大廠搞了個(gè)token排行榜，結(jié)果摸魚(yú)的人排到了第一？

美劇《火線》里有條貫穿多季的暗線：

巴爾的摩警察局為了讓犯罪數(shù)據(jù)好看，把重罪降級(jí)為輕罪，讓強(qiáng)奸案憑空消失。上級(jí)看著報(bào)表上的數(shù)字逐月下降，在市政廳匯報(bào)時(shí)滿臉驕傲。

只有街區(qū)的居民知道，街上槍聲一點(diǎn)沒(méi)少。

劇里有句臺(tái)詞：You juke the stats and majors become colonels. 刷刷數(shù)據(jù)，少校能升上校。

但誰(shuí)也沒(méi)想到，2026 年，這句話的新版本正在中國(guó)互聯(lián)網(wǎng)大廠上演。

只不過(guò)被刷的不是犯罪率，而是AItoken 消耗量。只要你刷刷 token，摸魚(yú)也能變勞模。

最近，小紅書(shū)上有個(gè)帖子很火。

一個(gè)自稱(chēng)在 BAT 大廠（首先 B 排除百度）的網(wǎng)友說(shuō)：部門(mén)突然開(kāi)始搞 token 消耗排行榜，以后試用期轉(zhuǎn)正、年度KPI、晉升，都要參考這個(gè)數(shù)據(jù)，甚至用得少的人，可能被替代。

他是三月份的榜首，還遙遙領(lǐng)先，被老板點(diǎn)名夸了一頓，讓他節(jié)后給全部門(mén)做直播分享怎么用 AI 干活。

但他沒(méi)敢說(shuō)的是，自己超過(guò)一半的 token，是在整理個(gè)人數(shù)據(jù)發(fā)筆記。。。

不光是大廠噢。

我身邊有個(gè)發(fā)小在一家公司干了三年，前幾天突然被要求：日?qǐng)?bào)里要填寫(xiě)今天用 AI 做了哪些工作，提高了多少產(chǎn)能，還要精確到小時(shí)。

搞得他現(xiàn)在動(dòng)不動(dòng)要打開(kāi)AI軟件，想想怎么刷。

看到這些，差評(píng)君第一反應(yīng)是迷惑，這不就是 2026 年版的工位亮燈等于加班嗎？？

在聊這事之前，咱先簡(jiǎn)單解釋一下 token。

token 是 AI 處理信息的最小計(jì)量單位，你可以把它理解成 AI 世界的字?jǐn)?shù)/貨幣，一個(gè)中文字大約等于 1 到 2 個(gè) token。

你和AI對(duì)話一輪， 消耗的 token = 你發(fā)給 AI 的字 + AI 思考推理 + AI 回復(fù)的字。

AI 模型公司呢，就按 Token 消耗量去收錢(qián)。

理論上，token 消耗量和 AI 交互是成正比的。你消耗越多，就能說(shuō)明你跟 AI 交互越頻繁。

聽(tīng)起來(lái)沒(méi)毛病，黃仁勛也這么想的。

3 月下旬的英偉達(dá) GTC 大會(huì)上，黃仁勛說(shuō)公司應(yīng)該給每個(gè)工程師配一筆 token 預(yù)算，金額大約是基本工資的一半，讓 AI 把他們的產(chǎn)出放大十倍。

后來(lái)他在 All-In 播客上又舉了個(gè)例子：

假設(shè)有一個(gè)年薪 50 萬(wàn)美元的工程師，年底你問(wèn)他今年花了多少 token，如果沒(méi)花到 25 萬(wàn)美元，老黃說(shuō)會(huì)“ deeply alarmed ”，深感震驚。

他要說(shuō) 5000 美元呢？

老黃直接“I will go ape something else”，中文大概就是氣得跳腳，當(dāng)場(chǎng)發(fā)瘋，叼你 MD（最后一句我加的戲）。

在老黃看來(lái)，優(yōu)秀的工程師就應(yīng)該大量使用 AI，用得越多產(chǎn)出越高。

畢竟公司給你配了 AI 資源，你用資源提效，產(chǎn)出放大，你要是不用，確實(shí)說(shuō)不過(guò)去。

這套邏輯，不只老黃一個(gè)人這么想。

2025 年 4 月，Shopify CEO Tobi Lutke 給全公司發(fā)了封備忘錄：申請(qǐng)加人之前，必須先證明 AI 做不了這個(gè)工作，而 AI 的使用情況也要納入績(jī)效考核。

