月烧1亿冲排行榜:硅谷Token内卷大翻车,大厂集体紧急刹车
月烧1亿冲排行榜：硅谷Token内卷大翻车，大厂集体紧急刹车2026年初，这成了Meta茶水间最火的问候语。不是比工资，不是比职级，而是比谁消耗的AI Token更多。公司给8.5万名员工搞了个排行榜，消耗最多的授予"Token传说""缓存大师"等称号。30天内，全员烧掉60万亿Token，折算成本超过1亿美元。榜一大哥单人月消耗2800亿Token，公司为他一个人花了140万美元。图 1：从Tokenmaxxing到Tokenminimizing，硅谷180天的魔幻剧情2026年上半年，硅谷刮起一阵妖风，名字叫 Tokenmaxxing。翻译成大白话就是：拼命烧Token，烧得越多越光荣。事情起因很简单。各大厂都想证明自己"拥抱AI"，但怎么证明呢？总不能嘴上说拥抱吧。于是有人想了个"绝妙"的主意：搞排行榜，看谁用的AI多。Meta第一个下场。内部上线了Token消耗追踪系统，8.5万名员工全员可见排名。消耗高的给荣誉称号，消耗低的……你自己品。亚马逊紧随其后，推出"KiroRank"内部榜单，把AI消耗数据纳入团队考评。腾讯更土豪，2026年3月直接给每个员工发22万元的年度Token预算，鼓励大家敞开用。英伟达CEO黄仁勋火上浇油说了一句话："如果我的工程师消耗的Token价值达不到年薪的一半，我会深感忧虑。"这话传到员工耳朵里，意思就是：不烧Token = 不努力 = 可能被裁。有人拿文档里已有的问题去问AI，让AI把文档处理一遍再回答。一位微软工程师后来承认："比直接查文档慢10倍，但能烧很多Token。"有人让AI互相对话，一个Agent问，另一个Agent答，循环往复空转，纯为刷量。有人甚至用AI查天气、写邮件开头、翻译已经翻译过的文件——反正预算不是自己掏。一位Meta工程师说得最直白：排行榜顶端那些人产出的东西基本都是"一次性垃圾"。但谁在乎呢？榜单上第一名旁边挂着"Token传说"的金色徽章，CTO在全员会上表扬"AI拥抱度最高的团队"，年终考核里"AI使用率"占了不少权重。烧Token成了新的职场KPI，而KPI这个东西，一旦和利益挂钩，就会被玩出花来。图 2：从狂飙到刹车，180天大厂Token事件全梳理5000名工程师，4个月，花光了2026年全年的AI预算。COO听到消息时，原话是"脑袋像炸开了一样"。紧急刹车：每人每月AI工具费用不得超过1500美元，超了你自己想办法。30天60万亿Token，成本超1亿美元。CTO Andrew Bosworth在4月发出内部警告："Token使用量不是任何意义上的影响力衡量标准。"但喊话拦不住指数级的账单，排行榜随后被紧急下线。还有一个更离谱的。一家国外企业给员工批量开通Claude企业授权时，忘了设消费上限。一个月后账单寄到——5亿美元，约合人民币34亿。图 3：五大翻车现场——从Meta到米哈游的账单惨剧国内也一样。米哈游技术负责人在阿里云峰会上自曝：一名工程师测试多Agent协作时没设熔断，数十个智能体陷入循环调用，13小时烧掉200万元。腾讯也悄悄缩了配额。核心研发团队月额度收紧到7000元，外包岗位砍到1000元。从全员敞开用到限额使用，前后不到三个月。OpenAI CEO奥特曼在企业客户活动上感慨："今年年初，AI运行成本还是一个从未被提起的问题。现在，它突然变成了一个巨大的问题。"毕马威5月对2145名全球企业高管的调查显示，因为成本远超收益，近半数企业已经缩减了AI使用。Gartner更狠：预计到2028年，AI编程成本将超过开发者的平均薪资。当AI"电费"比人还贵的时候，老板们终于坐不住了。1975年，经济学家查尔斯·古德哈特说过一句名言：这就是著名的 古德哈特定律。意思是：任何考核指标，一旦和利益直接挂钩，就会被应试教育式地破解，最终偏离初衷。Meta把Token消耗当"AI拥抱度"指标，员工就用刷量来应付。亚马逊把消耗纳入团队考评，团队就让Agent空转。腾讯发22万额度，员工就怕用少了被觉得"不拥抱变革"。