"Tokenmaxxing" -- "Token Maximalism" Sweeps Silicon Valley

一场围绕 AI 使用量的竞赛正在科技行业内部引发激烈争议。工程师们竞相消耗尽可能多的 AI token，以证明自己对人工智能工具的拥抱程度，这一现象被称为"tokenmaxxing"。然而，随着这股风潮迅速蔓延，其背后的效率逻辑与潜在风险也同步暴露。

据 The Information 最新报道，Meta 内部一名员工搭建了一个名为"Claudeonomics"的非官方排行榜，追踪员工的 token 消耗量，并设有"Token Legend"（Token 传奇）等荣誉称号。

排行榜显示，排名最高的个人用户在 30 天内平均消耗了 2810 亿至 3285 亿个 token，按公开定价折算，费用可能接近 200 万美元。该排行榜在 The Information 报道发出后两天内即遭下线。Meta 方面表示，公司不主张将个人 token 数据作为评估绩效的主要方式。

这一事件迅速点燃了科技圈的讨论。支持者认为 token 消耗量是衡量员工拥抱 AI 工具的有效信号，批评者则警告这一指标可能催生系统性造假行为，并给企业 IT 预算带来难以控制的风险。与此同时，据金融科技公司 Ramp 援引 Gartner 数据，过去一年企业月度 AI 支出已翻了四倍，tokenmaxxing 现象折射出的 AI 成本管控问题正成为 CFO 们的新难题。

Token：AI 时代的新 “货币”

要理解 tokenmaxxing，首先需要了解 token 的本质。大型语言模型将文字拆解为数值输入，每个 token 约相当于四分之三个英文单词。OpenAI 和 Anthropic 等 AI 公司的商业模式几乎完全建立在 token 计费之上——月度订阅用户有 token 使用上限，通过 API 接入的企业则按月度 token 用量付费。

随着 Claude Code、Codex 等 AI 编程工具的普及，以及 OpenClaw 等全天候 AI 助手的兴起，企业 token 消耗量急剧攀升。Ramp 产品负责人兼创始工程师 Calvin Lee 表示，今年以来企业 AI token 支出已大幅跃升。Ramp 将这一现象称为企业的"万亿美元盲区"。

Token 也逐渐演变为一种身份象征。创始人和工程师们在 X 平台上晒出自己的 token 消耗数据，以彰显对 AI 的全力押注。Y Combinator CEO Garry Tan 公开表态："我们 tokenmaxxing 的时间比大多数人都长。"英伟达 CEO 黄仁勋则在 All-In 播客上表示，如果一名年薪 50 万美元的工程师一年内消耗的 token 价值不足 25 万美元，他会"深感警惕"。

Meta“Claudeonomics”：一场迅速熄灭的竞赛

Meta 这场内部 token 竞赛的规模远超外界想象。在排行榜下线前，Meta 全公司 30 天内的 token 总消耗量已从 6.02 万亿攀升至 73.7 万亿。员工们为冲榜采取了各种手段：设计更长的提示词、并行运行多个 AI 代理，甚至部署会议转录机器人——因为谁开发了工具，谁的 token 消耗量就会相应增加。

据 The Information 援引多名 Meta 员工的说法，部分工程师还指示 AI 代理生成大量细碎的代码变更，这些变更对功能改善毫无意义，却能拉高 token 消耗统计。另有员工在内部论坛写道："我邀请大家粗略估算一下这背后的能耗，如果不是如此荒诞，真是令人痛心。"

Meta 发言人表示，公司通过内部 AI 系统 Checkpoint 追踪员工绩效时，token 使用量只是众多数据点之一，官方仪表盘 AI Insights 还包含代码相关指标及其他维度的洞察。但据 The Information，部分 Meta 员工认为公司在这一问题上发出了混乱的信号。

系统性造假：从 Meta 到亚马逊

tokenmaxxing 引发的"刷数据"行为并非 Meta 独有。据 The Information 援引知情人士，亚马逊电商部门去年底曾有一名经理要求团队更多使用 AI 编程工具，随后有工程师编写代码，使每次与 AI 编程工具 Cline 的对话看起来消耗了正常情况下 10 倍的 token，该团队因此跃升为亚马逊某部门 AI 使用量最高的团队之一。这一作弊手段在今年初被亚马逊系统修复后失效。亚马逊发言人表示，公司不设定也不鼓励此类目标。

Khosla Ventures 合伙人 Jon Chu 在 X 平台上将 token 消耗量作为考核指标的做法称为 “绝对愚蠢的政策”，并表示他在 Meta 的朋友告诉他，已有人专门搭建机器人循环运行以快速消耗 token。“The Pragmatic Engineer” 通讯作者 Gergely Orosz 则直言："开发者会对任何与奖金或晋升挂钩的目标进行钻营，这次也不例外。"

企业界的另一条路：以结果而非消耗论英雄

面对 tokenmaxxing 的争议，科技行业之外的企业正在探索更务实的 AI 激励路径。

执法设备制造商 Axon 为员工提供现金奖励，条件是团队超额完成年度路线图目标至少 15%。Axon 总裁 Josh Isner 表示，公司约 2000 名软件工程师今年有望整体超额完成目标 30%，主要得益于 AI 编程工具的使用，公司在 Claude Code 和 Cursor 上的支出预计将达到"数千万美元"量级。

Isner 明确表示，以 token 消耗量评估员工不符合 Axon 的目标导向。“当你只是引入'尽可能多地使用这个工具，我们就付钱给你'这样的衡量标准时，风险越来越大，” 他说，"你怎么知道自己得到了想要的结果？"

Box CEO Aaron Levie 则将 AI 带来的生产力预期收益直接纳入产品路线图的目标设定，员工能否达成这些更高目标将直接影响薪酬。Levie 表示，他不鼓励 tokenmaxxing，也不认为这一趋势会在硅谷以外的大型企业中广泛蔓延。

度量困境：token 是信号，但不是答案

争议的核心在于：token 消耗量究竟能衡量什么？

Cursor 员工 Edwin Wee Arbus 将其比作 BMI 指数——"有用的快速代理指标，但存在缺陷"，能提供健康参考，却无法反映肌肉或骨密度。Persona 软件工程师 Arush Shankar 则表示："token 消耗始终是输出而非输入，值得关注，但绝不能孤立看待，它是一个信号，但不是唯一信号。"

Linear COO Cristina Cordova 的批评更为直接："按 token 消耗量给工程师排名，就像我按谁花钱最多来给营销团队排名一样。不要把高消耗率误认为高成功率。"

Ramp 的 Calvin Lee 指出，token 的价值高度依赖具体使用场景——一个陷入循环的邮件分类代理可能消耗大量 token 却毫无产出，而另一名工程师用更少的 token 修复了关键漏洞。更棘手的是，企业从 AI 模型提供商收到的 API 账单通常缺乏足够的颗粒度，难以追溯具体使用场景。为此，Ramp 推出了 AI Spend Intelligence 平台，帮助财务团队统一管理 API 和订阅数据，并按员工、产品或业务流程拆解 token 使用情况，设定预算上限。

tokenmaxxing 的兴衰，折射出 AI 时代企业管理的深层困境：当一种全新的生产工具以前所未有的速度渗透工作流程，如何建立有效的激励机制而非制造新的"内卷"，仍是摆在每一家企业面前的未解之题。

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。