程序员正在集体“自费上班”：为了保住工作，每月倒贴买token

本文来自微信公众号： 深圳微时光 ，作者：黄小邪，题图来自：AI生成 黎诗景是广东一家大数据公司的AI架构师 （程序员职业的细分岗位） 。2025年，公司购买了美国一款AI编程工具的企业会员，技术员工在业务中使用token不限量。但从今年年初开始，公司退订了企业会员，改成每人每月限用200元的token。 而黎诗景的KPI，早就被提了上去了。公司没明说效率要翻倍，但这个要求被隐形地塞进了日常工作安排中。她之前负责一个项目，评估下来要一个半月，被主管直接驳了回来，主管认为有AI帮忙，三个星期就应该上线。 这成了黎诗景的工作常态。token的预算降了，公司和上司依然默认效率要翻倍。她只能自己掏钱买token，先用Trae （一款AI编程工具） 和WorkBuddy （腾讯的AI办公智能体） 的免费token额度，不够了再去更便宜的DeepSeek大模型上充值。 自费买token的打工人 石健在上海一家传统企业的技术部门工作。公司相对保守，没有购买任何大模型的企业会员 （互联网上常说的“公司发token”，大多是指这种企业会员订阅） 。但技术负责人鼓励他和同事多用AI，同时把工作效率和质量的标准都提高了，最近还裁掉了两名员工。 石健在团队里做产品经理。今年3月，新项目一启动，他的token消耗量猛涨，各大模型送的免费额度很快见了底，他只能自掏腰包再买token。一开始，他开通了海外一款大模型的个人会员，一个月花费20美元。5月份他又开通了另一款海外模型的会员，每月总支出60美元。随着国内的大模型愈加成熟，6月份他开始搭配国产模型使用，尽量压低开支。 虽然每月花费不少，但石健和同事都没跟领导提过报销的事。公司规模大，流程繁琐，预算卡得很严。大家心里都明白，看不到明确的投资回报，公司不可能掏出真金白银给员工买token。 团队的工作量，是按年度计划提前排好的，眼下石健的工作量没有明显增加，但他的压力并未减轻，下班时间也更晚了。毕竟上司的要求高了，AI省下来的那点时间，被他用来做更多事情，或探索新的方案。 人力淘汰已经在进行中。石健所在的12人小团队，原本计划借助AI，让前端转岗后端开发，因为后端的替代门槛更高。但前端人员短期内根本无法胜任后端工作。结果2个前端工程师被裁员，空出来的岗位，公司另招后端填补。石健更担心的是另一件事，如果AI提高效率后被公司上层注意到了，明年很可能工作量涨了，却不加人手，说白了还是削减人力支出。 在冯少林的公司里，高层对AI的态度更加暧昧。公司不发token，还明确要求有些工作内容不能用AI。但从今年3月开始，他和同事的工作量明显多了起来。在他看来，这是一种鸡贼的暗示，说白了就是“你用AI写代码我不管，但别让我看出来”。 冯少林所在公司规模不大，主营业务是给传统行业提供技术支持，行业竞争激烈，疫情之后技术人员已经砍掉了两三成。 冯少林和大多数技术同事，都在自费买token。他算的是另一本账：眼下他每月花大约100元买token，让AI帮他干一些“杂活”，这大概能分担四成的工作量。这笔钱不算多，但如果找公司报销，领导可能会认为他的工作被AI分担了一部分，涨薪的时候很可能就少涨了。同时，领导已经默认大家工作中会用AI，谁不自费买token，就会变成团队里效率最低的那个人，很有可能被裁员。 这也是冯少林结合公司的职场文化，总结出来的生存策略。老板是个喜欢把焦虑挂在嘴边的人，区块链来了担心区块链，元宇宙来了担心元宇宙，AI来了又担心AI。他既怕被时代落下，又不愿意真金白银地去尝试。