AI 是一个可以降本增效的完美存在

一个好消息大伙儿暂时不需要太担心因为 AI 丢饭碗了。因为老板算完账后会发现你的性价比可能更高。今年 3 月份老黄一句 “如果一名 50 万美元的工程师每年没有消耗至少价值 25 万美元的 Token我会深感不安”让这个世界的魔幻程度又上了一个新台阶。企业开始鼓励员工尽可能多地消耗 Token甚至把 Token 消耗塞进了员工的 KPI 里。两个月前国内某大厂有老哥在小红书爆料晒出了部门 3 月份的 Token 消耗榜单还说他们以后试用期能不能转正、年底能拿多少绩效晋升都得参考 Token 的消耗数据。国外也同样疯狂。硅谷科技公司在内部大搞“ Tokenmaxxing”Token最大化文化以 Meta 为例员工自己搭了个 Claudeonomics 克劳德经济学仪表盘用来统计全公司约 8.5 万名员工的 Token 消耗量数据一拉30 天全公司上下烧掉了超过 60 万亿个 Token。理论上跟科技不怎么沾边的迪士尼也在内网上线了 AI Adoption Dashboard用来追踪员工使用 AI 的情況。慢慢的 这股风气越刮越歪Token 消耗量甚至被人当做社交的门槛用得不够多你还没法儿进他们的圈子。所有人都在这场竞赛里上头了。好像大家从一开始就默认AI 是一个可以降本增效的完美存在所以甭管三七二十一闭着眼睛 All in 就完事儿了。结果看到账单的时候又发现好像不是那么回事儿。。。降本增效变成了降本增笑。前段时间根据彭博社消息Uber 落地新规员工使用各类智能体编程工具Anthropic 的 Claude Code 或 Cursor时单人单工具每月消费上限为 1500 美元。关键不在于金额而是 Uber 主动做了限制。要知道去年 12 月Uber 为了让大伙儿都跟上时代的潮流大手一挥向全公司大约 5000 名工程师开放了 Claude Code还在内部搞了个排行榜来追踪使用量。本意是想让大家伙儿狠狠拥抱时代潮流结果还没抱热乎Uber的首席技术官就对外透露 公司在四个月内烧完了全年 Claude Code 预算。所以 Uber 不得不采取紧急措施手动拉一波闸只有经过层层审批的特殊业务场景才能突破 1500 美元这个限额。与此同时微软那边也坐不住了。他们正忙着把 ED 部门体验与设备部门员工手里的 Claude Code 许可证给收回来6 月 30 号之前所有人都得转投微软自家亲儿子GitHub Copilot CLI 的怀抱。虽说官方口径是做整合迁到 GitHub Copilot 仍然可以用 Claude 的模型但在The Verge的报道里提到了有消息人士称这里面仍然有财务因素的考量。因为 6 月 30 号之后微软就要开始新财年了。而除了微软、Uber以外外媒 Axios 还爆了个更猛的料。一家公司因为没有对员工的 Claude 许可证设置使用上限在短短一个月内烧掉了 5 亿美元。虽然没有具体指向哪家公司但这个体量的 Token 消耗让外界把嫌疑直接锁定在了硅谷七姐妹身上。好巧不巧就在Axios报道发出来的隔天亚马逊就关闭了内部一个叫 “Kirorank” 的 AI 排行榜高管直呼 “不要为了用AI而用AI”。所以很难不引人怀疑是不是他们家一个月烧掉了 5 亿美元毕竟亚马逊之前也相当激进要求超过 80% 的开发人员必须每周使用 AI导致底下的员工开始了各种毫无意义的骚操作。经典的古德哈特定律当一个指标变成目标的时候它就不再是一个好指标。不过好在这场大搞 Token 崇拜的闹剧并没有持续太久。账单一出炉大家伙儿也都纷纷回过神来想到了一个更本质的问题这钱烧得到底值不值不可否认的是企业前期让大家敞开了烧 Token也有试验的意思。毕竟谁都不知道 AI 到底能带来多少价值要是真能看到效果砸点钱进去倒也没啥。