大廠搞token排行榜　結果摸魚的人排第一

美劇《火線》曾描繪一個荒謬現實：警方為美化犯罪data 數據，把重罪降級，讓強暴案從報表上消失。街頭槍聲未歇，長官卻在慶祝治安改善。諷刺的是，類似劇本正出現在2026年的中國科技業——只不過這次被操弄的不是犯罪率，而是AI的token消耗量。只要你會刷token 代幣，摸魚也能變模範員工。

近期小紅書熱議一則帖文，一名自稱在BAT大廠（非百度）的工程師坦言，部門啟動token消耗ranking 排行榜，未來轉正、績效、晉升都將參照此指標，使用量過低者甚至面臨淘汰。他三月高居榜首，還被主管點名分享「高效使用AI」經驗。但他沒說的是，過半token用於整理個人筆記發文。這不是個案。另一名朋友在公司三年，近日也被要求在日報中填寫「今日AI使用時數」與「產能提升估計」，逼得他不得不反覆開啟AI工具，思考如何「合理」刷量。

表面上，token消耗量看似合理——它是AI處理資訊的最小unit 單位，如同AI世界的字數或貨幣。每輪對話消耗的token包含輸入、推理與輸出，理論上使用越多，互動越頻繁。英偉達執行長黃仁勳甚至主張，工程師的token預算應達薪資一半，若年薪50萬美元者僅花5000美元在token上，他將「deeply alarmed 深感震驚」。這種「用得多=產出高」的邏輯，也催生了矽谷新詞「Tokenmaxxing」——極致追求token使用量。OpenAI工程師曾單週處理2100億token，Anthropic用戶一個月燒掉15萬美元在Claude Code上。

但問題在於，token消耗量極易造假。第一招是「上下文滾雪球」：AI每次回應都會重讀全部歷史，對話越長，單輪消耗越高。持續追問五十輪，光重讀就可達百萬token，還能辯稱是「deep thinking 深度思考」。第二招是啟動數十個AI代理（Agent）自動運作，每步驟皆消耗token，一夜之間就能衝上排行榜。第三招更簡單：上傳十萬行程式碼倉庫，請AI「分析一下」，努力的模樣唾手可得。這些手法不難想像，管理層也不可能不知情。

經濟學中的「古德哈特定律」（Goodhart's Law）早已預言：當一個指標成為目標，它便不再有效。英國曾考核急診等候不超四小時，結果醫院讓救護車停在門口不讓病人下車——因計時從入門開始。同樣地，token排行榜已成AI時代的功德箱：佛祖看誠意，領導看次數。真正值得追問的是：為何明知會被操弄，此指標仍被推行？背後是AI時代自上而下的焦慮。董事會問CEO「AI戰略為何」，CEO問副總「落地進度」，副總問總監「給我數據證明大家有用」。當真實貢獻難以衡量，管理者只能抓住「可量化」的替代指標。

強制推動AI有其正當性，正如福特當年強推流水線，雖遭工人抵制，最終仍提升整體效率。但兩者關鍵差異在於：流水線是底層生產力變革，工人別無選擇；AI卻仍由個人決定是否使用。若AI真能增效，使用者自然勝出，無需排行榜逼迫。與其關注token消耗，不如關注問題解決的impact 影響。寫作的價值不在字數，思考的價值不在翻頁數，AI的價值也不在燒了多少token。別讓管理的焦慮，把人的價值一起燒盡。街頭槍聲不會因數據美化而消失，公司效率也不會因token狂燒而自動提升。