出品 | 網(wǎng)易智能

作者 | 辰辰

編輯 | 王鳳枝

AI用得更多了，活卻沒(méi)多干。

本周，亞馬遜關(guān)閉了一個(gè)叫"Kiro Rank"的內(nèi)部排行榜。它按員工使用AI的活躍度打分排名。管理層的想法很簡(jiǎn)單：鼓勵(lì)工程師多用AI。一線員工的反應(yīng)也很簡(jiǎn)單：那就先把數(shù)字刷好看。

于是，AI智能體被派去跑沒(méi)人需要的任務(wù)；明明幾秒鐘就能查到的文檔，也要交給模型繞一圈；代碼生成出來(lái)，轉(zhuǎn)頭又被刪掉。

token燒了，排名漲了，真正的活沒(méi)多干。

亞馬遜高級(jí)副總裁戴夫·特雷德韋爾只好在內(nèi)部喊停："別為了用AI而用AI。"

這件事最諷刺的地方在于：亞馬遜是全世界最舍得在AI上花錢的公司之一，今年預(yù)計(jì)資本支出2000億美元，大部分投向AI和數(shù)據(jù)中心?？伤F(xiàn)在要提醒自己的工程師，別為了刷指標(biāo)亂用AI。

不是AI沒(méi)用，而是指標(biāo)錯(cuò)了。一旦"用了多少"變成目標(biāo)，KPI就一定變漂亮，賬單也一定變貴。

有網(wǎng)友在X上評(píng)論得一針見血："AI本應(yīng)替代人力或降低人力成本，結(jié)果它變成了一個(gè)比人類員工還貴的'超級(jí)員工'。"

排行榜一個(gè)接一個(gè)消失了

亞馬遜不是唯一踩剎車的。幾乎同一時(shí)間，類似的事在硅谷大廠接連上演。

Meta內(nèi)部有一個(gè)叫"Claudeonomics"的排行榜。用的是Anthropic的Claude模型，所以起了這么個(gè)名字。榜單統(tǒng)計(jì)85000多名員工的AI使用量，列出前250名"超級(jí)用戶"。排在頂端的頭銜叫"Token Legend"，token傳奇。

聽著像游戲段位。員工也確實(shí)把它當(dāng)游戲打了。

《The Information》獨(dú)家報(bào)道顯示，Meta員工30天內(nèi)消耗了60.2萬(wàn)億個(gè)token。按Anthropic的API公開價(jià)格算，這筆賬單約9億美元。 即使大客戶有折扣，保守估計(jì)也在1億美元以上。

一位Meta工程師私下說(shuō)，大量開發(fā)者在跑一種類似OpenClaw的內(nèi)部智能體，瘋狂燒token，產(chǎn)出幾乎為零。他還提到，一些線上事故的根因被追溯到AI生成的代碼。寫代碼的人似乎更關(guān)心堆出大量代碼，而不是代碼能不能跑。

排行榜頂端那些人，產(chǎn)出的東西基本都是"一次性垃圾"。 他的原話被媒體曝光后第二天，Meta悄悄下線了這個(gè)排行榜。

微軟從今年1月就開始搞內(nèi)部token排行榜。這個(gè)榜有個(gè)耐人尋味的特點(diǎn)：排名靠前的很多是VP級(jí)別和杰出工程師級(jí)別的人。平時(shí)開會(huì)多、寫代碼少，但token用量遙遙領(lǐng)先。

一位微軟工程師承認(rèn)自己在"tokenmaxxing"。不是因?yàn)橄肷习?，而是怕被看到token用得太少。他說(shuō)：

"我們有內(nèi)部?jī)x表盤，追蹤AI使用量、token消耗、AI寫的代碼占比。我不想被貼上'AI用得少'的標(biāo)簽。為了抬高數(shù)據(jù)，我會(huì)拿文檔里已經(jīng)有的問(wèn)題去問(wèn)AI，讓AI把文檔處理一遍再回答我，比直接查文檔慢10倍，但能燒很多token。我還會(huì)讓AI去原型化一些我根本不打算做的功能，提示幾次之后把代碼全刪了。"

這位工程師入職不久，擔(dān)心的是工作安全。邏輯很簡(jiǎn)單：寧可多燒錢，也別在數(shù)據(jù)上顯得不夠"AI原生"。 今年5月，微軟因token賬單失控，被迫收回大部分Claude Code授權(quán)，把員工推回更便宜的Copilot。

