老板逼员工狂烧AI额度？真相竟然是为了逼大家学新技能！现在烧钱逻辑全变了！
老板们催员工狂用AI，表面看是犯傻烧钱，但实际上这是他们故意搞的一场“全员AI大练兵”。现在成本暴涨，补贴停了，大家觉得烧钱时代结束。但最新的技术趋势是，AI花越多心思（token）干活，结果就越好，这反而会催生新一轮更猛烈的“无限烧钱”竞赛。
老板们花钱买罪受？商业世界可不兴这个
咱们都知道，普通人花钱有时候就是图一乐，甚至花钱买罪受。比如往游戏里充几万块抽卡，或者花一百块赌某个球星能做出高难度后空翻同时唱国歌进球，这纯属为了刺激。这种非理性消费，是消费市场的常态。
但放到公司里，尤其是那些正经做生意的大公司，这逻辑就不通了。你见过哪个CEO拍桌子说：“兄弟们，今年咱们的目标就是把这笔预算烧掉，烧得越干净越好，大家开心就好！”基本上没有。能做到高管位置的人，尤其是管着几千几万员工的大佬，他们做的每一件事，理论上都得算算投入产出比。他们可能犯傻，但很少会故意拿钱打水漂。
然而，最近AI圈出了个怪现象，叫“tokenmaxxing”。简单说，就是公司高管莫名其妙地鼓励员工使劲用AI，把那些付费的AI额度（token）往死里消耗。最典型的例子是Meta，他们居然把员工用AI的额度跟绩效考核挂钩。这政策一出，底下人立刻就疯了。我有个在Meta的朋友说，他们部门的人为了凑指标，直接写个脚本让两个AI机器人互相聊天，聊一整天，就为了把额度刷满。
这事爆出来，大家都笑疯了，说这帮高管是不是脑子进水了，明摆着让员工薅公司羊毛，烧钱搞无效劳动。这看起来像是一个“高管犯蠢”的经典案例，一个因为不懂技术瞎指挥闹出的笑话。
这不叫犯傻，这叫用钱砸开一堵墙
但我觉得，如果只是把这事当成笑话看，那就太天真了。这些高管又不是第一天上班，他们能坐到那个位置，对钱和人的管理肯定有两把刷子。所以，我更倾向于认为，这压根不是什么“意外鼓励”，而是“刻意引导”。他们就是故意让员工去烧这些token的。
为啥要这么干？因为几个月前，想让那些资深的老员工、技术大牛用AI工具，比登天还难。这帮人经验丰富，在公司里说话有分量，但同时对新技术也最警惕。你跟他们苦口婆心讲AI怎么提高效率，他们嘴上答应，转头就用AI干点奇葩事，然后告诉你“你看，这东西不行吧”，本质上就是抵触。
这时候，高管们搞“tokenmaxxing”这种简单粗暴的考核，就像拿个大锤砸墙。你抵触是吧？那好，现在用AI额度跟你的绩效挂钩，你不想用也得用。这确实是个笨办法，但有时候，对付一堵顽固的墙，最有效的就是抡大锤。这招虽然费钱，但它成功地让所有员工，无论资历深浅，都开始动手去碰AI了。
目的达到了，补贴却没钱了
这招效果立竿见影。几个月后的今天，你再去看，基本上每个开发团队，哪怕还没搞出什么惊天动地的AI应用，至少每个人写代码时都会在旁边开着AI辅助工具了。不管怎样，“用起来”这个目标算是实现了。
但问题也来了。所有人都开始用AI，意味着公司的token开销像坐火箭一样往上窜。更要命的是，提供AI服务的公司，比如OpenAI和Anthropic，它们自己也要赚钱，也在压缩免费额度，提高API调用价格。之前公司内部那种“无限量供应”的token补贴，根本维持不下去了。
成本太高，财务那边盯得紧。所以，很多团队开始取消无限额度的政策，控制AI使用。看起来，“tokenmaxxing”这股歪风邪气，马上就要被高昂的成本给压下去了。从算账的角度看，这玩意儿确实活不下去了。
省钱时代结束，但更烧钱的时代来了
如果故事到这结束，那AI在企业里也就是个普通工具。但事情没这么简单。以前，AI跑得时间越长、花的token越多，犯的错误就越多。它会自己瞎编内容，然后在一个错误的思路上越走越远，最后搞得一塌糊涂。我们管这叫“错误叠加”。所以你不敢让它自己长时间干活，必须得看着，花不了太多钱。
但现在情况变了。技术升级了，进入了一个新阶段。现在的AI，你让它思考得越久，花的token越多，它得出的结果就越好。我们叫它“正确性叠加”。这就像做一道超级难题，你给它更多时间去琢磨，它答对的概率就越大。
这个变化就厉害了。如果花钱越多效果越好，那企业不就疯了一样想多花钱、多跑token吗？这不就是一种全新且更猛的“tokenmaxxing”吗！虽然以前那种为了凑KPI的烧钱动机没了，但“追求更好的结果”这个新动力，威力可大太多了。
网络安全里的“氪金大战”，钱多就是王道
这种趋势在网络安全领域已经上演了。最近出了个叫Mythos的超级AI模型，厉害到什么程度？它太擅长找系统漏洞了，以至于开发它的公司不敢公开，只给了少数关键软件厂商用，让他们赶紧加固系统。
研究人员发现一个恐怖的事实：只要给Mythos足够的token预算，它就能一直不停地找出新漏洞，完全没有停下来的意思。投入10万美金的token成本去攻击一个系统，它就能给你翻个底朝天。
