Token再這么燒下去，AI遲早要反噬自己

““沒有什么比一張六位數的Token賬單，更能幫你升職”

今年春天，一位在Meta工作的軟件工程師朋友突然給我發來一條消息。

"看到我們裁員的新聞了吧？"

本以為他要吐槽扎克伯格管理水平不行，結果卻話鋒一轉："現在大家都瘋了一樣在燒Token。"

我愣了一下。

"為什么？"

“盡管公司從來沒有公開地告訴我們Token使用量會不會影響績效，但大家都猜這個指標會成為裁員的依據。”他說到。

這種擔心并非毫無來由。

2026年初，Meta內部曾出現一個由員工自建的AI使用排行榜——Claudeonomics。它統計了超過8.5萬名員工的AI使用情況，并列出了Token消耗最高的Top 250員工。排行榜后來被撤下，但Meta隨后證實，公司確實存在官方的AI Insights Dashboard，用于追蹤員工AI工具的使用情況，只是不再按照Token簡單排名。

在北美華人科技論壇一畝三分地上，也有匿名用戶提到，一些Meta員工會通過編寫循環任務，持續調用模型，以提高自己的Token使用量。

幾天后，我又聯系了一位在Intuit工作的軟件工程師。

今年以來，Intuit股價持續低迷，再疊加SaaS行業裁員消息不斷，公司內部也開始彌漫著一種不安的情緒。

"大家都覺得，裁員只是時間問題。"他說到。在聊到AI時，他突然說了相似的話，"我們現在也在想辦法多用一點Token。"

我問他為什么。

"Manager每周都會看團隊的AI使用情況。如果有人幾乎不用，就會被提醒：'你應該多用一點。'"

同樣的，Intuit從來沒公開表明Token使用量會影響績效。"但既然公司開始統計，那這個數據肯定有用。"他說到。

"前兩天，一個同事給我發了個GitHub項目。"

我問，什么項目？

"他說，如果只是想把Token刷高，用這個最快。"他笑了一下，"我當時覺得挺離譜的。但我周圍很多人也在比較每個月誰在Claude上花的錢更多。"

聊天結束后，我點開了他發來的那個鏈接。

項目名字叫Burn Baby Burn。打開README，也是滿滿的諷刺意味。

第一頁寫著一句黑色幽默：

Nothing gets you promoted faster than a six-figure token bill. （沒有什么比一張六位數的Token賬單，更能幫你升職）

下面還有一句：

Investors love AI usage. （投資人喜歡看AI使用量）

仔細看了一遍，整個項目沒有教開發者怎么寫更好的Prompt，也沒有提高Agent效率。只有一個簡單粗暴的目標：更快地浪費公司給的Token預算。

這個項目很快被轉發到Hacker News。有用戶評論說：

"This is one of the funniest things I've seen on HN. This is actually becoming useful where I work." （這是我最近在Hacker News上看到最好笑的東西。可笑的是，它在我們公司居然真的開始有用了。）

教你如何用一行代碼

燒掉50000個Token

我接著翻看Burn Baby Burn這個項目，發現它的運行方式并不復雜。

用戶安裝后，只需要在命令行里輸入類似burn 50000，它就會調用Claude Code或Codex，目標是消耗5萬個Token。項目說明里甚至直接給了幾個例子：burn 50000--model haiku、burn 100000--model sonnet、burn 50000--backend codex。

腳本會生成一段沒有實際意義的填充文本，然后把這段文本塞進Prompt里，并要求模型只回復一個單詞：burned。換句話說，它不是讓模型解決問題，而是讓模型讀取一堆無意義內容，再給出一個極短回答。Token就是在這個過程中被消耗掉的。

為了讓這個過程看起來更像一場表演，腳本還會在終端里顯示進度條、動畫和累計成本。每調用一次模型，它會解析Claude或Codex返回的Token使用量，把已經燒掉的Token累加起來，直到達到用戶設定的目標。

項目作者顯然是在搞笑。如果用戶一次試圖燒掉超過100萬個Token，程序會直接退出，并提醒："這個倉庫是個玩笑，README里的企業版也不是真的。"

但評論區的開發者似乎比作者還會玩。

有人提Issue，希望增加多線程支持，理由是："我已經靠這個工具升職了，現在需要燒更多Token。"

還有人建議把整個項目用Rust重寫，因為"Bash燒Token還是太慢了。"

