在大厂，token用少了不“健康”

作者 | 华卫 “今年，AI提效比去年更‘卷’了。”这恐怕是现在无数个身在职场的人共同的感受。 如今，算力补贴变成了科技大厂标配的新型福利。不少头部企业都在密集推出面向全员的 AI 资源支持计划，阿里巴巴为全体员工发放专属 token 额度，腾讯被曝为员工配置年度价值约 22 万元的 AI token 套餐，覆盖多款主流开发与协作模型。4月初，字节跳动在发布的内部信中宣布，工作场景AI工具不限额度，员工业余时间AI产品体验费用公司报销50%。 好消息是，不用再当“氪金”上班的打工人了。但坏消息是，这份福利似乎很快要变成评估员工价值的隐形KPI。有消息称，国内某大厂当前正依据token使用量标准来作为转正、晋升以及裁人的依据之一。 海外的科技巨头亦早在大力在推进类似的管理制度：微软要求各级主管评估员工绩效时，必须考量AI工具使用情况；Meta、OpenAI等公司内部出现员工token使用排行榜，实时滚动着每位员工的AI使用量；Shopify 的CEO Tobi Lutke 去年给全公司发了封备忘录，不仅将 AI 的使用情况纳入绩效考核，团队申请加人之前，也必须先证明 AI 做不了这个工作。 也就是说，现在用AI用得不好要影响奖金，用AI用得不够面临被优化风险，就连部门的招聘名额都“反向掌握”在AI手里。 与此同时，AI颠覆职场的方式正在加码。只是引入AI工具的使用都算简单且传统了，“万物皆可蒸馏”正成为当前的AI时代潮流。继 “同事.skill” 走红后不久，“女娲.skill”都紧接着登场了。该项目由B站UP主花叔开源，能将历史人物或公众人物的思维方式、决策逻辑和表达风格蒸馏成可复用的AI技能模块，目前已支持乔布斯、马斯克等17位知名人物的技能模块，无需编程即可在AI助手中调用。 更现实的冲击是，这种 “Skill 化”的用人模式，已不止停留在 GitHub 开源项目层面，有公司正在进行落地的大胆尝试。 近日，国内一家游戏传媒公司将离职员工训练成AI数字人继续留在公司“工作”。离职同事原为人事专员，其数字分身目前可承担咨询、邀约、制作PPT和表格等简单工作。“昨天还一起摸鱼打趣的同事，今天就变成了AI人。”该公司员工小鱼介绍，当事同事确已离职，但本次尝试经过其本人同意。 “你的同事不是被裁，是变成了token继续陪在你的身边。”看热闹之余，焦虑也在职场人中快速蔓延，甚至衍生出一场隐秘的办公室对抗。有消息称，有公司开始要求员工提交自己总结的工作Skill，还有开发者为此做出了“反蒸馏.skill”工具，能把Skill文件中的核心知识替换为“正确但毫无信息量”的话术。 不仅如此，人开始被“标上token价格”。token 耗的资金，正被频繁拿来与员工的薪资做对比。几天前， Claude Code产品负责人Cat Wu称其“不少功能的开发进度从6个月缩短到了1个月，有时甚至只需一天”，而背后的token 消耗虽然在飙升，但成本仍远低于工程师的平均薪资。 而在这场token消耗大赛和数字员工的概念喧嚣背后，发力的是在公司管理层诞生的“AI神话”。 老板们眼中的“AI神话” 全球的科技巨头们，2026开年以来，全在不约而同地干同一件事：砍人力、全面转型 AI，把真金白银砸向核心业务。这一战略在中小公司身上，似乎表现得更为激进。据业内人士透露，今年年初，有技术出身又熟悉公司业务的老板亲自用Openclaw搭建了各种数字员工，把公司人员缩减到原来的20%，甚至觉得还能再减。 21世纪的下岗潮，推进者好似变成了AI。