本文來自微信公眾號： AI前線 ，作者：褚杏娟
終于有高管站出來，用自己的實際經(jīng)驗直接質疑tokenmaxxing成本問題了。
Uber運營負責人Andrew Macdonald在近期的訪談中直接表示，公司內部越來越難證明AI tokenmaxxing成本是合理的。
此前，Uber首席技術官Praveen Neppalli Naga曾在4月份時透露，Uber已經(jīng)提前用完了2026年的Claude Code預算。這番話隨后在網(wǎng)上引發(fā)熱議。Macdonald形容自己那一刻像是“腦袋炸開了”，公司內部也開啟了一場關于token消耗的討論，以及這種消耗所帶來的取舍，比如是否會影響員工人數(shù)。
根據(jù)與Uber高級工程管理層的交流，Macdonald意識到：更高的token使用量，并沒有轉化為同等比例的、有用的消費者功能增長。
“這中間的聯(lián)系還沒有建立起來，對吧？”他說道，“我覺得也許從隱性層面看，確實有更多東西被交付出來了，但很難在這些數(shù)據(jù)和‘好，現(xiàn)在我們真的多產(chǎn)出了25%的有用消費者功能’之間畫出一條清晰的線?！?/p>
Macdonald表示，由于無法建立直接聯(lián)系，AI帶來的取舍成本就更難被合理化。需要注意的是，本月早些時候，Uber CEO Dara Khosrowshahi在財報電話會上表示，為了對沖AI投入，公司正在放緩招聘。
Macdonald補充稱，如果你只是“坐在那里想各種有趣用例的用戶”，而且不用自己付錢，AI看起來確實像是免費的。但最終，賬單是由公司來買單。
要tokenmaxxing？先問自己錢夠嗎
對于大公司來說，不用“Tokenmaxxing”，日常一次嘗試就很燒錢了。
5月20日，《崩壞》系列AI NPC&Gameplay技術團隊負責人鄭銀河在2026阿里云峰會上無意透露了內部對agent嘗試的成本：有員工為了實現(xiàn)項目，建了幾十個Agent共同協(xié)作，結果一晚上燒了價值200萬人民幣的Token。
“我們接受在探索AI時有成本、有學費，這也幫助更完善我們的Agent平臺?！痹掚m如此，但有網(wǎng)友指出，這200萬人民幣的價值似乎并沒有顯著體現(xiàn)出來。
而這種“豪氣”并非每個公司都能負擔得起。就像有網(wǎng)友打趣道：“一單648才半個多金，兩百萬不過是三個全65氪佬養(yǎng)服的錢。”
值得注意的是，5月15日，米哈游聯(lián)合創(chuàng)始人劉偉曾在外部活動中表示，未來三年，最多投入1000億元以深耕AI領域。他坦言，“就算最終不成功，沒做出來，也認了，就當放一場大煙花?！?/p>
“我們作為一個‘a(chǎn)ll in ai’口號的公司，在某一天用了十萬塊錢的token后，封掉了所有人的API?！庇芯W(wǎng)友對此評論道。
已有公司開始調整
當大型科技公司還在大力推進所謂的“tokenmaxxing”時，一些公司已經(jīng)開始往相反方向調整。
例如，多鄰國此前曾決定把AI使用情況納入績效評估，但在員工提出疑問“他們是否只是為了使用AI而不得不用AI”后，公司撤回了這一做法。
多鄰國CEO Luis von Ahn在4月的一期播客訪談中曾說道：
“多鄰國確實曾把AI使用情況納入績效考核，但后來我們取消了。我給公司發(fā)過內部備忘錄，說明績效考核會包含AI使用情況，結果發(fā)現(xiàn)員工們會疑惑，“是不是為了用AI而用AI？”。最后我們收回了這個要求，因為績效考核最重要的是把本職工作做到最好，AI很多時候能幫上忙，但沒必要強制使用。我們不想讓大家為了迎合形式而忽略實際工作成果，有些場景AI本身就不適用。”
還有像Shopify這樣的公司開始想辦法阻止失控的token消耗。
Shopify是較早嘗試Token排行榜的公司之一。其工程負責人Farhan Thawar曾表示，公司會表揚使用Token最多的人，因為他們可能正在用AI做出有價值的工作。例如，一個月在Cursor上花費1000美元的開發(fā)者，可能背后已經(jīng)建立了一支Agent員工隊伍。
但Shopify后來將“Token排行榜”改名為“使用情況儀表盤”。原因是，公司不希望鼓勵員工為了沖榜而競爭。Token花費仍會展示在內部個人資料頁和使用儀表盤中，但重點從“排名”轉向“理解使用情況”。
Shopify還設置了“熔斷機制”。如果某個員工的個人花費在一天內突然激增，公司可以立刻切斷訪問權限。如果這次激增是有意為之，或確實是Agent失控，員工可以申請恢復。
Farhan表示，這套機制不僅幫助公司發(fā)現(xiàn)了失控Agent，也暴露出了基礎設施中的bug。更重要的是，Shopify會關注高Token使用者到底在做什么。高支出員工會被詢問具體使用場景，如果有人只是單純刷Token，很可能會在這一過程中暴露出來。
