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，把重罪降級為輕罪，讓強奸案憑空消失。上級看著報表上的數(shù)字逐月下降，在市政廳匯報時滿臉驕傲。

只有街區(qū)的居民知道，街上槍聲一點沒少。

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

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

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

最近，小紅書上有個帖子很火。

一個自稱在 BAT 大廠（首先 B 排除百度）的網(wǎng)友說：部門突然開始搞 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，被老板點名夸了一頓，讓他節(jié)后給全部門做直播分享怎么用 AI 干活。

但他沒敢說的是，自己超過一半的 token，是在整理個人數(shù)據(jù)發(fā)筆記。。。

不光是大廠噢。

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

搞得他現(xiàn)在動不動要打開AI軟件，想想怎么刷。

看到這些，差評君第一反應(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，咱先簡單解釋一下 token。

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

你和AI對話一輪， 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。

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

聽起來沒毛病，黃仁勛也這么想的。

3 月下旬的英偉達 GTC 大會上，黃仁勛說公司應(yīng)該給每個工程師配一筆 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。

后來他在 All-In 播客上又舉了個例子：

假設(shè)有一個年薪 50 萬美元的工程師，年底你問他今年花了多少 token，如果沒花到 25 萬美元，老黃說會“ deeply alarmed ”，深感震驚。

他要說 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)場發(fā)瘋，叼你 MD（最后一句我加的戲）。

在老黃看來，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，確實說不過去。

這套邏輯，不只老黃一個人這么想。

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

硅谷甚至出現(xiàn)了一個專門的詞來形容這股風(fēng)氣：Tokenmaxxing，token 最大化。

《紐約時報》科技記者 Kevin Roose 給它做了專題報道，里面數(shù)據(jù)很夸張：OpenAI 有工程師一周處理了 2100 億 token，Anthropic 有用戶一個月在 Claude Code 上燒掉了 15 萬美元。

而現(xiàn)在，這股風(fēng)終于吹到了國內(nèi)，企業(yè)們開始把 token 消耗、AI 使用時長綁進績效。。。

不是兄弟。。。

和 AI 互動得多，不代表解決的問題就多啊。就好比我們?nèi)ソ∩矸?，不是去?100 次體重就一定減少的。

好，退一萬步講：

就算我們暫且接受“用得多=產(chǎn)出高”這個前提。那至少這個指標(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。

差評君簡單露幾手，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 的每次回答都會把之前的所有對話從頭重讀一遍。對話越長，每輪重讀消耗的 token 越多。第 1 輪只要 1500 個 tokend，但到了第 20 輪、第 50 輪光重讀就要燒好幾十萬、百萬 token。

你就這么無限對話下去，就算被領(lǐng)導(dǎo)質(zhì)疑，你就說：這可是我反復(fù)追問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 50 個 AI Agent（代理）讓它自動跑任務(wù)。

Agent 會自己派活、自己重試、遇到問題自己繞路，每個步驟都在燒 token，思考過程也算錢，跑一晚上第二天你就是部門勞模。

第三種更簡單。

把一整個 10 萬行代碼倉庫扔給 AI，讓它“分析一下”就行，努力的樣子從未如此省力。

其實這些方法一點都不高級，制定這條 KPI 的公司、管理層，也不可能沒預(yù)料到會被刷。

因為經(jīng)濟學(xué)有個概念叫 Goodhart 定律：當(dāng)一個度量指標(biāo)變成了考核目標(biāo)，它就不再是一個好指標(biāo)。

它一定會被刷。

英國 NHS 曾經(jīng)考核急診等待時間不超過 4 小時，結(jié)果醫(yī)院讓救護車在門口停著不讓病人下車，因為等待時間從進門開始算。

沒有人覺得自己在作惡，每個人都在合理地優(yōu)化自己面對的指標(biāo)。

Token 排行榜也一樣。

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

所以真正的問題來了：

為什么明知會被刷，這個指標(biāo)還是出現(xiàn)了？

因為它的背后，是 AI 時代特有的、自上而下的焦慮。

過去兩年，不擁抱 AI 就會被淘汰幾乎成了科技圈的政治正確。CEO 們在財報電話會上必須提 AI，投資人看的是 AI 滲透率，媒體寫的是某公司全員接入大模型。

Meta 2026 年績效關(guān)注員工用AI 做出多少成果

這種焦慮一層一層往下傳：

董事會問 CEO“我們的 AI 戰(zhàn)略是什么”，CEO 問 VP“AI 落地進度怎么樣”，完了 VP 又發(fā)條語音問總監(jiān) “能不能給我一個數(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推 AI 滲透。

可問題是，AI 時代產(chǎn)出歸因太模糊了。

代碼行數(shù)、需求完成數(shù)、項目交付，現(xiàn)在說不清到底多少是 AI 貢獻的。上頭一問你 AI 滲透到什么程度，你直接啞火。

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

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

到這，你就能理解為什么 token 排行榜會出現(xiàn)在大廠里了，又能逼著員工用起來，又能拿去跟老板交差，當(dāng)作一個向上匯報的數(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 就會被淘汰”、“token 消耗代表先進性”，這套行業(yè)敘事的最大受益者是誰？

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

差評君更關(guān)心的是，今年大廠能把 token 消耗納入考核，小公司把 AI 使用時長加進日報。

那明年呢，你所在的公司呢？

我不是說 AI 沒用，也不是說不該推 AI。

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

20 世紀(jì)初，福特工廠強制流水線作業(yè)，工人強烈抵觸，覺得這是剝奪手藝人的尊嚴(yán)，但流水線最終讓汽車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，慣性也會讓所有人賴在原地不動。

從企業(yè)角度來看，強推 AI 有組織變革的正當(dāng)性。

可問題是，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，最后效率確實提上去了。

但 AI 不一樣。

對互聯(lián)網(wǎng)公司而言，AI 沒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 的人自然會在產(chǎn)出上勝出，大家自然會選擇最高效的方式，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值，那打字排行榜早就是諾貝爾文學(xué)獎的評選標(biāo)準(zhǔn)了。

寫作的價值不在于你寫了多少個字，思考的價值不在于你翻了多少頁書，使用 AI 的價值也不在你燒了多少 token。

不要因為 AI 時代的焦慮，就把人的價值也一起燒掉了。

巴爾的摩街頭的槍聲沒有因為數(shù)據(jù)變好看而消失，你公司的效率也不會因為 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