硅谷甚至出現(xiàn)了一個(gè)專(zhuān)門(mén)的詞來(lái)形容這股風(fēng)氣：Tokenmaxxing，token 最大化。

《紐約時(shí)報(bào)》科技記者 Kevin Roose 給它做了專(zhuān)題報(bào)道，里面數(shù)據(jù)很夸張：OpenAI 有工程師一周處理了 2100 億 token，Anthropic 有用戶(hù)一個(gè)月在 Claude Code 上燒掉了 15 萬(wàn)美元。

而現(xiàn)在，這股風(fēng)終于吹到了國(guó)內(nèi)，企業(yè)們開(kāi)始把 token 消耗、AI 使用時(shí)長(zhǎng)綁進(jìn)績(jī)效。。。

不是兄弟。。。

和 AI 互動(dòng)得多，不代表解決的問(wèn)題就多啊。就好比我們?nèi)ソ∩矸浚皇侨チ?100 次體重就一定減少的。

好，退一萬(wàn)步講：

就算我們暫且接受“用得多=產(chǎn)出高”這個(gè)前提。那至少這個(gè)指標(biāo)應(yīng)該很難造假吧？

恰恰相反，刷 token，可能是 2026 年最容易的一件事。

差評(píng)君簡(jiǎn)單露幾手，看完你就知道這玩意作為指標(biāo)有多差勁了。

第一種，上下文滾雪球。

為了聯(lián)系上下文，AI 的每次回答都會(huì)把之前的所有對(duì)話從頭重讀一遍。對(duì)話越長(zhǎng)，每輪重讀消耗的 token 越多。第 1 輪只要 1500 個(gè) tokend，但到了第 20 輪、第 50 輪光重讀就要燒好幾十萬(wàn)、百萬(wàn) token。

你就這么無(wú)限對(duì)話下去，就算被領(lǐng)導(dǎo)質(zhì)疑，你就說(shuō)：這可是我反復(fù)追問(wèn)了好多輪才得到滿意的結(jié)果。

懂不懂“深度思考”啊。

第二種，開(kāi) 50 個(gè) AI Agent（代理）讓它自動(dòng)跑任務(wù)。

Agent 會(huì)自己派活、自己重試、遇到問(wèn)題自己繞路，每個(gè)步驟都在燒 token，思考過(guò)程也算錢(qián)，跑一晚上第二天你就是部門(mén)勞模。

第三種更簡(jiǎn)單。

把一整個(gè) 10 萬(wàn)行代碼倉(cāng)庫(kù)扔給 AI，讓它“分析一下”就行，努力的樣子從未如此省力。

其實(shí)這些方法一點(diǎn)都不高級(jí)，制定這條 KPI 的公司、管理層，也不可能沒(méi)預(yù)料到會(huì)被刷。

因?yàn)榻?jīng)濟(jì)學(xué)有個(gè)概念叫 Goodhart 定律：當(dāng)一個(gè)度量指標(biāo)變成了考核目標(biāo)，它就不再是一個(gè)好指標(biāo)。

它一定會(huì)被刷。

英國(guó) NHS 曾經(jīng)考核急診等待時(shí)間不超過(guò) 4 小時(shí)，結(jié)果醫(yī)院讓救護(hù)車(chē)在門(mén)口停著不讓病人下車(chē)，因?yàn)榈却龝r(shí)間從進(jìn)門(mén)開(kāi)始算。

沒(méi)有人覺(jué)得自己在作惡，每個(gè)人都在合理地優(yōu)化自己面對(duì)的指標(biāo)。

Token 排行榜也一樣。

它已經(jīng)成了 AI 時(shí)代的功德箱，佛祖不看金額看誠(chéng)意，領(lǐng)導(dǎo)不看產(chǎn)出看次數(shù)。

所以真正的問(wèn)題來(lái)了：

為什么明知會(huì)被刷，這個(gè)指標(biāo)還是出現(xiàn)了？

因?yàn)樗谋澈螅?AI 時(shí)代特有的、自上而下的焦慮。

過(guò)去兩年，不擁抱 AI 就會(huì)被淘汰幾乎成了科技圈的政治正確。CEO 們?cè)谪?cái)報(bào)電話會(huì)上必須提 AI，投資人看的是 AI 滲透率，媒體寫(xiě)的是某公司全員接入大模型。

Meta 2026 年績(jī)效關(guān)注員工用AI 做出多少成果

這種焦慮一層一層往下傳：

董事會(huì)問(wèn) CEO“我們的 AI 戰(zhàn)略是什么”，CEO 問(wèn) VP“AI 落地進(jìn)度怎么樣”，完了 VP 又發(fā)條語(yǔ)音問(wèn)總監(jiān) “能不能給我一個(gè)數(shù)據(jù)證明大家在用”。

