一封备忘录里写明：将来几年
，随着在公司领域内宽泛使用AI
，亚马逊预计企业员工规模将降落。

亚马逊官方暗示token数据不会用于绩效评估
，但据员工泄漏
，经理依然在盯着排行榜。在这种氛围不言而喻：谁的token用得多
，谁就更安全。

因而
，正本不必要AI的活儿
，也要丢给AI跑一遍
，为的就是让榜单上的数字好看。

这正是互联网OKR系统下经典的反向打卡
，员工在跟一个量化指标博弈。

Meta 更离谱
，CTO 亲自喊「刷」

Meta
，在统一周也被《The Information》曝光了内部AI排行榜。

一位叫Ash Bhat的员工独立搭了个名为「Claudeonomics」的工具
，该仪表盘追踪约8.5万名员工的token使用量
，并以排行榜大局展示
，30天累计亏损60万亿token
，单个顶级用户烧了2810亿token。

有趣的是
，扎克伯格自己没进前250
，CTO Andrew Bosworth也没进。

排行榜被媒体报路之后
，作者自动把它下线了。但Bosworth随即在Forbes上公开站台：公司最优良的工程师
，花掉相当于自己一年工资的token
，效能却提升了5到10倍。「这就像白送钱
，持续刷
，不设上限。」

无论是员工被迫
，还是CTO至心激励
，亚马逊和Meta这两家全球最有钱的公司
，都已经把tokenmaxxing造成了一衷祗业文化。

也不只这些驰名大厂
，企业AI平台公司Writer的CEO May Habib在接受《华尔街日报》采访时
，婉转认可了三件事：token是能够被「刷」的指标
，员工会用公司平台做个人项目
，并非每一个token都在创造贸易价值。

这些她全知路
，但她的态度依然是要推：

一旦你起头推算单个智能体行为的投资回报率
，你就始终不会真正用起来了。

Writer内部排行榜的月度冠军亏损量靠近110亿token
，亚军超过60亿。Habib公开暗示自己在盯着这张榜看。

红杉本钱合资人Sonya Huang更是直言：「我们都应该tokenmaxxing。」

Huang说
，排行榜是个不美满的指标
，她认可
，「但对你的公司来说真正重要的问题是：我的员工有没有彻底转造成AI原居民？要做到这一点
，你必要让他们进入这种tokenmaxxing的状态。」

