别一味追求代币最大化，要把结果最大化！

答案显而易见：是的。

在积极使用这些工具的公司里，如今超过 70%的已提交代码都会涉及某种 AI 模型。几个月前还持怀疑态度的工程师，如今的交付速度已提升至原来的两倍。预算之所以被打破，是因为工具效果好得惊人，成功来得比任何人的预测都更快。

这不是浪费，而是最强烈的看涨信号。

爆炸式采用证明了这款工具行之有效

当你们工程团队中有84%至95%的人都在积极使用一款新工具时，这不是预算问题——而是你能得到的最清晰的产品市场契合信号。

工程师们之所以大举使用 Claude，是因为它为他们节省了时间，带来的收益也超出预期，从而证明了它的价值（产品市场契合），并标志着业务真正开始，而不只是单纯把代币用到极限。

今天的工具只是下限，不是上限，这意味着你现在看到的投资回报率只是最低情形，而非衡量标准。围绕当前局限做优化，会忽视能力快速提升所带来的复利效应。

我们正在见证健康的杰文斯悖论上演

这种情况以前也发生过。我在 VMware 任职期间，云计算兴起之初，企业在基础设施上的支出起初不是减少了，而是更多 。廉价算力让新的工作在经济上变得可行。积压任务被清理。业务量随之扩大。

Anthropic 的年化营收规模从 90 亿美元跃升至 300 亿美元。需求曲线正在显现。如今企业中 AI 的渗透率大约只有 1%，我们看到的是采用的开端，而不是终点。

在云计算时代胜出的公司，都在那个“浪费”的早期阶段持续投入。那些压缩支出的公司则失去了优势。

错误在于假设每一美元的 AI 支出都应当立刻体现在业务成果上。大多数组织实际上只加速了技术栈中的一个层面。工程团队的速度或许提高了一倍，但审批、合规、市场推进、采购和决策仍然停留在昨天的速度。

早期投入往往首先体现为速度提升，成果则会在之后显现。

不要在淘金热阶段扼杀想象力

治理会到来，也理应如此。但如果你还未发现有哪些可能性，就先开始追求效率优化，那你其实已经犯下了代价更高的错误。

AI 首先冲击的不是工作岗位，而是在发现可能性之前就急于优化的本能。

最重大的突破仍有待发现。僵化的支出上限会在选择空间最有价值的时候扼杀这种空间。大多数公司只有让最优秀的人才在没有护栏的情况下自由探索，才会发现究竟有哪些可能性。

一旦你知道什么行得通，就去优化。但如果在发现之前就先优化，你其实已经输了。

把早期超支视为研发加速，因为对于即将到来的一切，我们的想象力还远远不够。

把 Tokenmaxxing 做对了，最终就会变成 Outcome Maxxing

没有衡量的 Tokenmaxxing 是浪费。有了对结果近乎偏执的追踪，它就是加速。

用量排行榜和不受控制的消耗是治理问题，不是技术失灵的证明。Microsoft 整合 Claude 许可证并非否定，而是在价值已被证明后进行的平台布局。

赢家会在原始支出之上叠加智能约束：

• 把钱花在真正能够产生复利效应的地方

• 衡量实验产出了什么

• 跟踪是谁推动了成效

• 先优化速度，再优化效率

目标不是降低代币支出，目标是提高每一美元支出所带来的产出——这两者并不相同。胜出者会在原始支出之上叠加明智的约束：

• 把钱花在真正能复利增长的事情上

• 衡量实验产出了什么

• 跟踪是谁推动了成效

但改变局面的关键在于： 来自亚洲的开源模型在实际交付时，表现已达到前沿模型 80%至 90%的水平 。封闭实验室目前仍在补贴使用成本，因此价格尚未真正迫使市场作出比较。一旦这些实验室必须收取真实利润率，开源就会成为一个极具价值的替代选项。竞争环境也将趋于公平。

目标是提高每花一美元所获得的产出，而不是降低 Token 支出。这两者并不相同。随着替代方案逐渐成熟，这套计算逻辑也会随之改变。

谁掌控这场加速？

把这当成支出问题的人忽略了一个关键事实：他们发现了一种效果好到团队根本停不下来的工具。

那些在2012年压缩云支出的公司，后来失去了再也未能追回的优势。当下这一刻，形势如出一辙。

在你的组织中，谁负责推动 AI 真正取得进展——你又是如何衡量，你的想象是否正在真正变为现实？