*内容为转载编译，仅为呈现不同市场观点与研究视角，并不意味着本公众号对文中观点结论认可。Meta内部的“Claudeonomics”排行榜被曝光后，硅谷突然多了一个很刺眼的词：Tokenmaxxing。它指的是工程师、团队甚至公司，为了证明自己足够“AI native”，主动拉高AI调用量，刷Token、跑Agent、堆请求、冲榜单。【如需和我们交流可扫码添加进社群】Meta一个内部排行榜曾追踪8.5万名员工的AI使用量，30天消耗超过60万亿Token；Microsoft、Salesforce也被曝出类似的内部使用追踪与最低消耗目标；Disney的AI Adoption Dashboard则让员工看到Claude、Cursor等工具的请求数和Token使用量。表面上看，这是AI工具进入企业日常的证据。放到资本市场里，它更像一个早期警报：AI商业化正在被“调用量”加速推高，但Token消耗能不能转化为利润、效率和现金流，还没有被真正验证。AI普及最快的地方，也最容易长出虚假繁荣过去企业评价软件工具，核心问题很直接：它能不能节省人、缩短流程、增加收入、降低错误率。AI进来以后，评价体系开始变形。很多公司还没想清楚AI到底带来了多少业务结果，就先把“有没有用AI”“用了多少AI”“谁用得最多”放进了管理视野。这就是Tokenmaxxing最值得警惕的地方。Token本来只是模型处理文本、代码、图片等信息的计量单位，类似水表、电表。今天，它正在被包装成一种组织姿态：用得多，代表你拥抱AI；用得少，可能被认为落后、保守、不适应新工具。企业原本想推动AI adoption，结果很容易滑向一个更粗糙的指标崇拜：把消耗当参与，把参与当产出，把产出假定为效率提升。Meta的“Claudeonomics”排行榜之所以引发争议，正在于它把AI调用变成了可排名、可展示、可比较的数字。公开报道显示，这个内部工具一度追踪超过8.5万名员工的AI Token使用量，30天总消耗超过60万亿Token，排名最高的个人用户达到数千亿Token级别。这个数字本身已经很惊人，更重要的是它给员工释放了一种强烈信号：AI使用量正在成为新的职场可见度。Microsoft和Salesforce的案例更能解释这种机制如何传导到一线。The Pragmatic Engineer披露，Microsoft内部也有Token使用排行榜，部分高级工程师和管理层出现在高使用量名单；Salesforce则被曝有工具展示个人AI花费，并给出最低使用目标，例如Claude Code和Cursor的周度或月度消耗线。对员工来说，这类指标一旦与“是否积极拥抱AI”绑定，行为就会迅速改变：重复提问、让模型处理本来可以直接读的文档、让Agent跑一些不会上线的项目，都可能变成“安全动作”。这套逻辑和早年软件行业迷信“代码行数”很像。写更多代码，不代表解决了更多问题；消耗更多Token，也不代表创造了更多价值。区别在于，代码行数主要制造管理幻觉，Token还会直接变成账单，进入企业成本结构，传导到模型公司收入、云厂商订单和GPU需求预期。所以，Tokenmaxxing不是一个硅谷段子，它揭开了AI商业化最微妙的一层：行业正在用“消耗量”给“生产力”预支估值。模型公司吃到红利，买单者未必算清了账从短期交易看，Token焦虑当然利好AI产业链。调用量越高，模型公司的收入越快增长；企业越愿意把AI放进工作流，云计算、GPU、存储、网络和数据中心越容易拿到确定性订单。Anthropic就是最典型的受益者之一。Reuters在4月下旬报道，Anthropic的年化收入 run-rate 已从2025年底的约90亿美元升至2026年4月的300亿美元，Claude Code等开发者工具成为重要增长抓手；Google母公司Alphabet还计划最高投资400亿美元，继续加深与Anthropic的合作。OpenAI也在推动同一条曲线。OpenAI 4月发布的企业AI文章称，企业业务已占其收入40%以上，并有望在2026年底与消费者业务持平；Codex周活跃用户达到300万，API每分钟处理超过150亿Token。这个口径很关键：AI行业的增长故事，已经从“用户数”转向“调用深度”，从“多少人试过”转向“多少工作流离不开它”。资本市场自然愿意先交易这部分。模型公司收入加速，云厂商资本开支抬升，GPU订单继续紧张，AI基础设施估值就有支撑。Citigroup最新也把全球AI市场2030年规模预期上调至超过4.2万亿美元，其中企业AI预期被明显上修，理由正是企业采用速度和编码自动化需求加快。但问题也藏在这里：企业到底是在买生产力，还是在买一种“AI参与感”？如果AI调用能稳定减少研发周期、降低测试成本、提升销售转化、压缩客服人力，那高Token消耗就是合理投资。反过来，如果大量调用来自刷榜、重复、试错、炫技和无效Agent，模型公司的收入增长里就混入了一部分“行为扭曲”。