Farhan還提出一個更有價值的角度：與其只看“誰花的錢最多”，不如看“誰生成的Token最貴”。一些高成本Token背后，往往對應更深入、更復雜的開發(fā)工作，這比單純的總量排名更有參考價值。
Tokenmaxxing潮中的贏家們
Tokenmaxxing的本質是把企業(yè)內部AI使用從“按需調用”變成“鼓勵消耗”。只要企業(yè)把token使用量當成先進性指標，模型廠商就獲得了一個近乎完美的增長飛輪。
Tokenmaxxing最直接的受益方，是OpenAI、Anthropic、Google、xAI等基礎模型廠商。
因為token本身就是模型調用的計費單位。企業(yè)一旦把token使用量變成內部排行榜或績效信號，員工就會從“按需調用AI”轉向“主動制造AI使用量”。這會直接放大模型API調用、企業(yè)訂閱和推理收入。
Meta的案例最能說明這一點。Meta員工在30天內消耗了60.2萬億個AI token，如果按照Anthropic API價格計算，這筆成本可能高達9億美元；即便Meta能拿到折扣，成本也可能超過1億美元。
這意味著，Tokenmaxxing一旦在大型企業(yè)內部規(guī)模化，就不再是普通工具開銷，而是上億美元級別的推理賬單。
Anthropic的收入增長也能反映這種趨勢。Reuters最新報道稱，Anthropic預計2026年第二季度銷售額將超過109億美元，高于第一季度的48億美元，并有望實現(xiàn)5.59億美元經(jīng)營利潤。此前報道，Anthropic的Claude Code在推出當年就接近10億美元年化收入。
也就是說，對模型廠商而言，Tokenmaxxing本質上是在把企業(yè)內部焦慮轉化為API收入。當然，這不意味著模型公司沒有算力壓力，但Tokenmaxxing至少給了他們很可觀的收入。
第二類贏家，是Cursor、Claude Code、Windsurf、Replit、Lovable等AI編程工具和Agent平臺。比如，Cursor背后的Anysphere在2025年11月完成新一輪融資，估值接近300億美元；公司稱其年化收入已經(jīng)超過10億美元，銷售驅動收入自2025年初以來增長了100倍。
但這不代表AI工具類公司就能盈利。據(jù)外媒報道，Cursor、Windsurf等公司增長迅速、估值高企，但許多公司尚未盈利，原因之一是它們依賴Anthropic等基礎模型，推理成本很高；一些公司因此開始訓練自有模型，以降低成本和增強控制力。
所以，AI編程工具只能說是Tokenmaxxing的流量贏家和估值贏家，還不一定都是利潤贏家。
Tokenmaxxing底層燒的是算力，最大的贏家還是英偉達、云廠商、GPU云服務商以及AI基礎設施公司。
典型如英偉達，其財務數(shù)據(jù)已經(jīng)體現(xiàn)了這種趨勢。英偉達在2026財年（截至2026年1月）全年收入達2159億美元，同比增長65%；第四財季收入681億美元，同比增長73%。隨后，在2026年4月結束的2027財年第一季度，收入進一步達到816億美元，同比增長85%，其中數(shù)據(jù)中心業(yè)務和網(wǎng)絡硬件是核心驅動力，網(wǎng)絡銷售額達到148億美元、同比增長約三倍。
云和推理基礎設施創(chuàng)業(yè)公司同樣受益。AI基礎架構新創(chuàng)公司Modal Labs在最新一輪融資后估值達到46.5億美元，年化收入從去年9月的6000萬美元增長到3億美元。它的業(yè)務正好踩中兩個趨勢：AI coding需求暴漲和算力資源越來越稀缺。
而這場浪潮中，最大的輸家還是那些無法把token消耗轉化為資產(chǎn)、但還盲目追風的企業(yè)。
有錢大廠對token太“上頭”
回頭看，這場硅谷“token消耗戰(zhàn)”中已經(jīng)浪費了不少token，“上頭”的更多還是有錢的大廠們。
多位Meta工程師表示，內部正在出現(xiàn)大量無意義的AI使用。一些開發(fā)者運行類似OpenClaw的內部Agent，消耗海量Token，卻幾乎沒有產(chǎn)生有效成果。還有開發(fā)者提到，部分SEV線上事故疑似與粗心的AI代碼生成有關：開發(fā)者更關注用AI快速產(chǎn)出大量代碼，而不是產(chǎn)品質量本身。
更具爭議的是，排行榜讓Token使用變成了游戲化競爭。排在榜首的員工，未必做出了更有價值的工作，反而可能制造了大量一次性、可丟棄的代碼和提示詞記錄。內部人員查看AI提示詞軌跡后，可以清楚看到其中許多工作并沒有實際意義。
