Token 用量成硅谷新宠：Meta 关闭内部排行榜，但争议才刚开始
就在 Meta 关闭内部"Tokenmaxxing"排行榜数日后，LinkedIn 联合创始人、知名投资人 Reid Hoffman 在 Semafor 世界经济峰会上公开支持这一做法，令围绕 AI 用量指标的争论再度升温。
什么是 Tokenmaxxing
AI 模型处理 prompt 并生成回复时，会将数据拆分成称为 Token 的最小单元——Token 同时也是计量 AI 使用量、决定服务费用的基本单位。
基于这一逻辑，不少公司开始内部追踪员工消耗的 Token 数量，将其作为衡量"谁更积极拥抱 AI 工具"的代理指标。这种做法被冠以"Tokenmaxxing"之名——"maxxing"是 Z 世代俚语，意为"最大化优化"，类似表述还有"Looksmaxxing"（颜值优化）、"Sleepmaxxing"（睡眠优化）等。
核心争议：Token 用量 ≠ 生产力
问题在于：Token 消耗量真的能反映工作效率吗？硅谷工程师们对此颇有微词。其逻辑类似按"谁花的钱更多"来给员工排名——粗放且失真。
Hoffman 本人也承认，该指标并非生产力的完美代理。但他认为，这仍然是一个值得关注的"仪表盘"指标。
"你应该让各职能部门的人真正去尝试和使用 AI。这里有一个很好的参考维度——不是说它能完美衡量生产力，但……人们在实际使用过程中消耗了多少 Token，这是值得看的。"
Hoffman 同时提醒，Token 消耗大也可能源于随意探索式使用，因此追踪用量必须与理解"员工用 Token 做了什么"相结合。
"部分尝试会失败，这很正常。但正是在这个循环中，你希望各种各样的人实质上、集体地、同时地使用它。"
企业落地建议：全员嵌入 + 周度复盘
除 Token 追踪外，Hoffman 还给出了两点具体建议：
- 全面嵌入：AI 不应局限于特定团队，而应渗透至组织各个层级；
- 周度复盘：定期组织小组交流，分享"本周我们尝试用 AI 做什么新事、学到了什么"，发现真正有价值的用例。
事件背景
此前有报道称，Meta 内部 AI 令牌排行榜因泄露给媒体而被迫下线，但这场关于"用 Token 消耗量衡量员工 AI 使用程度"的讨论，并未就此平息。
评论