对产业链上游来说，这仍然是收入；对企业客户来说，它是成本；对投资者来说，它是未来某个季度可能被审计出来的估值风险。现在AI行情最容易被忽略的矛盾就在这里：卖铲子的人已经开始赚钱，挖矿的人还在证明矿石成色。一些企业和创业公司把Token消耗看成“训练组织肌肉”的成本，认为早期粗放使用可以换来能力跃迁。Business Insider近期采访多家创业公司时提到，有公司主动设定Token使用额度，希望工程师更激进地使用AI，也有创业者认为这种趋势很快会被成本纪律压下去。分歧本身就说明，AI支出已经进入管理层预算讨论，而不是单纯的技术尝鲜。这对AI产业链有两个结果。第一，短期收入曲线可能比真实生产力曲线更陡。因为组织激励会放大调用量，尤其在管理层强推AI的阶段，中层和一线会主动提高使用频次，避免被贴上“不懂AI”的标签。第二，未来回撤也可能更突然。企业一旦进入预算审查期，CFO不会只看“用了多少AI”，而会看每一美元AI支出换来了多少可计量结果。那时，靠使用量堆出来的增长，会被重新拆分：哪些是刚需，哪些是试验，哪些是浪费，哪些只是内部政治正确。下一阶段拼的不是谁更会烧，而是谁能把Token变成利润AI行业现在站在一个很关键的分叉口。第一阶段，拼模型能力。谁的模型更强，谁拿走开发者和企业试用。第二阶段，拼渗透率。谁能进入代码、客服、销售、办公、数据分析等核心工作流，谁拿到更高频调用。第三阶段很快会到来：拼ROI。这会让行业重新分层。模型公司会从“调用量增长”进入“高质量调用增长”。API收入当然重要，但客户留存更重要。那些能把模型嵌进真实业务流程、提供稳定工具链、降低幻觉和返工成本的厂商，会比单纯追求Token规模的厂商更有韧性。Anthropic、OpenAI、Google、Microsoft之间的竞争，后面不只看模型榜单，也看企业客户到底愿意为哪些场景长期付费。云厂商和算力厂商会面对另一种审问。过去两年，AI资本开支的解释很顺：需求太旺，供给不足，先买再说。但高盛近期提醒，AI正在改变市场对美国股票长期增长假设的定价，几家大型科技公司2026年AI相关资本开支规模仍然巨大，短期现金流压力和长期回报不确定性会持续影响估值。换成交易语言，就是CapEx叙事会从“越多越强”转向“花出去的钱能不能回来”。企业应用层也会洗牌。过去一年，很多AI应用喜欢讲“替代人力”“提升效率”“自动化工作流”，但真正能留下来的公司，需要拿出更硬的结果：获客成本下降多少、客服解决率提高多少、代码返工率降低多少、销售线索转化改善多少、财务处理周期压缩多少。没有这些指标，AI工具再热，也很容易变成企业软件预算里的新一轮冗余。Deloitte 2026年企业AI报告里有个很有参考意义的数字：74%的组织希望AI未来能带来收入增长，但目前真正已经通过AI实现收入增长的比例只有20%。这组差距说明，企业AI的想象空间很大，兑现速度还没跟上叙事速度。HBR近期也提到，71%的全球CIO表示，如果两年内无法证明AI价值，AI预算可能被冻结或削减。这个信号比Token排行榜更接近下一阶段的市场定价：AI不是不能花钱，而是花钱必须进入财务语言。所以，未来的核心指标不会停留在Token数量，而会转向“单位Token产出”。可以理解为AI时代的能效比：每消耗一美元模型成本，带来多少收入、节省多少人时、减少多少错误、沉淀多少可复用流程。谁能把这套账算清楚，谁就能穿过ROI审计；算不清的公司，会从AI先进典型变成预算清理对象。资本市场也会顺着这个方向重新定价。短期，Token膨胀还能支撑模型公司、云厂商和算力链的收入曲线；中期，企业客户进入预算纪律后，粗放调用会被压缩；长期，真正的AI护城河不在“消耗更多”，而在“同样成本下产出更高”。这会带来一个很现实的分化：上游仍然享受需求惯性，但估值弹性会越来越依赖客户ROI；中游云和算力要证明资本开支不是无底洞；下游应用公司要从“会接模型”升级为“能改业务结果”。AI行业会继续增长，但增长质量会被看得更细。结语：Token狂热会退，AI财务纪律会来Tokenmaxxing看起来像硅谷文化里的荒诞插曲，底层却是AI行业从技术狂热走向财务约束的提前预演。今天，企业愿意鼓励员工多用AI，因为没有人想在下一轮技术周期里掉队；模型公司也乐于看到调用量飙升，因为Token就是收入入口；资本市场更愿意先买单，因为收入曲线正在兑现，产业链订单还有惯性。三方力量叠在一起，Token消耗就被推成了一种繁荣指标。但这种繁荣不会一直停留在“用得多就先进”的阶段。下一轮企业AI的分水岭，会从使用率切到产出率，从Token规模切到单位Token回报，从工具采购切到组织效率。到那个时候，能把AI嵌进业务闭环的公司会被继续加估值，靠刷调用量撑起来的故事会被快速压缩。AI行业最危险的信号，不是企业开始烧Token，而是企业把烧Token误认为竞争力。消耗可以带来收入，也可以制造泡沫；调用可以产生效率，也可以制造噪音。真正有价值的AI公司，最后要回答的只有一个问题：客户花出去的每一美元，能不能换回更清楚的利润表。 文章原文