在這種氛圍下，管理層就不得不需要一種手段強(qiáng)推 AI 滲透。

可問(wèn)題是，AI 時(shí)代產(chǎn)出歸因太模糊了。

代碼行數(shù)、需求完成數(shù)、項(xiàng)目交付，現(xiàn)在說(shuō)不清到底多少是 AI 貢獻(xiàn)的。上頭一問(wèn)你 AI 滲透到什么程度，你直接啞火。

當(dāng)真實(shí)貢獻(xiàn)不可觀測(cè)，管理者就只能抓最近的、可數(shù)的東西。

誒，token 消耗量恰好是那個(gè)完美指標(biāo)：可量化、可對(duì)比、可造假。

到這，你就能理解為什么 token 排行榜會(huì)出現(xiàn)在大廠里了，又能逼著員工用起來(lái)，又能拿去跟老板交差，當(dāng)作一個(gè)向上匯報(bào)的數(shù)據(jù)，美滋滋。

當(dāng)然了。。。

鑒于這次 KPI 提出者是 BAT 大廠管理層，也可能存在第二種原因。

你想想，“不用 AI 就會(huì)被淘汰”、“token 消耗代表先進(jìn)性”，這套行業(yè)敘事的最大受益者是誰(shuí)？

BAT 等大模型廠商，畢竟靠賣(mài) token 賺錢(qián)，不過(guò)這就不在本文討論范圍內(nèi)了。

差評(píng)君更關(guān)心的是，今年大廠能把 token 消耗納入考核，小公司把 AI 使用時(shí)長(zhǎng)加進(jìn)日?qǐng)?bào)。

那明年呢，你所在的公司呢？

我不是說(shuō) AI 沒(méi)用，也不是說(shuō)不該推 AI。

的確，在 AI 應(yīng)用早期階段，強(qiáng)制接觸有其合理性，歷史上也有過(guò)“強(qiáng)推”的成功先例。

20 世紀(jì)初，福特工廠強(qiáng)制流水線作業(yè)，工人強(qiáng)烈抵觸，覺(jué)得這是剝奪手藝人的尊嚴(yán)，但流水線最終讓汽車(chē)從富人玩具變成了普通家庭的交通工具。

組織一旦習(xí)慣了舊的做事方式，即使新工具明顯更好，慣性也會(huì)讓所有人賴(lài)在原地不動(dòng)。

從企業(yè)角度來(lái)看，強(qiáng)推 AI 有組織變革的正當(dāng)性。

可問(wèn)題是，福特流水線和 AI 根本不一樣啊。

福特是直接把生產(chǎn)方式換了，流水線往那一架，你作為工人沒(méi)法再手搓了，這是從底層變革生產(chǎn)力。工人抵觸歸抵觸，離職歸離職，福特加工資把人留住，最后效率確實(shí)提上去了。

但 AI 不一樣。

對(duì)互聯(lián)網(wǎng)公司而言，AI 沒(méi)有在根本上替換他們的工具鏈。

員工用不用、怎么用，選擇權(quán)還在自己手上。

AI 要真能升效，用 AI 的人自然會(huì)在產(chǎn)出上勝出，大家自然會(huì)選擇最高效的方式，不需要你拿排行榜逼。

如果所謂的 token 排行榜能度量員工的價(jià)值，那打字排行榜早就是諾貝爾文學(xué)獎(jiǎng)的評(píng)選標(biāo)準(zhǔn)了。

寫(xiě)作的價(jià)值不在于你寫(xiě)了多少個(gè)字，思考的價(jià)值不在于你翻了多少頁(yè)書(shū)，使用 AI 的價(jià)值也不在你燒了多少 token。

不要因?yàn)?AI 時(shí)代的焦慮，就把人的價(jià)值也一起燒掉了。

巴爾的摩街頭的槍聲沒(méi)有因?yàn)閿?shù)據(jù)變好看而消失，你公司的效率也不會(huì)因?yàn)?token 燒得多就一定提升。

撰文：刺猬

編輯：莽山烙鐵頭 面線

美編：煥妍

圖片、資料來(lái)源：

Business Insider：Jensen Huang says he would be 'deeply alarmed' if his $500,000 engineer did not consume at least $250,000 of tokens

Reflexive AI usage is now a baseline expectation at Shopify

The New York Times：More! More! More! Tech Workers Max Out Their A.I. Use.

Meta to Grade Employees on AI Driven Impact Starting 2026