这就导致网络安全变成了一场赤裸裸的“比谁钱多”的游戏。你想防住攻击？那你花在找漏洞上的token，就得比黑客用来攻击你的token多。这跟比特币挖矿有点像，不看你多聪明，就看你投入了多少算力。你不需要耍花招，只需要在“花钱买token”这件事上，比你对手坚持得更久。这就是一场冷酷的“低价彩票”游戏。
“循环”大法好，AI自己跟自己玩
因为这个“正确性叠加”的原理，现在业界突然特别流行一个叫“循环”的操作。啥意思呢？就是给AI一个任务，让它开始干，干到它自己觉得干完了或者卡住了，就立刻用同样的指令重启它，让它再来一遍。通过巧妙设置，你可以让AI把一个大任务拆解成小步骤，一遍一遍地循环解决，中间完全不需要人管。
这招其实去年就有人提过，当时还起了个搞笑的名字，但因为技术不成熟，很难搞，需要你对提示词有很深的理解。现在不一样了，“正确性叠加”让循环变得无比简单。你基本不用太费心设计提示词，每一次循环，AI大概率都会比上一次做得更好一点。这就意味着，你可以放心大胆地让AI在后台24小时不停地转，疯狂消耗token来迭代出最优解。
两种烧钱，一种找死，一种找死得更快
所以，现在的“tokenmaxxing”分成了两种完全不同的情况。
第一种，是给开发者用的。程序员用Claude Code这类高级工具，搭建循环，让AI帮忙写代码、找bug。这钱花得值，因为它直接提升了工程师的生产力，让人能干更多活。
第二种，是给数据处理流水线用的。这情况就坑爹了。有些公司不懂，非要让AI去干一些本来用普通代码就能稳定搞定的活，比如数据标注。AI干这事又贵又不靠谱。为了让它靠谱点，他们就想出个馊主意：再弄一个AI来检查前一个AI的工作。检查的AI出了错怎么办？再弄第三个AI来检查第二个。结果就是，本来简单的事，搞成了一个AI套娃，token消耗翻了三倍，效果还是一塌糊涂。
很多公司花了几百万找顾问建这种所谓的“智能体流水线”，结果全是样子货，根本跑不顺。这完全是浪费钱。
通用AI才是未来，但烧钱不会停
好消息是，市场也在自我纠正。大家慢慢发现，与其花大价钱请人定制一个“专用AI小工具”，不如直接用那些通用的、能力超强的AI平台。有些买家没意识到现在通用AI已经很强了，还在傻乎乎地找顾问说“给我做个AI”，顾问就随便写个配置文件，收你两百万美金。
这种乱象会过去。但不管哪种烧钱方式，最终都会指向一个终点：“软件黑灯工厂”。就是一个完全自动化的系统，从写代码、检查代码、修bug到测试，全部由AI完成，人类只需要输入需求，应用就自动生成了。虽然有人说一天要烧掉1000美金token是在吹牛，但“花巨量token换自动产出”这件事，诱惑力是真实存在的。
政府下场当裁判，AI竞赛变味了
就在大家讨论怎么烧钱的时候，外部环境也变了。美国政府开始强势介入AI公司的发布，比如OpenAI的新模型，不是想卖就能卖的，得政府点头批准给谁用。这直接导致了“谁能用最好的AI”变成了一种政治权力。
更夸张的是，之前被美国政府封杀的超级模型Mythos，现在又解禁了，但只允许发给一百多家指定的美国机构和公司。这不就是在明着挑赢家和输家吗？虽然政府说是为了安全，但这种完全不透明的操作，难免让人猜疑，那些跟政府关系好的公司，是不是就能拿到更厉害的AI武器。
AI快到飞起，以及中国模型的威胁
另一个被忽视的点是，AI的响应速度正在变得极快。比如有个叫Cerebras的硬件，跑AI能达到每秒750个token，快到几乎感觉不到延迟。这可能会改变我们使用AI的方式。以前AI慢，我们让它异步工作，发个任务等结果。但如果AI快到极致，我们可能又会回到跟它实时同步协作的模式，那体验就完全不一样了。
最后，还有个让大厂睡不着觉的变量：开源模型。比如中国的GLM 5.2，性能在某些测试里比顶级模型还强，但价格便宜得离谱，只有人家的五分之一甚至更低。
这就引出了一个新策略：假如顶级模型每循环进步10%，而便宜模型每循环只进步5%，但便宜了5倍，那我完全可以多跑5次循环，最终效果反而更好。拼不过单次质量，就拼循环次数，靠数量换质量。这才是“tokenmaxxing”的真正终极形态。
总结
“Tokenmaxxing”没死透，它只是换了个更高级的马甲。以前是领导拿鞭子逼着你烧钱做样子，现在是你自己为了追求更好的结果，心甘情愿让AI拼命烧钱干活。AI的“正确性叠加”和“循环”技术，让“花小钱办大事”的逻辑彻底失效，取而代之的是“花大钱办更大事”的军备竞赛。叠加政府的干预、速度的提升和廉价开源模型的挑战，未来AI的竞争，核心就看谁能更高效地把海量资金转化成算力，砸出那个最优解。把AI工具当奢侈品用，注定会被淘汰。
小红书标题：