所以争论的性质并非「榜单好不好」
，而是在什么规模和阶段、对谁有效。

对Writer这样几十人的草创
，CEO亲自盯榜点名表彰
，那是文化信号
，成效直接。

对Jellyfish追踪的12000名开发者
，token榜造成了一个各人都知路在玩、但都不愿明说的游戏。

而亚马逊罕见十万名员工
，游戏的规模齐全分歧
，副作用也齐全分歧。

只换来2倍产出

很快
，就罕见据来打脸这种token榜单的刷榜行为。

工程智能公司Jellyfish对12000名开发者、200家企业的Q1 2026数据做了分析。

他们得出一个扎心数据：

最高使用层的开发者在每个PR上亏损的token约为中位数的10倍
，但PR吞吐量只达到约2倍左右。

烧了10倍的油
，只跑了2倍的路。

Jellyfish数据：token用量最高组产出是最低组的2.8倍
，但每PR亏损token相差近千倍。烧更多token
，换来的产出远不成比例。

成本数字则更是刺眼。

Jellyfish用Claude API公开定价做了估算：中位数开发者每月在AI编程上花约52美元；到了90百分位的高用量用户
，这个数字跳到691美元。

每条PR的token成本
，从最低用量层的0.28美元
，直接飙升到最高用量层的89.32美元。

统一项工作
，有人花了0.28美元实现
，有人花了89美元
，并且后者做出来的也并没有好几多。

Jellyfish的AI钻研掌管人Nicholas Arcolano直言：「CFO已经起头追责了？突г敢馕狝I花钱
，但不能不拿出掌管任破费的证明。」

他还举了一个看似高效、实则怪诞的例子：

我让五个AI智能体各自做一个版本
，而后挑最好的。大量工作被抛掉？赡苷迳匣故潜热俗霰阋
，但比直接做一次贵多了。

工程分析平台Faros.ai上关于22000名开发者的数据
，刚好补上了故事的另一半。

AI工具的确让代码产出提速了：工作实现量上升34%
，齐全职能？椋╡pic）交付量上升66%。但同期
，每位开发者的bug数量增长了54%
，代码审查功夫升至约5倍
，代码返工率（code churn
，即删除行与新增行之比）在高AI选取环境下上升了惊人的861%。

指标在飞涨
，效能却并没有跟上。

这就是经济学里驰名的Goodhart定律在现实中的一个样本：当一个衡量指标造成了指标
，它就不再是靠得住的衡量指标了。

token亏损量造成KPI的那一刻
，它就失去了作为效能代理指标的意思。

D.A. Davidson的科技钻研主管Gil Luria对Fortune暗示：「你设计什么激励
，就会得到什么行为。你通知人们多用某种资源就能成功
，他们当然会多用……这看起来不太健全。」

每刷一个token

都在给本钱背书

跳开token使用者的视角
，还有一层逻辑值妥贴心。

亚马逊、微软、谷歌、Meta这四家超大规模云厂商
，2026年的归并本钱开支已经逼近7000亿美元
，部门华尔街机构预测2027年将突破1万亿美元。

这是人类汗青上单一技术方向上最大规模的一次集体押注。

这笔钱当然要有个说法
，这也是投资者要问的第一个问题：钱花在了哪里
，需要是真实的吗？

今年4月
，Anthropic颁发扩大与亚马逊的合作
，承诺将来十年向AWS技术投入超过1000亿美元
，用于训练和运行Claude。

目前
，超过10万家企业客户通过Amazon Bedrock运行Claude。Anthropic的年化营收已超过300亿美元
，从2025年底的约90亿美元急剧增长。

2026年4月
，Anthropic颁发扩大与亚马逊合作
，承诺十年向AWS投入逾1000亿美元。

在这个结构里
，亚马逊既是Anthropic的最大投资者
，也是其最重要的云基础设施提供商
，还是Claude最大的企业分发渠路之一。

Luria将这种关系称作：「循环活动（circular activity）」。

统一批大公司投资了AI的上游供给商
，把算力卖给表部客户
，同时也在内部疯狂亏损自己的算力。内部token使用量的增长
，既是员工被推着用的了局
，也在客观上成为「AI基建投资物有所值」的佐证。

从这个角度来说
，员工刷的每一个token
，都在给本钱开支的合理性背书。

Arcolano给出了他以为正确的蹊径：不要钻营少数人的极限用量
，要把更多人推到曲线的中央地带。

宽泛、适度、持续的AI选取
，比少数人的极端亏损更划算
，也更可持续。他建议治理者换一个指标：别看token总量
，看每条PR亏损了几多token。

Arcolano提到的是一种精密化视角
，但本钱叙事往往是更为粗放的。

我们正处在这样一个奇怪时刻：AI工具确切实提升出产力
，数据已经证了然这一点；但萦绕AI使用率成立的激励系统
，在以难以觉察的方式
，扭曲这所有。

Goodhart定律在上个世纪就有人提出了
，但每一次技术刷新
，每隔一段功夫
，它就会找到一种新的阐发大局
，这一次的主角是token。

参考资料：

https://fortune.com/2026/05/12/amazon-tokenmaxxing-claude-ai-capex-meta-gil-luria/%20

https://www.ft.com/content/8ee0d3ef-9548-422d-8ff1-ebd48ad4b2ca%20

https://www.businessinsider.com/ai-tokenmaxxing-fails-as-productivity-strategy-jellyfish-2026-5%20

https://jellyfish.co/blog/is-tokenmaxxing-cost-effective-new-data-from-jellyfish-explains/%20

https://www.faros.ai/blog/tokenmaxxing

编纂：元宇