新智元報道

【新智元導讀】亞馬遜給員工的AI工具裝了計量器，官方說不考核，經理盯著排行榜不放。Meta內部榜單30天燒掉60萬億token，扎克伯格沒進前250。然而Jellyfish數據打臉：刷10倍token，產出只多了1倍。誰在為這場荒誕游戲推波助瀾？

硅谷大廠，開始流行用token摸魚了？

英國《金融時報》近日報道，亞馬遜的一些員工，正坐在工位上讓一個叫MeshClaw的內部AI工具，跑那些根本沒必要的任務。

他們不是在搞實驗，也不是趕項目，而是在刷token。

MeshClaw能發(fā)郵件、處理Slack、部署代碼，是一個真正可以「代勞」的AI智能體。據報道，亞馬遜還給它配了一張內部排行榜，實時追蹤每位員工的token消耗量，目標是超過80%的開發(fā)者每周都在用AI。

3名知情人士透露，部分員工隨即找到了新的生存策略：用MeshClaw跑沒有必要的任務，專門為了拉高榜單上的數字。

在硅谷，這個行為有了專屬名詞：tokenmaxxing（瘋狂刷AI用量）。

亞馬遜說token數據不用于績效評估。但據報道，多名員工并不相信，有人直言感受到「很大壓力」，而且不只是要用AI，還要用得「最多」。

亞馬遜不是唯一一家。Meta內部排行榜「Claudeonomics」（Claude經濟學）過去一個月燒了60萬億token，扎克伯格本人都沒排進前250。

這是2026年5月，全球最有錢的幾家公司同時進入了一種新的工作狀態(tài)。大廠AI開始淪為一種KPI游戲。

Jassy的備忘錄

員工讀出了另一層意思

MeshClaw是亞馬遜給員工的AI入口，它背后接的是Claude。

亞馬遜推AI的力度有目共睹。據報道，公司設定了一個內部目標：超過80%的開發(fā)者每周必須用上AI工具，并配套上線了內部排行榜，追蹤每個人的token消耗量。

初衷當然是好的，但一到員工手里就變形了。問題也不全在員工這里，token焦慮的源頭其實還在公司最高層。

2025年6月，亞馬遜CEO Andy Jassy向全體員工發(fā)出了一封公開備忘錄，直接建議員工「只要有機會，就去使用和實驗AI」。他還寫道，那些擁抱AI轉變的人，將「處于更有利的位置，產生高影響力」。

https://www.aboutamazon.com/news/company-news/amazon-ceo-andy-jassy-on-generative-ai

Jassy的備忘錄中，「對AI保持好奇……只要有機會就用AI、試AI」這句話被員工讀出了另一層意思：tokenmaxxing。

Jassy在備忘錄中將「擁抱AI」與「產生高影響力」直接掛鉤，讓每一個普通員工陷入一種token焦慮：我現在的AI使用量，夠不夠？

更關鍵的是，Jassy還在同一封備忘錄里寫明：未來幾年，隨著在公司范圍內廣泛使用AI，亞馬遜預計企業(yè)員工規(guī)模將下降。

亞馬遜官方表示token數據不會用于績效評估，但據員工透露，經理仍然在盯著排行榜。在這種氛圍不言而喻：誰的token用得多，誰就更安全。

于是，本來不需要AI的活兒，也要丟給AI跑一遍，為的就是讓榜單上的數字好看。

這正是互聯網OKR體系下經典的反向打卡，員工在跟一個量化指標博弈。

Meta 更離譜，CTO 親自喊「刷」

Meta，在同一周也被《The Information》曝光了內部AI排行榜。

一位叫Ash Bhat的員工獨立搭了個名為「Claudeonomics」的工具，該儀表盤追蹤約8.5萬名員工的token使用量，并以排行榜形式展示，30天累計消耗60萬億token，單個頂級用戶燒了2810億token。

有趣的是，扎克伯格本人沒進前250，CTO Andrew Bosworth也沒進。

排行榜被媒體報道之后，作者主動把它下線了。但Bosworth隨即在Forbes上公開站臺：公司最優(yōu)秀的工程師，花掉相當于自己一年工資的token，效率卻提升了5到10倍。「這就像白送錢，繼續(xù)刷，不設上限。」

無論是員工被迫，還是CTO真心鼓勵，亞馬遜和Meta這兩家全球最有錢的公司，都已經把tokenmaxxing變成了一種企業(yè)文化。

也不只這些知名大廠，企業(yè)AI平臺公司Writer的CEO May Habib在接受《華爾街日報》采訪時，坦率承認了三件事：token是可以被「刷」的指標，員工會用公司平臺做私人項目，并非每一個token都在創(chuàng)造商業(yè)價值。

這些她全知道，但她的態(tài)度仍然是要推：

一旦你開始計算單個智能體行為的投資回報率，你就永遠不會真正用起來了。

Writer內部排行榜的月度冠軍消耗量接近110億token，亞軍超過60億。Habib公開表示自己在盯著這張榜看。

紅杉資本合伙人Sonya Huang更是直言：「我們都應該tokenmaxxing。」

Huang說，排行榜是個不完美的指標，她承認，「但對你的公司來說真正重要的問題是：我的員工有沒有徹底轉變成AI原住民？要做到這一點，你需要讓他們進入這種tokenmaxxing的狀態(tài)。」