Salesforce更直白。

公司做了一個(gè)Mac桌面小工具，每15分鐘刷新你的token花費(fèi)，同時(shí)顯示一個(gè)"最低預(yù)期支出"。上周的標(biāo)準(zhǔn)：Claude Code每月至少100美元，Cursor每月至少70美元。沒(méi)達(dá)標(biāo)，就被標(biāo)記。

還有一個(gè)工具可以查看任何同事的token支出。員工用來(lái)互相比較，精準(zhǔn)找到那個(gè)"略高于平均"的刻度，然后把自己的花費(fèi)控制在那里。

一位Salesforce工程師說(shuō)，有些同事的做法是讓AI"幫我做X"，而這個(gè)X跟手頭工作毫無(wú)關(guān)系，純粹為了燒token，做完也不會(huì)上線。直到上周，部分團(tuán)隊(duì)干脆取消月度上限，理由是"消除開發(fā)流程中的摩擦"。

Uber的故事在時(shí)間線上最有戲劇性。

去年12月，Uber給約5000名工程師配了Claude Code。今年2月使用率32%；3月到4月之間飆到84%到95%。70%的代碼提交是AI生成的，11%的后端更新完全不需要人工干預(yù)。

聽著很厲害。

然后Uber在4月就把全年AI預(yù)算燒光了。 每個(gè)工程師每月的API成本在500到2000美元之間。

Uber的COO安德魯·麥克唐納（Andrew Macdonald）最近在一檔播客里說(shuō)得很坦誠(chéng)："當(dāng)我們討論AI使用量時(shí)，那些標(biāo)題數(shù)字會(huì)讓你腦子炸掉。但你要問(wèn)的是：生產(chǎn)力提升到底有多少？哪些產(chǎn)品是AI驅(qū)動(dòng)的？這兩者之間的聯(lián)系，還沒(méi)建立起來(lái)。"

公平地說(shuō)，預(yù)算燒光也可能意味著AI的真實(shí)需求比預(yù)期更高。關(guān)鍵看多出來(lái)的花費(fèi)換來(lái)了什么。但Uber的COO自己也承認(rèn)，產(chǎn)出和花費(fèi)之間的聯(lián)系還沒(méi)建立起來(lái)。

他還補(bǔ)了一句："目前還沒(méi)有什么真正起飛的東西。"

賬本不會(huì)說(shuō)謊

把上面的故事串起來(lái)，一個(gè)共同的問(wèn)題浮出來(lái)了：AI到底替公司省了錢，還是多花了錢？

先看英偉達(dá)。英偉達(dá)深度學(xué)習(xí)研究副總裁布萊恩·卡坦扎羅（Bryan Catanzaro）今年4月接受Axios采訪時(shí)說(shuō)了一句大白話：在他自己的團(tuán)隊(duì)里，AI計(jì)算成本已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)員工工資總和。GPU和推理的支出，比人工成本還高。

注意，說(shuō)這話的人是英偉達(dá)的人。英偉達(dá)是賣GPU的。連他們自己都說(shuō)，重度使用AI的團(tuán)隊(duì)面臨計(jì)算成本遠(yuǎn)高于人力成本的現(xiàn)實(shí)。

再看行業(yè)數(shù)據(jù)。多份2026年的追蹤報(bào)告顯示，Claude Code和Copilot宣傳每月10到200美元的訂閱費(fèi)，但在重度智能體模式下，每個(gè)工程師每月的實(shí)際API成本跑到500到2000美元。 加上代碼審查、技術(shù)債務(wù)、調(diào)試這些隱藏成本，一個(gè)AI輔助團(tuán)隊(duì)的總擁有成本比純?nèi)祟悎F(tuán)隊(duì)高出12%以上。

不只是編碼輔助。更復(fù)雜的AI智能體項(xiàng)目成本更高。

Gartner預(yù)測(cè)，到2027年，40%的AI智能體項(xiàng)目會(huì)因成本超支被砍掉。德勤2026年的報(bào)告發(fā)現(xiàn)，只有11%的公司真正把AI智能體部署到了生產(chǎn)環(huán)境。超過(guò)80%的項(xiàng)目因成本爆表而暫停或取消。 一個(gè)AI智能體的開發(fā)和運(yùn)行總成本，往往從預(yù)期的5萬(wàn)美元飆到38萬(wàn)美元以上。

表面效率很高，實(shí)際上token消耗和持續(xù)維護(hù)很快就把預(yù)算撐破了。

這里引出一個(gè)170年前的經(jīng)濟(jì)學(xué)概念：杰文斯悖論。

經(jīng)濟(jì)學(xué)家杰文斯發(fā)現(xiàn)：蒸汽機(jī)效率提高后，煤炭消耗不但沒(méi)減少，反而大幅增加。因?yàn)樾矢吡耍褂瞄T檻低了，用的人多了，總消耗反而更大。