但现实情况往往是 Token 跟水龙头的水一样哗哗流走却看不到啥实际业务价值或者说很难找到一个标准去衡量这个价值。包括 Uber COO Andrew Macdonald 在一档访谈节目里也表示很难在“更高的Token消耗”和“新功能落地”之间找到什么联系。换句话说Token的消耗量没办法直接跟实际产出价值划等号。AI读取、理解你的需求再思考、生成你想要的内容这些统统都要消耗Token。这就意味着只要有交互就会产生消耗但输出的不一定都是有效内容。理解了这一点再回头看把“Token 消耗量”当榜单来刷这事儿就有点怪了。这就好比编辑部写文章如果字数是重要的考核标准那世超大可以像这样不停巴拉巴拉巴拉写流水账多整点毫无意义的废话文学来凑字数。为了应付考核员工完全可以不干正事每天变着法儿地让 AI 跑几段没用的冗长代码或者让 AI 干点人来干可能更快的活儿。最后数据一拉大家的 Token 消耗量爆表先进得不得了但可能什么实质性的业务都没推进。米哈游之前搞了个多智能体协作的项目13个小时这些 Agent 屁大点正事儿都没干就光在那相互调用、聊得热火朝天一晚上烧掉 200 万人民币。而且不只是公司层面在开发者和普通用户的圈子里晒自己消耗了多少 Token也一度成为了一种流行趋势。 好像数字越大就代表着你的能力越强、越有极客范。但老实说世超光看到他们烧了多少Token成果还真没怎么见识过。之前 OpenClaw 的开发者 Peter Steinberger 晒出团队一个月烧掉130万美元的账单也被网友质疑没交付出什么东西来。虽然 Peter 回应说这些消耗都用在OpenClaw 上面了但世超想了想OpenClaw 好像也没更新什么炸裂的功能吧。。。现在的 Token 消耗尴尬就尴尬在这它只能证明大模型在出力但没法证明你用它到底干了多少好活儿。就好比当年也有人质疑GDP在反映真实经济状况的时候不够客观后面经济学家们又慢慢摸索出了另外一套可以作为补充的衡量标准。所以说在没厘清 Token 消耗和产出之间的联系或者说在没找到一个能够准确量化 AI 实际产出价值的指标之前盲目地让员工用AI纯纯是给大模型厂商送钱。退一步来讲即使不是米哈游这种极端的例子这笔账也是算不过来的。因为 AI 现阶段没办法完全替代人说破天也是一个打辅助的角色所以 企业引入 AI 的真实成本构成应该是“员工的工资 AI 算力成本”。实际的工作流往往会变成打工人提完需求AI 先生成一堆初步可用的东西打工人再不断重试、纠错这个过程中 Token 一直在燃烧搞不好比你直接雇两个实习生还要贵得多。算到最后真说不好到底是裁员更省还是用 AI 更省。高盛预测到 2030 年全球 Token 消耗量将较 2026 年增长 24 倍达到每月 120 千万亿。之前大伙儿总觉得 AI 可以替代掉一些高度重复的低端岗位但现在从成本角度看低端岗位反而是更安全的。总的来说现在行业里渐渐有了些回归理智的声音不再盲目地追求 Token 消耗量。国内像腾讯这样的大厂据传也已经开始对员工的 Token 使用额度做了限制。经过前期的试验大家也逐渐意识到 Token 的使用需要更多的考虑实际产出。与此同时有 SaaS 企业的收费逻辑也在变。就比如营销平台 Hubspot从 4 月开始修改定价模式从以前的按Token收费转变为按照实际效果收费。前阵子世超去苏州参加了一个活动现场金山办公副总裁王冬提了一个观点我觉得很值得思考企业级 AI 落地要找高价值、高难度的“双高场景”。说白了就是好钢得用在刀刃上。最后这场 Token 崇拜的闹剧来得快去得也快但世超心里还是觉得有些复杂。因为 Token 太贵大家在网上调侃“让牛马加班你不一定要付加班费但让 AI 加班这个钱你是一分都不能少的”。当有一天资本家发现雇佣人工比 AI 更划算不知道是不是我们的一种悲哀