該圖片屬於AI生成
就在上周，OpenAI 的一名工程師創下了一個離譜的紀錄：他在七天內消耗了 2100 億個 Token。
如果你對這個數字沒什麼概念，可以這麼理解，這相當於把整個維基百科的全部文本，翻來覆去逐字瀏覽了 33 遍。
而在另一家 AI 巨頭 Anthropic，一位使用 Claude Code 的用戶，在剛過去的一個月里，就跑出了超過 15 萬美元的算力賬單。
斯德哥爾摩的軟體工程師 Max Linder 淡淡地說，「我花在 Claude 上的錢，可能比我工資還多」，他的公司正在幫他支付比他工資還高的 Token 使用費。
很快有人開始質疑，這些巨量的 Token，真的帶來了同等規模的產出嗎？
答案確實沒有想像中那麼宏大，消耗這麼多的 Token 只是當代程序員為了保住飯碗，開啟了一場名為「Tokenmaxxing（Token 最大化）」的全新職場內卷。
Tokenmaxxing，Token 最大化，簡單概括——不是把事情做得更好，單純就是把 Token 用到更多。
對坐在辦公室的白領來說，尤其是最早看到這種變化的程序員們，那些曾經被奉為圭臬的「代碼行數」和「提交次數」，現在已經成了毫無意義的指標。
在 Meta、Shopify 乃至 OpenAI 這樣的頂級科技公司里，衡量一個員工是否努力、是否優秀的最新硬核指標變成了：你今天消耗了多少個 Token？
Token，前段時間大家還在討論如何準確給它一個中文名字，APPSO 也分享了自己的見解，我們認為「詞元」這個一直在那裡的翻譯，就是 Token 最準確的中文名。
討論之外，詞元作為 AI 世界裡最基礎的計量單位，開始從技術術語，變成一種新的職場貨幣；它出現在薪資談判、績效評估里，出現在那些決定你明年能不能升職的對話里。
Token 是福利、KPI、第四份工資
大多數的公司最開始引入 AI 工具，都是為了幫助企業提高生產力，削減人力成本，但現實的走向卻充滿了黑色幽默的味道，從這段時間以來各種裁員的新聞就能看到。
據知情人士透露，在 Meta 和 OpenAI 的內部，現在赫然矗立著一張張「Token 消耗排行榜」。這些榜單實時滾動著每位員工的 AI 使用量，就像遊戲裡的戰力排行榜一樣刺激著每個打工人的神經。
而除了要衡量，豐厚的「Token 預算」，一種全新的第四份工資，開始取代了食堂補貼、交通補貼、下午茶，和各種節日禮品，成為公司招聘時最拿得出手的福利。
在最近的一個播客節目上，黃仁勛早就看穿了這一切，他說，工程師的年薪里，Token 預算將與現金同等重要，甚至可能達到年薪的一半。
國內的大廠也同樣跟上變化，社交媒體上有人分享，騰訊和阿里都已經把 Token 當福利發了，鼓勵員工多使用 AI 工具。
阿里開始向員工發放海量的 Token 額度。只要你用於技術研發或通用辦公，悟空、Qoder 系列等付費 AI 工具敞開用，甚至購買外部 AI 工具也能申請報銷。
小米 MiMo V2 發布時，羅福莉曾在 X 發文，專門提到說希望團隊所有人去使用這個大模型，並且下達強制要求，少於 100 次對話就可以不用幹了。
So I gave a hard mandate: anyone on MiMo Team with fewer than 100 conversations tomorrow can quit.
所以我下了一個硬性命令：明天任何在 MiMo 團隊中對話少於 100 次的人都可以辭職。
MiMo-V2-Pro & Omni & TTS is out. Our first full-stack model family built truly for the Agent era. I call this a quiet ambush — not because we planned it, but because the shift from Chat to Agent paradigm happened so fast, even we barely believed it. Somewhere in between was a process that was thrilling, painful, and fascinating all at once. The 1T base model started training months ago. The original goal was long-context reasoning efficiency. Hybrid Attention carries real innovation, without overreaching — and it turns out to be exactly the right foundation for the Agent era. 1M context window. MTP inference for ultra-low latency and cost. These architectural decisions weren't trendy. They were a structural advantage we built before we needed it. What changed everything was experiencing a complex agentic scaffold — what I'd call orchestrated Context — for the first time. I was shocked on day one. I tried to convince the team to use it. That didn't work. So I gave a hard mandate: anyone on MiMo Team with fewer than 100 conversations tomorrow can quit. It worked. Once the team's imagination was ignited by what agentic systems could do, that imagination converted directly into research velocity. People ask why we move so fast. I saw it firsthand building DeepSeek R1. My honest summary: — Backbone and Infra research has long cycles. You need strategic conviction a year before it pays off. — Posttrain agility is a different muscle: product intuition driving evaluation, iteration cycles compressed, paradigm shifts caught early. — And the constant: curiosity, sharp technical instinct, decisive execution, full commitment — and something that's easy to underestimate: a genuine love for the world you're building for. We will open-source — when the models are stable enough to deserve it. From Beijing, very late, not quite awake.