AI token的情況一模一樣。單價(jià)在持續(xù)下降，但人均使用量的增長(zhǎng)遠(yuǎn)遠(yuǎn)跑贏降價(jià)速度。尤其是AI智能體完成一個(gè)任務(wù)需要的token是普通問(wèn)答的1000倍。OpenClaw的創(chuàng)始人彼得·斯坦伯格（Peter Steinberger）透露，他的團(tuán)隊(duì)一個(gè)月的token成本超過(guò)130萬(wàn)美元。

效率提升→使用量暴增→總成本不降反升。杰文斯悖論在AI時(shí)代的精確復(fù)現(xiàn)。

但當(dāng)前大廠面對(duì)的問(wèn)題比杰文斯悖論更糟。不只是總量在漲，漲出來(lái)的部分有大量是純浪費(fèi)。

一位IBM背景的技術(shù)觀察者在X上評(píng)論："'AI取代你的工作'這個(gè)敘事撞上了一堵墻。微軟發(fā)現(xiàn)AI比人力更貴。Uber四個(gè)月燒完全年預(yù)算。如果AI比雇你更貴……之前的恐慌是不是過(guò)頭了？"

tokenmaxxing導(dǎo)致的浪費(fèi)是一筆賬，AI本身的成本結(jié)構(gòu)是另一筆賬。前者可以通過(guò)改變激勵(lì)方式解決；后者需要等技術(shù)降本。但當(dāng)兩筆賬疊在一起，大廠看到的就是一個(gè)讓CFO頭疼的數(shù)字。

Shopify的不同解法

是不是所有人都在踩同一個(gè)坑？不是。

也有團(tuán)隊(duì)用AI真正提了效。前提是它們從來(lái)沒(méi)把"用量"當(dāng)KPI。

Shopify是去年最早做token排行榜的公司，但路徑跟前面幾家不一樣。工程負(fù)責(zé)人法漢·塔瓦爾（Farhan Thawar）說(shuō)，他們后來(lái)把"排行榜"改名叫"使用儀表盤"。"原因很明顯，我們不想鼓勵(lì)'競(jìng)爭(zhēng)'上榜。"

他們還做了三件事。

一，裝了"斷路器"。某個(gè)人的token花費(fèi)一天內(nèi)異常飆升，系統(tǒng)自動(dòng)切斷訪問(wèn)。塔瓦爾說(shuō)這個(gè)斷路器不只幫他們發(fā)現(xiàn)了失控智能體，還順帶揪出了一些基礎(chǔ)設(shè)施的bug。

二，對(duì)高消費(fèi)的人做人工跟進(jìn)。不是表?yè)P(yáng)，而是問(wèn)：你為什么花這么多？使用場(chǎng)景是什么？如果有人為了燒token而燒token，到這一步會(huì)很難看。

三，關(guān)注了一個(gè)更刁鉆的指標(biāo)：不看"誰(shuí)花的總token最多"，而看"誰(shuí)的token最貴"。他們發(fā)現(xiàn)，token單價(jià)最高的開發(fā)者，往往在做最有深度的活。 因?yàn)樗麄冊(cè)谟肁I啃硬骨頭，而不是刷簡(jiǎn)單任務(wù)。

Shopify的經(jīng)驗(yàn)說(shuō)明一件事：?jiǎn)栴}不在于用不用AI，而在于你盯著什么指標(biāo)。盯著消耗量，得到的是浪費(fèi)。盯著產(chǎn)出質(zhì)量，得到的是效率。

有中文科技博主評(píng)論："真正的高手用AI是去解決痛點(diǎn)、省掉低價(jià)值勞動(dòng)，不是為了刷token而刷token。大廠現(xiàn)在集體進(jìn)入AI的'moment of truth'。Uber燒穿預(yù)算，亞馬遜踩剎車，下一步可能就是更重視真實(shí)ROI，而不是表面的活躍度數(shù)據(jù)。"

同一個(gè)坑，換了個(gè)名字

X上一位開發(fā)者評(píng)論："扭曲的激勵(lì)，必然滋生經(jīng)濟(jì)上的低效。微軟、Meta、亞馬遜僵化的AI采用指標(biāo)，正在反噬成一場(chǎng)巨大的成本危機(jī)。"