不少打工人在社交平台哭诉，AI使用效率低下成了裁人理由。一位开发者叙述道其公司新宣布的机制，“无论以往工作能力和贡献，只评估AI使用能力以成立AI精英小组，其他人全部淘汰。” “去年很多企业还是围绕原有业务流中的环节思考提效，比如写作、数据整理。但今年，随着AI能力变强，很多过去解决不了的问题现在能解决了，于是大家开始基于AI的能力特征重构业务流。这种提效更本质，好比过去为马车修路，现在汽车来了，大家开始为汽车修路，汽车就能跑得很快。”前科技大厂CTO、AI技术专家软风（化名）表示。 他透露道，此前其公司内部也在做数字员工，有些业务流服务头部客户还需要人，但服务长尾客户就可以靠AI完成。并且，AI 在研发场景的提效效果同样显著，以产研的交付周期来看，值得买现在一个正常项目的交付周期能比以前缩短一半。他们最初为员工配置40美元的token包，很快不够用，现在申请没有上限。 “AI编程的效率提升非常明显。我们有的员工一个月token消耗约1000美元，一个人能干两个人的活。” 飞猪高级技术专家谢劲松表示，“在AI使用力度上，去年和今年的差异非常大。过去大家对AI幻觉顾虑比较重，考虑到交付的稳定性，在如何用模型这件事上比较保守。今年，在平衡探索很多业务场景可能带来的损失和智能带来的收益之间，我们的决策逻辑在逐渐转变，让模型在复杂场景上帮我们解决问题的意愿和信心更强了。” 据其介绍，除集团内提供的大量免费资源之外，飞猪最近又加码了新的政策，报销所有同学因为工作场景产生的AI相关服务采购费用，额度最高1000元/月，不够可以继续申请增加。最直观的效率提升是，从idea到落地的周期短了很多。以前的工作方式是流程化的，一环扣一环；引入AI之后，很多事情可以跨工种、跨角色并行推进，协同和沟通的损耗明显下降。另一个变化是，大家能更快看到最终效果，对要不要做、怎么做可以更早形成判断。 “飞猪全方位推进AI在业务上的落地，除了对交易、资金与强合规相关链路仍然非常审慎，运营、市场、数据分析等领域正活跃用 Agent 做提效的探索。”同时，谢劲松解释道，AI带来的效率提升是灵活、非固化的，今天在一个场景中work的方案，换到另一个场景可能完全失效，真正有价值的改变是对工作过程的潜移默化。“从我个人角度看，以前一天只能做开会或者单线程做事，最多边开会边做点其他工作。现在四五个Agent开着，可以边写方案、边开会、边做决策、边写代码。” 由此，我们看到一个清晰的信号：传统的AI内容生成工具虽仍在沿用，但已不再是企业提效的核心增量。现在，在企业内部推行的AI工具中，AI编程和Agent成为两大主力，前者对产业效率提升极高，后者对业务流效率提升不小。 跑崩的效率模式，谁来背锅？ 老板们看到的是AI带来的机会，因此疯狂拥抱AI、加速其布局与落地。社区里，却正在涌入越来越多来自一线职场人的“不和谐”声浪。 “被AI搞的简直乱上加乱。”在这场AI提效竞赛中，有人称被迫替AI收拾起“烂摊子”，花大量时间给AI纠错；还有人反馈因被拔高的提效标准加了更多的班，控诉“有了AI，我反而更忙了”。 软风对此坦言，早期AI经常写出问题代码、画出不想要的图，随着模型能力提升，需要大力纠错的场景正变得越来越少。谢劲松则表示，AI 确实对私有数据或私有业务流不熟悉，无法作出与人相同的判断，有时需要纠错，但依然瑕不掩瑜。“如果能让错误沉淀成skill或知识库，让AI下次能检索到相关信息去解决，这也不是什么大问题。” 值得注意的是，的确并非所有岗位都能快速受益于AI。“运营、审核等业务岗在初期应用AI时效率提升很快，立竿见影，但想更进一步就比较难了。”软