文章核心观点 - 企业界正兴起一种名为“Tokenmaxxing”的趋势，即鼓励或强制员工大量消耗AI模型的token使用量，并将其作为衡量生产力和组织先进性的指标[12][28] - 然而，越来越多的案例表明，高昂的token成本与实际的业务产出增长之间缺乏明确关联，导致企业开始质疑并调整相关策略[2][5][28] - 这场趋势的主要赢家是基础模型厂商、AI工具/平台公司以及算力/基础设施提供商，而盲目跟风、无法将消耗转化为实际资产的企业则面临成本失控的风险[13][16][17] 企业实践与成本挑战 - Uber高管公开质疑AI token消耗的成本合理性，指出更高的token使用量并未转化为同等比例的有用消费者功能增长，并因此放缓招聘以对冲AI投入[2] - 米哈游技术团队透露，有员工为尝试AI Agent，一晚上烧掉了价值200万人民币的token，而公司未来三年计划投入高达1000亿元深耕AI领域[5] - 多邻国曾将AI使用纳入绩效考核，但因员工质疑“为用AI而用AI”而撤回该政策，强调绩效考核应聚焦本职工作成果[7][8] - Shopify将内部的“Token排行榜”改为“使用情况仪表盘”，并设置“熔断机制”以监控和阻止异常的token消耗激增[9] - 有公司为控制成本，在单日消耗10万元token后，封掉了所有员工的API访问权限[5] Tokenmaxxing的负面影响 - 在Meta，内部出现了大量无意义的AI使用，消耗海量token却几乎未产生有效成果，甚至有线上事故疑似与粗心的AI生成代码有关[19] - 当token使用量与绩效、晋升信号挂钩后，会促使员工进行“游戏化竞争”，刻意制造无实际意义的工作以消耗token[20][21] - 微软有工程师承认会进行Tokenmaxxing，例如向AI提问文档中已写明的问题，以证明自己是“够AI原生”的员工，源于职业安全感焦虑[21] - Salesforce的做法更为激进，通过工具让员工对比token消耗，并设定最低预期花费（如Claude Code周目标100美元），导致员工为达标而主动燃烧token[22][23] 行业受益方分析 - 基础模型厂商是直接受益方，企业鼓励token消耗直接放大了其API调用和推理收入。例如，Meta员工30天内消耗了60.2万亿个AI token，按Anthropic API价格计算成本可能高达9亿美元[13] - AI编程工具与Agent平台（如Cursor、Claude Code）是流量和估值赢家。Cursor背后的公司年化收入超过10亿美元，自2025年初以来销售驱动收入增长了100倍，估值接近3000亿美元[14] - 算力与基础设施提供商是底层赢家。英伟达2026财年全年收入达2159亿美元，同比增长65%；2027财年Q1收入达816亿美元，同比增长85%，数据中心业务是核心驱动力[16] - 然而，许多AI工具公司（如Cursor、Windsurf）增长迅速但尚未盈利，部分原因在于依赖基础模型导致推理成本高昂[15] 创业领域的观点与风险 - YC合伙人向创业者提出，打造AI原生公司的关键转变是“最大化token使用，而不是最大化员工人数”，并建议创业者应愿意承受“高到令人不舒服的API账单”[24][25] - 该观点认为高额token支出替代的是过去更昂贵、更臃肿的人力成本，可能是公司用AI替代组织膨胀的信号[25] - 但文章质疑该建议对早期创业公司的适用性，指出已有用户基础的AI编程公司都未能盈利，无治理的token消耗可能会拖垮创业公司[26]