回頭看這場(chǎng)"tokenmaxxing"鬧劇，有一種強(qiáng)烈的既視感：這不就是當(dāng)年"代碼行數(shù)"考核的翻版嗎？

曾經(jīng)有一段時(shí)間，很多公司用程序員每天寫多少行代碼來(lái)衡量產(chǎn)出。后來(lái)大家發(fā)現(xiàn)這事蠢透了。寫一萬(wàn)行樣板代碼，不如寫十行解決核心問(wèn)題的邏輯。最優(yōu)秀的開發(fā)者往往不是寫得最多的人，而是能最快最穩(wěn)解決難題的人。

token數(shù)也一樣。容易被操縱，一旦列入考核就一定會(huì)被操縱。區(qū)別在于：操縱代碼行數(shù)的代價(jià)最多是浪費(fèi)幾張紙，操縱token數(shù)的代價(jià)是真金白銀的AI賬單。

Pragmatic Engineer播客主持人杰爾吉·奧羅茲（Gergely Orosz）追蹤多家大廠后下了判斷：tokenmaxxing對(duì)AI廠商是好事，對(duì)其他所有人都是壞事。

為什么對(duì)AI廠商好？因?yàn)槊恳还P被浪費(fèi)的token，都會(huì)變成AI公司的收入。

這也是為什么黃仁勛會(huì)在今年3月的英偉達(dá)開發(fā)者大會(huì)上對(duì)猶豫用AI的經(jīng)理說(shuō)"你瘋了嗎"，為什么他鼓勵(lì)工程師每年消耗至少相當(dāng)于自己半年薪水的token。

立場(chǎng)不同，賬的算法就不同。

比"貴不貴"更重要的問(wèn)題

把整件事拉遠(yuǎn)一點(diǎn)看。

亞馬遜、Meta、微軟、Salesforce、Uber，都在做同一件事：用排行榜、最低消費(fèi)、KPI綁定，變著法子推員工"多用AI"。

背后的假設(shè)很簡(jiǎn)單：AI能替代人的一部分工作，多用就等于多省人力成本。

這個(gè)假設(shè)正在被現(xiàn)實(shí)打臉。

AI確實(shí)能做很多事。但它目前的成本結(jié)構(gòu)，遠(yuǎn)沒(méi)有達(dá)到"比人便宜"的拐點(diǎn)。強(qiáng)迫員工多用的結(jié)果，不是效率線性提升，而是大量"為了用而用"的浪費(fèi)。就像亞馬遜那位VP說(shuō)的："別為了用AI而用AI。"

Uber的COO說(shuō)得更直白：token消耗和實(shí)際產(chǎn)出之間，"聯(lián)系還沒(méi)建立起來(lái)"。

這不是說(shuō)AI沒(méi)用。而是說(shuō)，衡量方式一開始就錯(cuò)了的話，越用力推，離目標(biāo)越遠(yuǎn)。

排行榜上燒token最猛的人，恰恰是產(chǎn)出最低效的人。為了達(dá)標(biāo)讓AI跑無(wú)用任務(wù)的團(tuán)隊(duì)，恰恰是消耗資源最多的團(tuán)隊(duì)。

問(wèn)題的核心不在于AI技術(shù)夠不夠好，也不在于token夠不夠便宜。而在于：當(dāng)一家公司把"AI使用率"本身當(dāng)成目標(biāo)，它得到的一定是漂亮的數(shù)據(jù)和糟糕的賬本。

token價(jià)格還在持續(xù)下降。今天不劃算的事，明年可能就劃算了。但至少今天，大廠需要面對(duì)的現(xiàn)實(shí)是：AI還沒(méi)便宜到可以隨便燒。

目前的答案：當(dāng)你想用AI替代人的時(shí)候，你可能要多付一筆錢。而且付了這筆錢之后，你得到的不是省下來(lái)的人力，而是一群忙著燒token、做無(wú)用功、互相攀比數(shù)據(jù)的人。

最后在干活和浪費(fèi)的，還是人。

正如那位技術(shù)觀察者的反問(wèn)：如果AI比雇你還貴，之前的恐慌是不是過(guò)頭了？

亞馬遜、Meta悄悄關(guān)掉排行榜，也就不難理解了。大廠正在集體進(jìn)入一輪"AI大清算"。

賬算不過(guò)來(lái)的時(shí)候，數(shù)據(jù)再好看也沒(méi)用。

真正用好AI的團(tuán)隊(duì)，從來(lái)不是盯著token數(shù)干活。他們想的是怎么用AI省掉低價(jià)值勞動(dòng)，而不是怎么讓儀表盤上的數(shù)字更漂亮。

這個(gè)區(qū)別，決定了AI到底是工具，還是一張?jiān)絹?lái)越貴的賬單。