Token 是"过程"，不是"结果"。大厂一开始把它当进度条，后来发现这玩意是个黑洞。烧得越多，亏得越惨。就这么简单。
Meta 去年做了个实验：把员工 AI 使用量和绩效挂上钩。30 天，内部 Token 消耗从 6 万亿飙到 73.7 万亿，涨了 12 倍。业务产出纹丝不动。
Uber 四个月烧光全年 AI 预算。某企业单月 API 账单 5 亿美元。Salesforce 每年给 Anthropic 开 3 亿支票。
大厂们算了一笔账：每花 1 美元买 Token，后面还搭进去 0.82 美元修 bug、重写代码、额外审查。真实成本快翻倍了。还没算最隐蔽的那层——为了管住员工不乱用 AI，又得花钱买监控工具、写审计脚本、分析调用日志。用 AI 的钱没回本，管 AI 的钱先出去了。
当初为什么提倡？
因为 Token 太好量化了。
AI 落地早期，没人知道怎么量化价值。DAU、转化率、效率提升——都太软、太慢、太难归因。Token 不一样。硬数字，API 账单上写着。管理层需要"我们在 push AI"的证据，Token 就是现成的。
问题是，能量化的东西就会被绑架。
Token 跟考核挂钩之后，「用量」立刻取代了「效果」。员工开始用 AI 查天气、写生日祝福、批量生成没人读的代码注释。数字好看就行。Meta 那 12 倍暴涨里有多少真实产出，管理层自己清楚。
这跟当年互联网早期比带宽、比服务器数量是一个路子。区别是那次觉醒得快，这次烧的是真金白银。
现在换什么？
黄仁勋管 Token 叫"工厂产能"。李彦宏提 DAA（日活智能体数）。还有人说"效法自然"减少浪费。HubSpot 的 CEO 直接喊"outcome > token cousumption"。
听着都没毛病。但坑还在。
DAA 跟 Token 是一个性质的陷阱。如果 DAA 也绑 KPI，员工会干嘛？批量部署"伪智能体"——每天自动查邮件、自动回 GitHub Issue 的 Hello World Agent，24 小时"活跃"，维护成本是它产出的三倍。
从量"子弹"改成数"战果"方向没错。但不管量什么，只要绑到 KPI 上，它就变成形式主义流水线。我不管你叫什么指标，这个循环停不下来。
说句可能不恰当的话
整个行业可能跑偏了。
把 Token 消耗当"成本"来管，这个前提就有问题。电力普及早期，没人去量化工人的用电量然后扣绩效。互联网接入也一样。如果你把 AI 看作一种新的"数字电力"——基础设施级别的——那讨论它"该花多少"就像工业革命时期讨论煤是不是烧太多了。你会想：这帮人是不是没搞懂蒸汽机到底意味着什么？
探索期的浪费有价值。Meta 那 12 倍暴涨确实暴露了 Agent 冗余、上下文浪费这些真实瓶颈。没那波狂烧，优化方向不会这么快出来。一刀切砍掉，可能把"试错积累认知"这条路也掐了。
微软停掉内部 Claude Code 授权之后，员工被迫回去手写代码，结果发现很多任务根本不需要 AI。这说明了俩事。一，之前确实在浪费。二，一刀切会让那些真正需要 AI 的复杂探索也遭殃。
大厂从提倡 Token 到反 Token，不是找到了更好的指标，是被成本吓到了。但他们没解决根本问题。用token投入的方式管创新，这个范式本身就生产浪费。换把尺子量同一件事，不会改变这件事的性质。
真正要想清楚的，不是"用什么替代 Token"，而是"AI 在企业里算成本还是算投资"。算成本，那永远在省。算投资，该烧就烧——前提是你知道自己在烧什么。
