狂热与泡沫的尽头：Token 估值神话与昂贵的加密圈投机狂欢

变革常数

Tokenmaxxing（代币最大化）是不可避免的。

当企业开始基于AI使用情况来监控、排名和奖励员工时，人们自然会做出任何激励体系都会教会他们做的事情：管理指标。你告诉我如何计分，我就告诉你人们会如何钻空子。

本周感觉像是这场狂热梦境中的第一道裂痕。经过18个月几乎全是惊叹号的AI热潮后，终于有人开始提出那些不礼貌但必要的问题：这要花多少钱？它改进了什么？”使用量”真的是价值的代理指标，还是只是一个非常昂贵的参与奖？

直到最近，提出这些问题还会让你听起来像个AI怀疑论者——站在无限智能游行队伍后面，嘀咕着毛利率的人。但现在账单已经落到真实的损益表上，这个问题变得不那么禁忌了。

氛围正在微妙地转变。Axios在报道AI的”标价冲击”。Uber的COO表示支出越来越难以合理化。据报道，微软正在撤回Claude Code许可证。亚马逊据称在员工通过做无意义的AI事情来赚取AI积分后，取消了内部AI排行榜。

希望这标志着企业AI进入一个更理性阶段的开始：少一些表演，多一些单位经济学。几点思考：

Tokenmaxxing是一个明显的激励问题 这是一个公认的真理：人们会钻指标的空子。大多数公司运行的是AI活动计划，而不是AI生产力计划。而活动是很容易制造的。在SaaS时代，表演性活动主要浪费的是时间。在AI时代，表演性活动消耗的是GPU支撑的边际成本。
企业混淆了消费与转型 “AI使用量”成了新的”数字化转型”仪表盘指标：容易向上汇报，难以与客户价值挂钩。但代币是输入成本，而不是产出衡量指标。一家工厂吹嘘自己用了更多电力听起来会很荒谬，除非产出、良率或吞吐量有所改善。AI应该以同样的方式衡量。
企业将SaaS的直觉带入了计量计算的世界 将AI视为传统SaaS是一个战略错误。在SaaS时代，采用率通常是价值的合理代理指标。使用Salesforce、Slack、Figma或Workday的席位越多，通常意味着该工具已嵌入工作流程。但前沿AI是计量计算。边际成本曲线很重要。正确的运营模式看起来不像软件赋能，而更像云FinOps：预算、上限、可观测性、单位经济学和工作负载治理。
“AI强制令”让员工对AI的实际效用不再诚实 当领导者暗示AI使用是现代性的证据时，员工即使AI增加了摩擦也会理性地使用它。他们使用AI是因为不使用AI开始让人感到政治不安全。这污染了反馈循环。管理层无法了解AI真正有用的地方，因为员工被激励去制造使用量，而不是揭示工具在哪些方面薄弱、不必要或净负面。
赢家会知道在哪里不使用AI

战略性的AI成熟度不是最大化，而是选择性。持久的优势将来自路由：哪些任务值得使用前沿模型，哪些可以使用更便宜的模型，哪些应该缓存，哪些应该自动化，哪些应该保持人工操作，因为成本或错误特征不合适。”AI无处不在”不是一种策略。