一、从 Token Legend 到 token 限购
如果告诉你，一家公司因为员工太爱用 AI 不得不紧急叫停——你会觉得这是个幸福的烦恼。但这家公司叫 Meta，它 2026 年仅内部 AI 使用的 token 账单就可能达到数十亿美元——足以买下一家独角兽。
2026 年 6 月，Meta 向约 6,000 名员工发出内部备忘录，措辞严厉：AI 使用量出现指数级增长，再不管，全年成本将烧掉数十亿美元。CTO Andrew Bosworth 罕见地甩出一句狠话：
"All motion is not progress and token usage alone is not a measure of impact of any kind."
这句话，距离 Meta 把 AI 驱动的 impact 列入员工绩效核心考核指标，不过几个月时间。
2025 年末，Meta 内部出现了一个叫 Claudeonomics 的排行榜，追踪超过 85,000 名员工的 AI token 使用量，只显示前 250 名。排名靠前的员工被授予 Token Legend、Session Immortal 等称号。更关键的是，高层连续释放信号：AI 使用量将成为绩效考评核心期望。Bosworth 在 2026 年 2 月公开表示，顶尖工程师花掉相当于自己薪资水平的 token、产出提升五到十倍，是不用动脑子的决定——没有上限。NVIDIA 的 Jensen Huang 也在 All-In 播客上助阵：年薪 50 万美元的工程师如果一年消费不到 25 万美元的 token，他会震惊。
结果？73.7 万亿个 token。这是 Meta 员工在约 30 天内消耗的总量。按企业 API 定价折算，仅这 30 天的成本就已突破 10 亿美元。有单个员工在同期消耗了 2,810 亿个 token——相当于一个普通工程师半年的薪资，全部花在了对话上。
2026 年 6 月，Meta 的态度 180 度逆转。应对策略三层：AI Gateway 实时追踪所有团队花费并设置警报；Token 预算 从 2027 年起正式实施配额制；工具替代 引导员工从第三方 AI 转向自研编程助手 MetaCode。Bosworth 的另一份备忘录中写道："Nobody should be using AI tools just for the sake of using them." 曾经表彰 Token Legend 的公司，现在开始追查 tokenmaxxing 了。
二、整个行业都在烧
Meta 不是一个人。2026 年 5 月，Uber 被爆出 2026 年全年的 AI 编码预算在四个月内全部烧光。Uber 的应对方式：每款 AI 工具每人每月上限 1,500 美元。COO Andrew Macdonald 坦承——AI 使用量与可衡量的产出之间还没有建立起联系。Microsoft 收回了开发者的大部分 Claude Code 许可。Priceline 的一次 Cursor 续约价格涨了 4 到 5 倍。某公司因忘记设置使用限制，收到了一张 5 亿美元的 Claude 账单。
组织工程平台 Faros AI 的 CEO Vitaly Gordon 分享了一个案例：一位 CTO 的工程师上月花了 4 万美元的 token 费——他不知道是该阻止他还是让所有人向他学习。这正是行业的核心困境：你没法区分一个花了大钱的员工是在创造 10 倍价值，还是在空转 10 倍消耗。Jellyfish 的研究提供了更残酷的量化：token 消耗最高的工程师产出约为同行两倍，但花掉了 10 倍的 token。AI agent 普及后，工程师人均消耗量在 9 个月飙升了 18.6 倍。KPMG 调查显示，只有 26% 的公司对 AI 成本有全面可见性。D.A. Davidson 的 Gil Luria 直言："本季度会有大量 CFO 看到 Anthropic 的账单后当场疯掉。"
三、AI 的成本悖论
这里有一个违反直觉的现象：Anthropic、OpenAI、Google 在过去一年大幅降低了每百万 token 的价格，但企业的 AI 总支出反而以更陡峭的斜率上升。这是 杰文斯悖论——当资源单价下降时，总消费量反而增加，因为更便宜的价格刺激更广泛应用。蒸汽机效率提升没有减少煤炭消耗，LED 没减少用电量，AI token 正在经历同样的命运。
这个悖论被三重力量放大：第一，AI agent 普及大幅抬高消耗基数——一轮自主思考就能吃掉成千上万 token；第二，心理账户错位——token 被抽象为数字而非钞票时，花起来毫无感觉，FinOps Foundation 的 J.R. Storment 说追踪云成本是每月数亿行问题，追踪 token 是每月数万亿行；第三，囚徒困境式竞争——OpenAI 企业业务负责人 Alexander Embiricos 描述客户问题已从"它能做什么"变成"我们花太多了，你们能提供什么可见性？" Goldman Sachs 预测，到 2030 年企业 token 消费将增长 24 倍。每家公司最终都会有自己的 AI Gateway moment。
四、Meta 的双向押注
Meta 的故事还有一层独特的讽刺。一方面它在 AI 下着人类商业史上最大的赌注——2026 年 Capex 高达 1,150 亿至 1,350 亿美元，承诺到 2028 年数据中心累计投入 6,000 亿美元。另一方面，它连员工用第三方 AI 工具写代码的账单都快付不起了。这构成了 AI 产业罕见的"双向烧钱"模式：既是基础设施的超级买家，又是 AI 服务的超级用户。
转向 MetaCode 是为了省钱，更是为了获得更大的杠杆——让每一块钱的内部 token 花费从费用变成对自身 AI 能力的投资。但这个逻辑有一个致命问题：MetaCode 有 Claude 好用吗？如果不如，强制员工切换就是把生产力给成本让路。而那个最核心的问题仍悬而未决：AI token 的投入，到底带来了多少可衡量的商业产出？
结语
Linux 基金会已宣布成立 Tokenomics Foundation——对标 FinOps 的 AI 成本治理标准组织。这本身就是一个信号：token 治理已从个别公司内部需求升格为产业级系统需求。但真正的赢家不是做治理工具的，而是能用 AI 创造可衡量业务价值的公司。避免 tokenmaxxing 陷阱的唯一方法，不是限制 AI 使用，而是把投入与产出直接挂钩。
AI 产业的第一个谎言是 AI 会让每个人都更高效。第二个谎言是用更多 AI 就能更快到达目标。Meta 用 73.7 万亿个 token 证明了：当一家公司连自己内部 AI 成本都管不住的时候，它卖给你的那把铲子，可能连它自己都铲不动了。
快报