所以爭論的本質并非「榜單好不好」，而是在什么規(guī)模和階段、對誰有效。

對Writer這樣幾十人的初創(chuàng)，CEO親自盯榜點名表揚，那是文化信號，效果直接。

對Jellyfish追蹤的12000名開發(fā)者，token榜變成了一個大家都知道在玩、但都不愿明說的游戲。

而亞馬遜有數十萬名員工，游戲的規(guī)模完全不同，副作用也完全不同。

10倍token

只換來2倍產出

很快，就有數據來打臉這種token榜單的刷榜行為。

工程智能公司Jellyfish對12000名開發(fā)者、200家企業(yè)的Q1 2026數據做了分析。

他們得出一個扎心數據：

最高使用層的開發(fā)者在每個PR上消耗的token約為中位數的10倍，但PR吞吐量只達到約2倍左右。

燒了10倍的油，只跑了2倍的路。

Jellyfish數據：token用量最高組產出是最低組的2.8倍，但每PR消耗token相差近千倍。燒更多token，換來的產出遠不成比例。

成本數字則更是刺眼。

Jellyfish用Claude API公開定價做了估算：中位數開發(fā)者每月在AI編程上花約52美元；到了90百分位的高用量用戶，這個數字跳到691美元。

每條PR的token成本，從最低用量層的0.28美元，直接飆升到最高用量層的89.32美元。

同一項工作，有人花了0.28美元完成，有人花了89美元，而且后者做出來的也并沒有好多少。

Jellyfish的AI研究負責人Nicholas Arcolano直言：「CFO已經開始追責了。客戶愿意為AI花錢，但不能不拿出負責任花費的證明。」

他還舉了一個看似高效、實則荒誕的例子：

我讓五個AI智能體各自做一個版本，然后挑最好的。大量工作被扔掉。可能整體上還是比人做便宜，但比直接做一次貴多了。

工程分析平臺Faros.ai上關于22000名開發(fā)者的數據，剛好補上了故事的另一半。

AI工具確實讓代碼產出提速了：任務完成量上升34%，完整功能模塊（epic）交付量上升66%。但同期，每位開發(fā)者的bug數量增加了54%，代碼審查時間升至約5倍，代碼返工率（code churn，即刪除行與新增行之比）在高AI采用環(huán)境下上升了驚人的861%。

指標在飛漲，效率卻并沒有跟上。

這就是經濟學里著名的Goodhart定律在現實中的一個樣本：當一個衡量指標變成了目標，它就不再是可靠的衡量指標了。

token消耗量變成KPI的那一刻，它就失去了作為效率代理指標的意義。

D.A. Davidson的科技研究主管Gil Luria對Fortune表示：「你設計什么激勵，就會得到什么行為。你告訴人們多用某種資源就能成功，他們當然會多用……這看起來不太健康。」

每刷一個token

都在給資本背書

跳開token使用者的視角，還有一層邏輯值得注意。

亞馬遜、微軟、谷歌、Meta這四家超大規(guī)模云廠商，2026年的合并資本開支已經逼近7000億美元，部分華爾街機構預測2027年將突破1萬億美元。

這是人類歷史上單一技術方向上最大規(guī)模的一次集體押注。

這筆錢當然要有個說法，這也是投資者要問的第一個問題：錢花在了哪里，需求是真實的嗎？

今年4月，Anthropic宣布擴大與亞馬遜的合作，承諾未來十年向AWS技術投入超過1000億美元，用于訓練和運行Claude。

目前，超過10萬家企業(yè)客戶通過Amazon Bedrock運行Claude。Anthropic的年化營收已超過300億美元，從2025年底的約90億美元快速增長。

2026年4月，Anthropic宣布擴大與亞馬遜合作，承諾十年向AWS投入逾1000億美元。

在這個結構里，亞馬遜既是Anthropic的最大投資者，也是其最重要的云基礎設施提供商，還是Claude最大的企業(yè)分發(fā)渠道之一。

Luria將這種關系稱作：「循環(huán)活動（circular activity）」。

同一批大公司投資了AI的上游供應商，把算力賣給外部客戶，同時也在內部瘋狂消耗自己的算力。內部token使用量的增長，既是員工被推著用的結果，也在客觀上成為「AI基建投資物有所值」的佐證。

從這個角度來說，員工刷的每一個token，都在給資本開支的合理性背書。

Arcolano給出了他認為正確的路徑：不要追求少數人的極限用量，要把更多人推到曲線的中間地帶。

廣泛、適度、持續(xù)的AI采用，比少數人的極端消耗更劃算，也更可持續(xù)。他建議管理者換一個指標：別看token總量，看每條PR消耗了多少token。

Arcolano提到的是一種精細化視角，但資本敘事往往是更為粗放的。

我們正處在這樣一個奇特時刻：AI工具確實在提升生產力，數據已經證明了這一點；但圍繞AI使用率建立的激勵體系，正在以難以察覺的方式，扭曲這一切。

Goodhart定律在上個世紀就有人提出了，但每一次技術變革，每隔一段時間，它就會找到一種新的表現形式，這一次的主角是token。

參考資料：

https://fortune.com/2026/05/12/amazon-tokenmaxxing-claude-ai-capex-meta-gil-luria/%20

https://www.ft.com/content/8ee0d3ef-9548-422d-8ff1-ebd48ad4b2ca%20

https://www.businessinsider.com/ai-tokenmaxxing-fails-as-productivity-strategy-jellyfish-2026-5%20

https://jellyfish.co/blog/is-tokenmaxxing-cost-effective-new-data-from-jellyfish-explains/%20

https://www.faros.ai/blog/tokenmaxxing

編輯：元宇