在社交媒體上出現(xiàn)輿論反彈，以及外媒披露相關數(shù)據(jù)后，Meta下線了該排行榜。
微軟、OpenAI、Anthropic等內部也存在類似的Token使用儀表盤。早期來看，這一機制確實推動了AI工具實驗，但問題也隨之出現(xiàn)：當Token使用量與績效評價、晉升信號、AI原生程度掛鉤后，它就不再只是一個觀察指標，而會變成員工刻意追逐的目標。
有微軟工程師承認，自己會主動進行Tokenmaxxing，不是為了沖榜，而是擔心被認為“AI用得太少”。他會向AI提問文檔里已經(jīng)寫明的問題；讓AI生成自己根本不會開發(fā)的功能原型；即使明知道手寫更快，也默認使用Agent，然后看著它失敗。
這位工程師入職時間不長，對職業(yè)安全感較為敏感，因此選擇通過消耗更多Token來證明自己是“夠AI原生”的員工。
Salesforce的做法更激進，直接讓員工之間對比token消耗。
根據(jù)一名內部工程師的說法，公司推出了兩個工具：一個是Mac小組件，每15分鐘更新一次個人花費，同時顯示最低預期花費，曾有周Claude Code的目標是100美元，Cursor的目標是70美元；另一個是網(wǎng)頁工具，可以查看任意同事的Token花費情況。
Salesforce還設置了Claude Code 250美元/每月、Cursor 170美元/每月的最高花費限制，但這一限制可以通過簡單點擊按鈕接觸。部分工程組織甚至移除了最高限制，理由是“消除開發(fā)流程中的任何摩擦”。
這傳遞給員工的信號很明確：每月至少要使用約170美元Token，否則可能被認為AI使用不足。
結果，員工開始為了達到最低線或略高于平均水平而主動燃燒Token。一些開發(fā)者會讓Claude或Cursor生成與工作無關、也不會真正交付的項目；另一些人則查看同事的花費，計算出“略高于平均值”的安全區(qū)間，再把自己的Token用量刷到那個位置。
Tokenmaxxing甚至被推崇成創(chuàng)業(yè)方法論
然而，這個風氣并未停止。YC正在把“Tokenmaxxing”從硅谷流行詞推向創(chuàng)業(yè)公司方法論。
在最新一期《Startup School》中，合伙人Diana Hu向創(chuàng)業(yè)者提出，打造AI原生公司的關鍵轉變，不是繼續(xù)擴大員工規(guī)模，而是最大化AI token使用量。她直言：“最大化token使用，而不是最大化員工人數(shù)，將成為關鍵轉變。最優(yōu)秀的公司，會是那些tokenmaxxing的公司。”
Hu認為，AI正在改變創(chuàng)業(yè)公司的成本結構。過去一家前AI時代公司需要一支大型工程團隊完成的工作，如今一個熟練使用AI工具的人就可能完成。她表示，這意味著工程、設計、人力資源和行政團隊都可以變得更精簡。
她進一步建議，創(chuàng)業(yè)者應當愿意承受“高到令人不舒服的API賬單”，因為這筆支出替代的，是過去更昂貴、更臃腫的人力成本。這意味著，在YC的新創(chuàng)業(yè)觀里，高額token賬單不一定是浪費，反而可能是公司用AI替代組織膨脹的信號。
不過，這套建議是否真的適合早期創(chuàng)業(yè)公司呢？
如之前所說的，這些已經(jīng)有不錯用戶的基礎的AI編程公司都未能盈利，那新的創(chuàng)業(yè)公司在tokenmaxxing之后的成本又該如何負擔呢？難道真要把股權“賤賣”給Altman，換200萬美元的token先燒一個半月再說？
無限量、無治理、不可轉嫁的token消耗，是會拖垮這些創(chuàng)業(yè)公司的。
結束語
Tokenmaxxing的本質，一定程度上，也是企業(yè)在AI轉型焦慮下，把“消耗”誤當成了“生產(chǎn)力”。
它把token使用量包裝成AI原生程度，把AI原生程度包裝成組織先進性。在更多token是否帶來了更快交付、更少bug、更低事故率、更高收入和更可復用的能力等沒有數(shù)據(jù)驗證下，就無腦鼓勵無盡燒token，更像是在繳納一筆昂貴的“轉型焦慮稅”。
參考鏈接：
https://www.businessinsider.com/uber-coo-andrew-macdonald-ai-token-spending-harder-justify-2026-5
https://mp.weixin.qq.com/s/Xvoh9hGnqe7rJ_ns5tRwBQ
https://mp.weixin.qq.com/s/JaGOyQ20UOTKkrXkJ2AXBw
https://blog.pragmaticengineer.com/the-pulse-tokenmaxxing-as-a-weird-new-trend/?utm_source=chatgpt.com