大厂狂卷AI军备竞赛，打工人却困在Token考核里

在大厂狂飙猛进的 AI 军备竞赛中，资本的数字正在被不断刷新。

字节跳动完成约 296 亿美元的银团贷款，成为近年亚洲规模前列的美元计价贷款项目；阿里巴巴则完成 800 亿港元新股配售，不到一小时即获超额认购，资金全部投向 AI 基础设施。与此同时，阿里还领投了前员工创办的 AI 初创公司 UniPat AI。

这些密集的资本动作勾勒出巨头们的集体状态：钱在不计成本地涌入，没有人敢在重塑行业格局的技术浪潮里放慢脚步。

财报数据印证了这场豪赌的烈度。字节跳动 2026 年资本开支预计达 700 亿美元；阿里三年 3800 亿元的 AI 投资规划已落地过半，单季资本开支同比大增 75%；腾讯单季资本开支同比暴增 176%，自由现金流出现罕见转负。大厂不惜一切工具发债、配股、重构团队，本质上并非从容布局，而是深层的生存焦虑。

然而，当宏大的叙事向下传递，最终落到执行末端的普通员工身上时，却异化为一场关于指标的荒诞考核。

当 Token 变成 KPI

大厂最初推行 AI 工具时，大多以福利的形式出现：阿里向全体员工发放专属 Token 额度，腾讯为员工配置大额 AI 资源包，字节则对业余体验费用予以补贴。管理层的初衷看似是鼓励探索，但这种宽容很快演变为硬性指标。

随着考核推进，部分企业开始将 Token 消耗量作为转正、晋升甚至优化的参考依据。腾讯部分研发团队要求工程师每日消耗指定额度的 Token；阿里部分业务线将核心衡量标准转向 Token 消耗量，并在 OKR 中纳入 AI 渗透率等细项；昆仑万维等企业更是明确要求使用 AI 编程工具，并将效率提升与末位淘汰直接挂钩。

把 Token 消耗量作为绩效工具，本质是管理评估机制的偷懒。

一个产品功能提前上线，代码提交量增多，很难精准切分究竟是 AI 带来了实质赋能，还是单纯需求简化。技术贡献隐藏在检索、讨论与决策的琐碎流程中，无法被拆成明晰的账单。相比之下，Token 消耗量是一个精准、客观且容易统计的数据，它因此成为最省事的考核抓手。

指标催生了变形的行为。Meta 内部曾出现统计全员 Token 消耗的员工排行榜，排名靠前的个人甚至在单月消耗数千亿 Token；亚马逊推出的内部 AI 评分系统更是引发了大量无意义的接口调用，最终因算力成本急剧失控而被迫关停。

额度收紧与“自费上班”

与 Token 考核并存的，是企业免费额度的悄然收窄。

随着整体算力开销激增，大厂开始对内部额度实行更严苛的管控。部分核心大模型团队仍能获得充裕预算，但业务边缘部门或外包人员的月度额度被大幅压缩，常常在月初几天内就消耗殆尽。

为了完成工作交付与考核达标，不少员工被迫自掏腰包购买外部工具。从 ChatGPT Pro、Claude Pro 到按量计费的 API 调用，许多一线从业者每月需自行承担数百至上千元不等的算力支出，甚至通过二手平台拼购账号。

这种反差构成了当下的打工现实：员工自费采购算力完成任务，效率红利留给了公司，调用费用流向了大模型厂商，打工人不仅承担了额外支出，工作节奏与考核压力也未见减少。

投入产出迷局下的“饲养员”

大厂深陷 Token 考核的根源，在于其自身始终未能理清 AI 投入与商业回报之间的实际账本。

眼下，大模型基础设施的资本开支以翻倍速度膨胀，但其在实际业务场景中的商业化变现仍处在摸索期。在无法确凿验证 AI 投入产出比的情况下，管理层只能将“使用量”偷换为“价值本身”，进而把这种未经验证的不确定性向下转嫁给具体员工。

于是，打工人陷入了双重割裂：一方面被强制要求消耗 Token、协助训练模型以证明组织“拥抱 AI”；另一方面又不得不警惕自身经验被系统过度吸收。技术本应是解放生产力的杠杆，但在粗放的指标管理下，从业者反倒被困在系统内部，沦为了持续喂养算力数据的“饲养员”。

在找到更科学的生产力衡量方式之前，这种由焦虑催生的指标游戏或许仍将持续。