作者 | 褚杏娟

　　終于有高管站出來，用自己的實際經驗直接質疑 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 已經提前用完了 2026 年的 Claude Code 預算。這番話隨后在網上引發熱議。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。

　　根據與 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，但很難在這些數據和‘好，現在我們真的多產出了 25% 的有用消費者功能’之間畫出一條清晰的線。”

　　Macdonald 表示，由于無法建立直接聯系，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：有員工為了實現項目，建了幾十個 Agent 共同協作，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。”話雖如此，但有網友指出，這 200 萬人民幣的價值似乎并沒有顯著體現出來。

　　而這種“豪氣”并非每個公司都能負擔得起。就像有網友打趣道：“一單 648 才半個多金，兩百萬不過是三個全 65 氪佬養服的錢。”

　　值得注意的是，5 月 15 日，米哈游聯合創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。”

　　“我們作為一個‘all 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。”有網友對此評論道。

　　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。

　　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。我給公司發過內部備忘錄，說明績效考核會包含 AI 使用情況，結果發現員工們會疑惑，“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 美元的開發者，可能背后已經建立了一支 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現了失控 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 的本質是把企業內部 AI 使用從“按需調用”變成“鼓勵消耗”。只要企業把 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 一旦在大型企業內部規模化，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 5.59 億美元經營利潤。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，其財務數據已經體現了這種趨勢。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%，其中數據中心業務和網絡硬件是核心驅動力，網絡銷售額達到 148 億美元、同比增長約三倍。

　　云和推理基礎設施創業公司同樣受益。AI 基礎架構新創公司 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、但還盲目追風的企業。

　　有錢大廠對 token 太“上頭”

　　回頭看，這場硅谷“token 消耗戰”中已經浪費了不少 token，“上頭”的更多還是有錢的大廠們。

　　多位 Meta 工程師表示，內部正在出現大量無意義的 AI 使用。一些開發者運行類似 OpenClaw 的內部 Agent，消耗海量 Token，卻幾乎沒有產生有效成果。還有開發者提到，部分 SEV 線上事故疑似與粗心的 AI 代碼生成有關：開發者更關注用 AI 快速產出大量代碼，而不是產品質量本身。

　　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。

　　在社交媒體上出現輿論反彈，以及外媒披露相關數據后，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：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 提問文檔里已經寫明的問題；讓 AI 生成自己根本不會開發的功能原型；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”的安全區間，再把自己的 Token 用量刷到那個位置。

　　Tokenmaxxing 甚至被推崇成創業方法論

　　然而，這個風氣并未停止。YC 正在把“Tokenmaxxing”從硅谷流行詞推向創業公司方法論。

　　在最新一期《Startup School》中，合伙人 Diana Hu 向創業者提出，打造 AI 原生公司的關鍵轉變，不是繼續擴大員工規模，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，將成為關鍵轉變。最優秀的公司，會是那些 tokenmaxxing 的公司。”

　　Hu 認為，AI 正在改變創業公司的成本結構。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，創業者應當愿意承受“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 的新創業觀里，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業公司呢？

　　如之前所說的，這些已經有不錯用戶的基礎的 AI 編程公司都未能盈利，那新的創業公司在 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，是會拖垮這些創業公司的。

　　結束語

　　Tokenmaxxing 的本質，一定程度上，也是企業在 AI 轉型焦慮下，把“消耗”誤當成了“生產力”。

　　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據驗證下，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”。

　　https://www.businessinsider.com/uber-coo-andrew-macdonald-ai-token-spending-harder-justify-2026-5

　　https://blog.pragmaticengineer.com/the-pulse-tokenmaxxing-as-a-weird-new-trend/?utm_source=chatgpt.com

　　聲明：本文為 AI 前線原創，不代表平臺觀點，未經許可禁止轉載。

　　會議推薦

　　但企業級 Agent 落地，繞不開 4 個真實的工程問題。如何在 Agent 安全性和可用性之間找到平衡點？Agent 需要什么樣的記憶系統才能真正理解上下文？如何通過算法壓榨實現智力增量與成本控制的極致平衡？多 Agent 協作，如何做到可觀測、可治理、可控制？6 月 26-27 日，AICon 全球人工智能開發與應用大會·上海站國內頭部公司的 Agent 實踐，一次說透。

　　今日薦文

　　你也「在看」嗎？