但是，公司花這麼多錢給員工買算力，絕不是為了讓我們省錢或者偷懶，而是為了換取 10 倍的效率提升。
而這就是偉大 Token 的厲害之處，它實時、可量化、看起來客觀，這三個讓公司管理者著迷的特點，直接打敗其他所有指標。
老闆們不需要等季度末，不需要主觀打分，數字就在那裡，每秒鐘更新，我們用 AI 做了什麼，都看得見。
當持續有公司把「AI 使用率」與年終績效掛鉤，獎勵那些重度依賴 AI 的員工，並敲打那些 AI 使用較少的員工，事情的性質就徹底變了。
知名軟體工程博主 Gergely Orosz 戳破了這層窗戶紙：「在大型科技公司內部，不能以極快的速度使用 AI 正在成為一種職業風險，而根本不管你的產出質量如何。」
沒錯，重點是「使用」，而不是「用好」。當你發現隔壁工位的同事每天能用掉幾千萬個 Token 時，你唯一的選擇就是打開更多的窗口，輸入更長的提示詞。
有網友說，這很奇怪，就像是衡量快遞員的工作效率，不是看他遞送了多少包裹，而是看他消耗了多少汽油。
聽起來很不靠譜，但這件事情確實就這樣發生了，而且成為了一種趨勢。
在這場由焦慮、勝負欲和績效考核共同催生的 AI 提效進程中，AI 沒能讓我們實現每周上三天班的烏托邦，反而逼出了一種最昂貴、也最荒誕的「裝忙」藝術。
腦力勞動者也沒有護城河了
更深層的變化，在考核方式之外，更多的是工作本身的性質。
一個資深工程師的價值，在於他對系統架構的直覺，對業務邏輯的理解，對複雜問題的判斷。這些是他的護城河，其他人學不來，機器替代不了。
現在，這條護城河正在被快速填平。當 AI 能夠獨立完成架構設計的初稿，自動掃描幾百萬行代碼尋找 bug，把一句模糊的需求變成可以運行的程序，資深工程師的核心競爭力，也開始從「你懂什麼」，轉成「你怎麼駕馭 AI」。
用更專業的術語來說，就是坐在辦公室的白領們，正在不可逆地從「業務洞察」，轉移到流水線般的工作，反覆地「Prompt 調優」和「Agent 調度」。
這個轉變有它的合理性。就像工業化之後，一個熟練工人的價值從手工技藝，變成了操控機器的能力，時代在變，技能也該變。
有人也許能做到，給了充分的算力，效率真能來到原來的十倍，但也有大部分人，會認為這樣的轉變很不合理。
在他們看來，大語言模型實際上有非常大的實際應用價值，但這些所謂的 Token 競賽，一直分散了人們對其真正用途的注意力，反而將整個人工智慧領域變成了炒作和泡沫。
從問你有沒有用 AI，到問你 Token 使用效率，從腦力勞動者到算力調度員，這已經不是用一個舊技能換一個新技能，而是整個工作方式的範式遷移。
你以為你在使用 AI，其實是 Token 在使用你
職場評價體系和打工人的身份，都開始被重新定義，但 Tokenmaxxing 更需要警惕的地方，是它引發了前所未有的「算力馬拉松」。
資本的邏輯永遠是貪婪的。公司給我們配備了頂級的算力，本質上是一種「效率贖買」——用高昂的 API 賬單，買斷我們遠超常理的產出。
在手工敲代碼的時代，老闆對員工的預期，打個比方說是一天產出 100 行高質量代碼，大家相安無事。現在，老闆給了 10 倍的算力，他的預期會在一夜之間自動暴漲到 1000 行，甚至是 10000 行。
工具升級必然伴隨著預期的超級加倍，而人類永遠跑不過算力膨脹的速度。
很多年以前，有一部電影叫《時間規劃局》，講的是在未來的世界，人的生命被定格在 25 歲，人類社會拋棄了金錢貨幣，開始使用時間作為新的流通貨幣，時間就顯示在每個人的手臂上，當時間耗盡，這個人就會死亡。
這種焦慮，某種程度上像電影裡的設定，只不過流動的不再是時間，而是 Token。
所謂的用 AI，已經變成我們被 AI 的永動性深深綁架了。我們就像是被很多東西推著，捲入了一場沒有終點的算力馬拉松，每個人都在咬牙切齒地奔跑，生怕自己因為 Token 消耗不夠而被系統優化掉。
舊金山風險投資人 Nikunj Kothari 專門寫了一篇文章，來解釋這種 Token 焦慮的時代症候群。在那篇文章里，他從矽谷的日常生活切入，描繪了「Token Anxiety」如何徹底摧毀了年輕人的社交和休閒。
為了讓 Agent 24 小時運轉，科技從業者們放棄了周末狂歡，連看電影、讀小說都會產生「算力閒置」的負罪感。
以前晚餐時的社交開場白通常是「你在做什麼項目」，現在那個時代結束了。現在大家見面第一句話是，「你同時在跑幾個 Agents？」
Token 焦慮已經比時間焦慮更進一步，公司用 KPI 逼我們卷 Token 的背後，是我們已經把這種焦慮內化了。當沒有任何被迫加班的時候，我們也停不下來。
這是今年的新賽博精神病：一旦 Agents 沒在消耗 Token，就覺得在虛度光陰。
