你用了多少 Token？
这已经成为 硅谷最新绩效指标
当“刷 AI 消耗量”变成升职加薪的新赛道，打工人该怎么看？
一位 OpenAI 工程师，单周消耗了 2100亿个 token ——相当于 33 个英文维基百科的文字量。而这个数字，正挂在公司内部排行榜的榜首，被同事们羡慕地观摩着。
欢迎来到 2026 年硅谷最新的内卷竞技场。
什么是“Token 消耗量考核”？
事情的起点，是《纽约时报》科技专栏作家 Kevin Roose 今年 3 月的一篇深度报道。他发现，Meta、OpenAI 等顶级科技公司的内部，正在悄然兴起一种新的绩效评估维度：员工消耗的 LLM（大语言模型）token 数量。
Token 是大语言模型处理文本的基本单位。大致上，一个英文单词约等于 1-2 个 token，而 API 调用的费用，也正是按 token 数量计费的。换句话说，你的 AI 用得越多、问题越复杂、上下文越长，消耗的 token 就越多。
在一些公司，这个数字已经不只是成本报表上的一行数字——它早已不再是成本报表上一行冰冷的数字，它正演变为衡量“你到底有没有拥抱 AI”的可量化证明。
2100亿
某 OpenAI 工程师
单周 token 消耗量
33个
相当于多少个
英文维基百科
$150,000
某 Anthropic 开发者
单月 Claude Code 账单
超薪资
瑞典工程师 Max Linder
的 Claude Code 开销
数据来源：《纽约时报》Kevin Roose 报道 及 Gizmodo（2026年3月）
“Token 排行榜”正在改变职场文化
据报道，Meta 和 Shopify 的管理者已经在绩效考核中纳入了 AI 使用量：重度使用者受到奖励，用得少的员工则会被提醒，甚至被认为“效率不足”。
这种现象有了一个专有名词—— “Tokenmaxxing” （Token 极大化）。像打游戏刷排名一样，一些工程师开始有意识地最大化自己的 token 消耗量，以期在公司内部的 AI 使用排行榜上获得更高位次。
“我们用的 Claude Code，光这一项的费用就超过了我的工资——但公司买单。”
—— Max Linder，斯德哥尔摩某科技公司软件工程师，接受《纽约时报》采访
Meta 人力资源负责人 Janelle Gale 在内部备忘录中明确表示：“随着我们迈向 AI 原生的未来，我们希望认可那些帮助我们更快到达那里的人。” 自 2026 年起，“AI 驱动的影响力”已正式成为所有 Meta 员工（从工程师到营销人员）绩效考核的核心维度之一。
| 公司 |
AI 绩效考核动态 |
正式纳入考核 |
| Meta |
2026年起正式将“AI驱动影响力”列为核心考核项，影响晋升与奖金 |
✅ 已落地 |
| Shopify |
要求员工将 AI 用于日常任务，管理层将 AI 使用量纳入评估 |
✅ 已落地 |
| OpenAI |
内部排行榜展示各员工 token 消耗情况，形成竞争氛围 |
⚡ 文化层面 |
| Microsoft |
高管明确表示 AI 使用“不再是可选项”，持续推动内部采纳 |
⚡ 推进中 |
| Google |
Sundar Pichai 在全员会议明确要求员工使用 AI |
⚡ 推进中 |
| Duolingo / Box |
已要求员工在常规任务中强制使用 AI 工具 |
✅ 已落地 |
扎克伯格在 Meta 第四季度财报电话会议上对投资者放话：“2026 年将是 AI 开始彻底改变我们工作方式的一年。” AI 使用已不再是加分项，而是生存线。
这个逻辑，到底有没有道理？
支持者的逻辑很直接：AI 工具本质上是效率乘数，员工使用越多，意味着他们用 AI 处理了更复杂的任务，或者说依赖 AI 完成了更多工作。Token 是可量化、可追踪的数字，对于追求数据驱动决策的科技公司来说，这确实是一个颇具吸引力的 KPI。
但批评者的反驳同样犀利。Gizmodo 的记者做了一个绝妙的比喻：
“用消耗的子弹数量来衡量士兵的战场表现——即便是漫无目的的子弹，也算数。”
—— Gizmodo，2026年3月报道
MIT 斯隆管理学院应用经济学教授 Roberto Rigobon 则提出了一个更深层的隐忧：将认知任务外包给 AI，可能导致员工底层技能的退化——就像人们用了计算器就忘了心算一样。
⚠️ 批评者列举的四大风险
- 指标扭曲行为：员工为刷数据而使用 AI，而非为解决真实问题。
- 成本失控：慷慨的 token 配额催生消耗螺旋，账单可能超过员工薪资。
- 技能退化：长期依赖 AI 可能侵蚀工程师的基础独立思考能力。
- 心理压力：强制竞争排名带来内卷焦虑，高消耗者成为标杆，低消耗者背负压力。
Gartner 的研究更是给这股热潮泼了一盆冷水：在现有的 AI 投资中，只有五分之一能够带来可量化的 ROI。单纯用消耗量代替实际效果，很可能只是把浪费换了一种更时髦的形式。
“Token 即生产力”，还是新时代的形式主义？
这场争议，本质上是关于 如何度量知识工作者价值 这一古老难题的新版本：当工作成果难以直接量化，我们就用那些可量化的代理指标来替代——从代码行数、会议数量、工时，现在又轮到了 token。
历史一次次证明，这类“代理指标”都不可避免地导致“为了指标而优化指标”的扭曲效应，最终与提升生产力的初衷背道而驰。
当然，我们也可以换一个角度思考：在 AI Agent 已经能够自主处理大量工程任务的 2026 年，“你调度了多少 AI 算力来完成工作”本身，是否真的就是一种新型生产力的体现？关键在于，消耗量只有与输出质量紧密挂钩时，它的统计才有意义。 空有消耗而无实质产出，不过是另一种形式的资源浪费。
💡 更合理的 AI 绩效框架建议（业内声音）
- 透明化预算：明确哪些 token 开销由公司承担，避免隐性负担转移给员工。
- 组合指标：将 token 使用量与代码质量、问题解决速度、创新输出等定性指标结合评估。
- 监控健康度：跟踪是否存在因“刷 token”引发的职业倦怠与无效内卷现象。
- 公平准入：确保所有岗位都有合理的 token 配额和访问权限，而不是只有明星工程师独享大额预算。
写在最后
无论硅谷这场以 Token 论英雄的实验最终走向何方，有一件事已经确定：在这里，对 AI 的使用正从一项“可选的技能加分项”，迅速转变为某种“职业生存要件”。
对于身处其中的普通从业者而言，与其焦虑地盯着排行榜上那个不断跳动的数字，或许更应该回归工具使用的本质—— AI 用得好，关键不在于用得多，而在于用得准、用得巧。 真正值得在周报里写上一笔的，不是你今天烧掉了多少亿 token，而是那些 token 究竟帮你攻克了什么难题，创造了什么独特的价值。
关于技术趋势与职场文化的碰撞，你可以在 云栈社区 的开发者广场找到更多有趣的观察和讨论。
发表于 3 小时前
|
查看: 3|
回复: 0
