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。工程師們競相消耗儘可能多的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，排名最高的個人用戶在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——月度訂閱用戶有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員工的說法，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使用量只是衆多數據點之一，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消耗量作為考覈指標的做法稱為「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鉤的目標進行鑽營，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，」他說，"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和訂閱數據，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。