Meta's Company-Wide Race: Who Uses the Most Tokens?

在 Meta 內部，燒掉最多 AI 算力，正在成為一種新的身份象徵。

4 月 6 日，據 The Information 報道，Meta Platforms 內部出現了一個名為"Claudeonomics"的 AI 使用排行榜。這個由員工自發搭建在公司內網上的榜單，追蹤逾 8.5 萬名員工的 AI token 消耗量，並列出前 250 名"超級用户"。排名靠前的員工可獲得"Session Immortal"（會話永生者）乃至"Token Legend"（Token 傳奇）的稱號。

榜單名稱"Claudeonomics"取自 AI 初創公司 Anthropic 的旗艦產品 Claude。據媒體獲得的一份榜單副本顯示，在近 30 天內，該榜單記錄的總 token 使用量超過 60 萬億。排名最高的個人用户平均消耗 2810 億 token——按模型類型不同，這一用量的成本可能高達數百萬美元。

按 Anthropic 最新公開定價，其 Claude Opus 4.6 模型輸入與輸出 token 的平均價格約為每百萬 token 15 美元。以此估算，60 萬億 token 對應費用約為 9 億美元。不過，Meta 實際使用哪些模型、以何種價格採購，目前尚不清楚。

"燒 Token"成為生產力新標尺

這一現象折射出硅谷正在興起的"tokenmaxxing"文化——將 token 消耗量作為衡量生產力的基準，以及判斷員工是否"AI 原生"的競爭指標。

科技界高管正在為此背書。

英偉達 CEO 黃仁勳上月表示，如果一名年薪 50 萬美元的工程師每年花在 AI token 上的費用不到 25 萬美元，他會"深感警惕"。

Meta CTO Andrew Bosworth 今年 2 月在一場科技會議上表示，據 Forbes 報道，一名頂級工程師將相當於其薪資的金額花在 AI token 上，生產力提升最高達 10 倍。Bosworth 直言："這是穩賺不賠的買賣，繼續做，沒有上限。"

前特斯拉、OpenAI 頂級 AI 科學家、現任 AI 教育初創公司負責人 Andrej Karpathy 上月在一檔播客中也表示："關鍵在於 token。你的 token 吞吐量是多少？你能調動多少 token 吞吐量？"

榜單如何運作

員工可在榜單上追蹤個人消耗量、與同事橫向比較，並獲得遊戲化獎勵——從銅、銀、金、鉑金到翡翠徽章，以及"Model Connoisseur"（模型鑑賞家）、"Cache Wizard"（緩存巫師）等成就稱號。

據兩名現任員工透露，部分員工為了衝榜，會讓 AI 代理持續運行數小時執行研究任務，以最大化 token 消耗。

Meta 官方也設有一個面向軟件工程師的獨立 token 使用儀表盤，其他崗位員工同樣可以查看自己的使用情況。值得注意的是，據一名知情人士透露，扎克伯格和 Bosworth 本人均未進入前 250 名超級用户榜單。

在工具層面，Meta 員工除使用 Anthropic、OpenAI 和谷歌的模型外，還可使用內部開發工具，包括 Meta 版本的 OpenClaw（內部稱為 MyClaw），以及 Meta 近期收購的 Manus。

Meta 發言人表示："眾所周知，這是公司的優先事項，我們專注於利用 AI 幫助員工完成日常工作。"

質疑聲：消耗量等於生產力？

這場競賽並非沒有爭議。

彭博旗下媒體人 Joe Weisenthal 在 X 平台上直接發問："用 token 總消耗量來衡量生產力，這到底有什麼意義？"

他在隨後進一步嘲諷道：“這真的有一種 ‘後院土法煉鋼’（real backyard steel furnaces vibe）的視感。” 意指這種只追求數字指標而忽視實際質量的狂熱，極像是不計成本的資源浪費。

這一質疑指向一個核心問題：token 消耗量是一個投入指標，而非產出指標。正如用打印紙張數量衡量員工工作效率，多燒 token 不等於多出成果。部分員工讓 AI 代理"空轉"數小時以衝榜的行為，恰恰説明這一指標存在被"刷數據"的空間。

對此，知名科技分析師 Noah Brier 提出了不同看法：“我不認為這有道理，但當你試圖讓像 Meta 這樣龐大的組織轉彎時，有時你必須進行 ‘刻意的過度修正’（purposely overcorrect）。”

然而，Weisenthal 緊接着追問道：“即便如此，他們試圖扭轉的 ‘那個東西’，究竟是員工的工作習慣，還是公司賺錢的模式？”

不過，從市場角度看，這一現象本身傳遞出一個明確信號：企業級 AI 消耗正在以遠超預期的速度擴張。僅 Meta 一家公司，單月估算 AI 算力支出就可能接近 9 億美元量級，這對雲計算和 AI 基礎設施供應商而言，意味着持續增長的需求。