我繼續搜索"token burn"，發現Burn Baby Burn并不是唯一一個這樣的項目。

有人做了token-burn。作者說Claude Code、Codex這類工具每周都會重置額度，不用也是浪費，不如趁額度清零之前，讓AI去跑代碼審查、補測試、重構，把剩下的Token全部花掉。

再往下翻，還有不少類似的小工具。

有的自動生成超長Prompt，有的讓多個Agent互相討論，還有的專門循環調用模型，把額度一直跑到清零。它們大多沒有多少Star，也未必真的會有人長期使用。但如果放在兩年前，很難想象GitHub上會出現這樣一類項目。

畢竟那時工程師們討論的還是怎么減少服務器開銷、壓縮云計算成本、優化代碼效率。

今天，他們開始討論另一件事：怎么在AI上花更多的錢。

AI行業正在重復蘇聯工廠的錯誤

英國經濟學家Charles Goodhart曾提出一個觀點：“當一個指標成為目標，它就不再是一個好的指標。”

這就是后來廣為流傳的Goodhart's Law（古德哈特定律）。

歷史上，蘇聯計劃經濟就犯過這樣的錯誤。為了提高工業產量，政府用釘子的重量考核工廠，結果工廠生產出又粗又大的釘子；后來改成按數量考核，工廠又開始生產細如針尖的小釘子。

無論是哪一種，工廠都完成了KPI，但真正有用的釘子卻越來越少。

今天的AI行業，越來越像當年的蘇聯工廠。

Token原本只是衡量模型計算資源的一項技術指標，但過去一年，它逐漸變成了衡量AI應用程度、產品增長速度，甚至企業價值的重要指標。企業開始鼓勵員工多用AI，創業公司開始展示Token增長，越來越多VC也把Token消耗、Token增速當成產品活躍度和增長潛力的重要信號。

所以“Tokenmaxxing”一度成為硅谷開發者討論的熱門話題，這才衍生出了專門幫助"燒Token"的GitHub項目。

然而，每一個Token背后都是真金白銀的投入。

GPU要擴，HBM要買，數據中心要建，電費要交，網絡、散熱、運維一樣都少不了。AI Agent越普及，推理次數越多，整個AI基礎設施的成本也跟著水漲船高。今天漲價的不只是HBM，而是整個AI行業的底層成本。

更尷尬的是，成本一路飆升，價值卻沒有同步增長。

Token消耗越來越多，AI調用越來越頻繁，但企業的生產力、收入和利潤，并沒有按同樣的速度增長。于是，企業開始限預算，模型公司開始取消補貼、改成按量收費，整個行業突然開始重新計算ROI。

過去，企業鼓勵員工多燒Token，VC鼓勵創業公司講Token增長，模型公司補貼Token搶市場。所有人都在追逐同一個數字，卻越來越少有人問一句：

這些Token，到底創造了多少價值？

長長的賬單把老板打醒了

過去幾個月，因為AI Token成本增長得遠遠超出了預期，美國已經有不少大型公司開始限制員工使用AI。

據《金融時報》報道，由于一些員工開始為了提升排名而故意消耗Token，Amazon已經關閉了統計員工AI使用情況的內部排行榜 KiroRank。

在與員工溝通時，Amazon高級副總裁Dave Treadwell明確表示：“不要為了使用AI而使用AI。請使用AI去幫助解決客戶問題、業務問題，并推動創新。”

Uber更著急。據報道，公司原本一整年的AI工程預算，僅用了四個月就全部花完，不得不為每位工程師使用Claude Code、Cursor等AI編程工具設置每月1500美元的預算上限。

即便消耗了如此多的Token，Uber首席運營官Andrew Macdonald在今年5月接受采訪時仍坦言，截至目前，他還沒有看到AI支出的增加，與生產力提升之間存在明確的對應關系。

除此之外，更多科技公司加入到這場AI成本控制大戰之中：微軟縮減了內部Claude Code授權；協作軟件公司Atlassian開始為員工設置Token配額；在線旅游平臺Priceline在AI編程工具漲價后加強使用審核；而加密貨幣交易所Coinbase則選擇另一條路——不直接限制Token，而是通過模型路由和緩存優化，降低每一次AI調用的成本。