所以公司上下对AI的态度，大家都心照不宣，“用可以，但不能拿到台面上说。” 最近半年，公司虽然没有直接裁撤技术员工，但只要现有员工能把活扛下来，就不会再招新人，一人多岗的情况已经出现了。冯少林预感到一些同事的未来命运，比如初级产品经理的工作，AI已经能替代不少，公司很可能会换一个高级产品经理来做门槛更高的工作。前端岗位暂时还在，但公司很可能找一个掌握前后端技术的全栈工程师来替换。 在冯少林看来，自己掏钱买token也算是一种自我投资。早学的人比晚学的人多占一点信息优势，在未来的筛选中更有机会留下来。但他也清楚，这个能力说到底就是个信息差，算不上真正的核心竞争力。 社交平台上，有人用一个黑色比喻形容这种心态：“自费买token，是自己买绳子，然后套在自己脖子上，不用人来拉，我自己就能跑得更快。” 程一巍在武汉做程序员，与多数同行不同，他明确反对公司发放token，因为“所有发token的公司几乎都关联了裁员”，这是他从新闻报道和同行的现实境遇中得出的结论。 程一巍工作中也用AI，每月自费买token的钱不超过200元。反对公司发放token，是他规避行业裁员趋势的一种考量。在他看来，眼下AI能够提高效率，但幅度有限，公司不可能白白承担AI的费用，最终只能从员工身上找补，要么降薪，要么裁员，提议公司发token的技术员工，无异于“亲手打开了裁员的潘多拉魔盒”。 前不久的新闻里，国内外不少互联网大厂因为员工token消耗过快，开始限制预算。在石健看来，这暴露出一个现实问题，算力开支增长太快，业务收入短期内根本跟不上。“老板是要算账的，当算力成本接近人力成本时，AI的‘性价比’就会打折扣，完全替代人力不现实。” 楚益是腾讯的前员工，目前在深圳做互联网创业。在他看来，大厂限制token用量的新闻，其实是一种被放大的焦虑。“在头部大厂，每月token额度用不完才是大多数人的常态，即便限额以后，对于大多数程序员也足够了。” 楚益判断，国内外的一些头部互联网公司，之所以开始限额，是因为token整体账单太贵，AI的产出又远远低于他们的预期，并非token单价太高。账单太贵的一个重要原因，是大公司里token的浪费和滥用。 “token消耗量更多是一种成本评估手段，并不代表真的用AI做了那么多事。”楚益说。 据楚益观察，盲目推崇海外模型在业内相当普遍，但海外大模型给企业的定价过高，而且国内采购的话，数据安全层面也会涉及合规问题，这可能也限制了企业的付费动力。事实上，目前国产和海外模型的差距越来越小，国产大模型Kimi K3的能力，与海外模型GPT-5.6 Sol、Claude Fable 5都在第一梯队。 AI能做什么？ 程一巍认为，随着大模型的不断进化，AI写代码的能力确实在精进。但他强调，写代码在程序员的工作里只占很小一部分，更多时候要搞清楚“该写什么”和“为什么要写”。目前AI能替代的，是那些形成成熟方法论的基础、重复性的工作，比如从数千万条日志里查特定信息的流向。这一类工作属于“纯粹体力活”，AI几乎全都能代劳。这一点冯少林的观察与程一巍接近，AI能完成绝大多数基础、重复性的工作，但核心部分还是需要人。 程一巍还发现一个问题，教会AI去做一件事，有时候比自己动手还费劲。“为了教会AI而准备的文档和提示词，耗费的时间和精力，比自己写那几行代码还要多得多。” 在程一巍看来，AI的能力有清晰的天花板。“程序员自己的能力上限，决定了AI使用的上限。你自己没有能力做到的事情，就算用AI，能做到的也有限。” 楚益认为，AI提效如何，跟团队里主力工程师的水平和管理模式密切相关。 程一巍和冯少林、石健都有类似的感受，AI写代码