“Tokenmaxxing”—“Token Maximalism” Sweeps Silicon Valley

一場圍繞 AI 使用量的競賽正在科技行業內部引發激烈爭議。工程師們競相消耗盡可能多的 AI token，以證明自己對人工智能工具的擁抱程度，這一現象被稱為"tokenmaxxing"。然而，隨着這股風潮迅速蔓延，其背後的效率邏輯與潛在風險也同步暴露。

據 The Information 最新報道，Meta 內部一名員工搭建了一個名為"Claudeonomics"的非官方排行榜，追蹤員工的 token 消耗量，並設有"Token Legend"（Token 傳奇）等榮譽稱號。

排行榜顯示，排名最高的個人用户在 30 天內平均消耗了 2810 億至 3285 億個 token，按公開定價折算，費用可能接近 200 萬美元。該排行榜在 The Information 報道發出後兩天內即遭下線。Meta 方面表示，公司不主張將個人 token 數據作為評估績效的主要方式。

這一事件迅速點燃了科技圈的討論。支持者認為 token 消耗量是衡量員工擁抱 AI 工具的有效信號，批評者則警告這一指標可能催生系統性造假行為，並給企業 IT 預算帶來難以控制的風險。與此同時，據金融科技公司 Ramp 援引 Gartner 數據，過去一年企業月度 AI 支出已翻了四倍，tokenmaxxing 現象折射出的 AI 成本管控問題正成為 CFO 們的新難題。

Token：AI 時代的新 “貨幣”

要理解 tokenmaxxing，首先需要了解 token 的本質。大型語言模型將文字拆解為數值輸入，每個 token 約相當於四分之三個英文單詞。OpenAI 和 Anthropic 等 AI 公司的商業模式幾乎完全建立在 token 計費之上——月度訂閲用户有 token 使用上限，通過 API 接入的企業則按月度 token 用量付費。

隨着 Claude Code、Codex 等 AI 編程工具的普及，以及 OpenClaw 等全天候 AI 助手的興起，企業 token 消耗量急劇攀升。Ramp 產品負責人兼創始工程師 Calvin Lee 表示，今年以來企業 AI token 支出已大幅躍升。Ramp 將這一現象稱為企業的"萬億美元盲區"。

Token 也逐漸演變為一種身份象徵。創始人和工程師們在 X 平台上曬出自己的 token 消耗數據，以彰顯對 AI 的全力押注。Y Combinator CEO Garry Tan 公開表態："我們 tokenmaxxing 的時間比大多數人都長。"英偉達 CEO 黃仁勳則在 All-In 播客上表示，如果一名年薪 50 萬美元的工程師一年內消耗的 token 價值不足 25 萬美元，他會"深感警惕"。

Meta“Claudeonomics”：一場迅速熄滅的競賽

Meta 這場內部 token 競賽的規模遠超外界想象。在排行榜下線前，Meta 全公司 30 天內的 token 總消耗量已從 6.02 萬億攀升至 73.7 萬億。員工們為衝榜採取了各種手段：設計更長的提示詞、並行運行多個 AI 代理，甚至部署會議轉錄機器人——因為誰開發了工具，誰的 token 消耗量就會相應增加。

據 The Information 援引多名 Meta 員工的説法，部分工程師還指示 AI 代理生成大量細碎的代碼變更，這些變更對功能改善毫無意義，卻能拉高 token 消耗統計。另有員工在內部論壇寫道："我邀請大家粗略估算一下這背後的能耗，如果不是如此荒誕，真是令人痛心。"

Meta 發言人表示，公司通過內部 AI 系統 Checkpoint 追蹤員工績效時，token 使用量只是眾多數據點之一，官方儀表盤 AI Insights 還包含代碼相關指標及其他維度的洞察。但據 The Information，部分 Meta 員工認為公司在這一問題上發出了混亂的信號。

系統性造假：從 Meta 到亞馬遜

tokenmaxxing 引發的"刷數據"行為並非 Meta 獨有。據 The Information 援引知情人士，亞馬遜電商部門去年底曾有一名經理要求團隊更多使用 AI 編程工具，隨後有工程師編寫代碼，使每次與 AI 編程工具 Cline 的對話看起來消耗了正常情況下 10 倍的 token，該團隊因此躍升為亞馬遜某部門 AI 使用量最高的團隊之一。這一作弊手段在今年初被亞馬遜系統修復後失效。亞馬遜發言人表示，公司不設定也不鼓勵此類目標。

Khosla Ventures 合夥人 Jon Chu 在 X 平台上將 token 消耗量作為考核指標的做法稱為 “絕對愚蠢的政策”，並表示他在 Meta 的朋友告訴他，已有人專門搭建機器人循環運行以快速消耗 token。“The Pragmatic Engineer” 通訊作者 Gergely Orosz 則直言："開發者會對任何與獎金或晉升掛鈎的目標進行鑽營，這次也不例外。"

企業界的另一條路：以結果而非消耗論英雄

面對 tokenmaxxing 的爭議，科技行業之外的企業正在探索更務實的 AI 激勵路徑。

執法設備製造商 Axon 為員工提供現金獎勵，條件是團隊超額完成年度路線圖目標至少 15%。Axon 總裁 Josh Isner 表示，公司約 2000 名軟件工程師今年有望整體超額完成目標 30%，主要得益於 AI 編程工具的使用，公司在 Claude Code 和 Cursor 上的支出預計將達到"數千萬美元"量級。

Isner 明確表示，以 token 消耗量評估員工不符合 Axon 的目標導向。“當你只是引入'儘可能多地使用這個工具，我們就付錢給你'這樣的衡量標準時，風險越來越大，” 他説，"你怎麼知道自己得到了想要的結果？"

Box CEO Aaron Levie 則將 AI 帶來的生產力預期收益直接納入產品路線圖的目標設定，員工能否達成這些更高目標將直接影響薪酬。Levie 表示，他不鼓勵 tokenmaxxing，也不認為這一趨勢會在硅谷以外的大型企業中廣泛蔓延。

度量困境：token 是信號，但不是答案

爭議的核心在於：token 消耗量究竟能衡量什麼？

Cursor 員工 Edwin Wee Arbus 將其比作 BMI 指數——"有用的快速代理指標，但存在缺陷"，能提供健康參考，卻無法反映肌肉或骨密度。Persona 軟件工程師 Arush Shankar 則表示："token 消耗始終是輸出而非輸入，值得關注，但絕不能孤立看待，它是一個信號，但不是唯一信號。"

Linear COO Cristina Cordova 的批評更為直接："按 token 消耗量給工程師排名，就像我按誰花錢最多來給營銷團隊排名一樣。不要把高消耗率誤認為高成功率。"

Ramp 的 Calvin Lee 指出，token 的價值高度依賴具體使用場景——一個陷入循環的郵件分類代理可能消耗大量 token 卻毫無產出，而另一名工程師用更少的 token 修復了關鍵漏洞。更棘手的是，企業從 AI 模型提供商收到的 API 賬單通常缺乏足夠的顆粒度，難以追溯具體使用場景。為此，Ramp 推出了 AI Spend Intelligence 平台，幫助財務團隊統一管理 API 和訂閲數據，並按員工、產品或業務流程拆解 token 使用情況，設定預算上限。

tokenmaxxing 的興衰，折射出 AI 時代企業管理的深層困境：當一種全新的生產工具以前所未有的速度滲透工作流程，如何建立有效的激勵機制而非製造新的"內卷"，仍是擺在每一家企業面前的未解之題。