出于ROI的考慮，越來越多企業開始重新審視AI的投入方式。

McKinsey最新《State of AI》報告顯示，88%的企業已經至少在一個業務部門部署了AI，較上一年進一步提升，說明AI采用率已經非常高。然而，真正看到財務回報的企業卻遠沒有那么多。只有39%的受訪企業認為AI已經對經營利潤（EBIT）產生影響，而且其中絕大多數企業表示，這種影響占利潤的比例仍不足5%。

這種變化也反映在其他研究中。根據KPMG今年5月對全球2145名企業高管的一項調查，近一半受訪企業表示，由于AI Agent的成本已經超過帶來的收益，因此減少了AI Agent的使用。

企業正在進入Gartner所說的"幻滅低谷（Trough of Disillusionment）"——最初對AI的興奮，正逐漸讓位于對成本、規模化和ROI的現實考量。過去討論的是AI Adoption（采用率），如今討論的則是AI ROI。

連OpenAI CEO Sam Altman都承認，這種變化發生得非常快。他表示，今年年初，幾乎沒有企業會主動討論AI成本；但短短幾個月后，這已經成為客戶最關心的問題。過去幾個月，他聽到最多的一句話就是：

"我們第一季度就花光了全年AI預算。

模型公司也補貼不起了

該有人買單了

當企業開始重新計算AI的經濟賬，模型公司也不得不改變自己的商業模式。

過去兩年，為了搶占市場，OpenAI、Anthropic等公司普遍采用固定訂閱（Flat Fee）模式，企業無論消耗多少Token，費用幾乎保持不變，而不斷上漲的推理成本則由模型公司自己承擔。

這套模式在AI還是聊天機器人時代尚且能夠維持，但AI Agent改變了游戲規則。

相比一次普通問答，一個AI Agent往往需要連續調用模型、反復推理、修改代碼、驗證結果，一個任務消耗的Token可能是傳統聊天機器人的幾十倍甚至上百倍。用戶看到的只是"完成了一個任務"，模型公司承擔的卻是GPU被占用、電力被消耗、服務器持續運轉和數據中心持續擴容的成本。

財務壓力也開始迅速累積。根據《金融時報》披露的數據，OpenAI去年營收約130億美元，運營虧損卻高達209億美元；即使剔除一次性會計因素，經營層面的現金消耗仍達到約80億美元。

Anthropic雖然收入高速增長，卻仍持續融資數百億美元，用于采購GPU、建設數據中心，以及支撐Claude不斷增長的推理需求。

這也解釋了為什么這兩家巨頭計劃在今年上市——對于這些仍處于高投入階段的模型公司而言，持續獲得資本市場支持，已經成為支撐算力擴張和模型迭代的重要前提。

不過，OpenAI最近又傾向于將IPO推遲到明年。據多家媒體報道，主要原因并非放緩擴張，而是顧問團隊擔心近期大型科技IPO上市后的市場表現不佳，希望等待更有利的市場環境，并爭取實現更高的上市估值。

在計劃上市之前，模型公司的商業模式已經開始發生變化。OpenAI、Anthropic以及GitHub Copilot等產品陸續放棄固定訂閱，轉向按實際使用量收費（Usage-based Pricing）。GitHub更是在博客中坦言，公司過去一直在承擔不斷上漲的AI推理成本，固定價格模式已經“無法持續（no longer sustainable）”。

正如投資機構Sure Valley Ventures管理合伙人Barry Downes所說：“過去一年，很多AI產品實際上都在補貼用戶使用量，以爭奪市場份額。現在，是時候有人來買單了。”

但這個賬單，并不會只落到某一家公司頭上。

企業會以更高的AI訂閱費、更嚴格的Token配額和更復雜的成本管理來買單；模型公司會以更高的推理成本、更低的毛利率和更難講的盈利故事來買單；創業公司會以更貴的API成本和更難成立的商業模型來買單；投資人則會以更長的回本周期和更低的估值容忍度來買單。

Tokenmaxxing看起來像一個玩笑，最后卻戳中了整個行業最真實的問題：當一個行業把資源消耗包裝成增長，它遲早要為這套增長敘事付費。

AI真正應該比拼的，不是誰燒掉更多Token，而是誰能用更少的Token，把事情做得更好。

否則，今天燒的是Token，明天反噬的，就是AI自己講出來的增長故事。

文：王茜茜/數據猿
責編：凝視深空/數據猿