一位微软工程师说出了心声：他不是因为想上榜才刷Token，而是怕被看到用得太少。企业没有建立Token消耗与业务价值之间的因果关系。花了多少钱，换回了什么，没人算得清。RAND对2400个企业AI项目的分析显示，80.3%的项目未交付可衡量的业务价值。MIT Sloan的数据更扎心：61%的AI项目批准ROI后，从未被实际测量。图 4：未建立价值关联时的恶性循环 vs 建立关联后的良性循环2026年下半年，风向突变。一个新词取代了Tokenmaxxing——Tokenminimizing，最小化Token消耗。各家招数不同，但方向一致：能不烧就不烧，能省就省。Uber 把每人月费封顶1500美元，超了找经理审批。沃尔玛 也实施了类似限制。AT&T 直接限制了GitHub Copilot的权限范围。微软 更果断，关停了大部分Claude Code授权，强制数千名工程师迁回自家的GitHub Copilot。CEO纳德拉主张建立"可互换的AI架构"，避免被少数大模型绑架。亚马逊 取消了AI使用排行榜，改用"归一化部署"指标追踪有效代码产出。Meta 悄然削减Anthropic支出，同时加速内部工具MetaCode替代第三方Claude。最聪明的做法是"模型降级"。简单任务用便宜模型，复杂任务才上贵的。硅谷AI搜索公司Perplexity的CEO说：如果有开源模型能以10%的价格做到90%的效果，"我们不需要在每个环节都烧高昂的Token"。Coinbase CEO预测，80%的工作负载在12-18个月内会转到便宜99%的模型上。更有意思的是，中国开源模型趁机上位。在模型路由平台OpenRouter上，最受欢迎的四个模型全部来自中国，DeepSeek位居榜首。美国公司Lindy把100%流量从Claude切到DeepSeek，直言能省下数百万美元。连《Nature》都发了社论，标题就三个词："Stop Tokenmaxxing"。Uber的数据最刺眼：95%的工程师都在用AI，但AI生成的有效代码占比不到8%。一位互联网大厂技术管理者坦言：自己部门20多人，一个月消耗5万元Token，回头看却没沉淀出几个可落地的成果。这笔钱相当于10名实习生的月薪，化作无形的Token之后，连清晰的产出物都没有。更反常识的是，很多基础场景里，用AI反而比人工更贵。国内某人力资源服务商测算：用AI筛选一份简历成本1.2元，雇佣兼职人事只要0.8元。AI还有隐性成本。有研发负责人反馈，引入AI编程工具后，初级开发效率看似提升了，但高级工程师的代码评审工作量翻倍，线上故障返工成本增加30%以上。算总账反而不划算，而且人反而更累了。图 5：Token消耗指数增长，业务价值却原地踏步第一，任何考核指标一旦变成目标，就会被玩坏。 Token消耗量本来只是个参考数据，一旦挂上KPI和荣誉称号，立刻变成了刷量游戏。这跟当年"代码行数考核"导致程序员疯狂换行写注释是一个道理。第二，新技术落地要算经济账。 2025年所有人都在喊"AI颠覆一切"，2026年所有人都在算"AI到底花了多少"。从技术可行性到商业可行性，这道坎每项新技术都得过。蒸汽机刚发明时比马匹还贵，电灯刚商用时比煤气灯还贵——但它们最终胜出，是因为产出可衡量。Token目前的问题恰恰是：产出难以衡量。第三，工具是工具，不是信仰。 用AI查天气、翻译已有文件、回答已知问题——这些不是为了提升效率，是为了刷数据给老板看。真正的AI价值在于解决你解决不了的问题，而不是替代你本可以轻松完成的事。Token不是勋章，而是必须被精细管理的新生产资料。那些能在这场AI成本觉醒中率先建立"Token支出→业务价值"量化关联的企业，会在下一轮竞争中活下来。而继续把Token当荣誉徽章的企业——账单会替市场做出选择。如果这篇文章对你有启发，欢迎点赞、在看、转发给你的朋友。本文数据截至 2026 年 8 月。部分数据来自金融时报、The Information、毕马威、RAND Corporation等机构报告，可能存在统计口径差异。
