当“摸鱼”变成KPI：大厂用Token排行榜考核员工，AI时代的新形式主义？

2026年春天，中国互联网大厂悄然掀起一场荒诞又真实的绩效革命——用AI消耗的Token数量来衡量员工价值。有人靠整理个人小红书笔记冲上部门榜首，被领导点名表扬；有人每天打开AI软件“假装工作”，只为在日报里填满“AI提效XX小时”。这幕场景，像极了美剧《火线》中警察局篡改犯罪数据的桥段：报表光鲜亮丽，现实却毫无改变。

只不过这一次，被“刷”的不是犯罪率，而是AI世界的“数字货币”——Token。

Token是什么？为何成了新KPI？

Token是AI处理语言的基本单位，一个中文字符通常对应1~2个Token。你向AI提问、它思考、再回复，整个过程都会产生Token消耗。对云厂商而言，这是计费依据；对管理者而言，却成了一种“看得见、摸得着”的量化指标。

英伟达CEO黄仁勋曾公开表示：“应给每位工程师配相当于年薪一半的Token预算。”在他看来，不用AI就是浪费资源。Shopify CEO更直接要求：申请加人前，必须证明AI干不了这事。硅谷甚至诞生了一个新词——“Tokenmaxxing”（Token最大化），形容那些疯狂刷量的行为。

如今，这股风刮到了国内。某BAT大厂（非百度）内部推行“Token消耗排行榜”，与转正、晋升、年终奖挂钩。结果，一位员工靠用AI写小红书内容登顶榜首，却不敢告诉老板：他一半的Token都花在了“摸鱼”上。

刷Token有多容易？三种“劳模速成法”

讽刺的是，这个看似科学的指标，实则漏洞百出，造假成本极低：

1. 上下文滚雪球：AI每次回复都要重读全部历史对话。对话越长，每轮消耗的Token呈指数增长。只需不断追问“还有吗？”“再详细点？”，就能轻松烧掉百万Token，还能美其名曰“深度探索”。

2. 批量启动AI代理（Agent）：部署几十个AI代理自动跑任务，它们会自行拆解、重试、绕路，每个动作都在烧钱。一夜之间，你就是“AI使用标兵”。

3. 扔代码库“装努力”：把10万行代码一股脑丢给AI，让它“分析一下”。无需真正理解，系统立刻记录海量Token消耗——努力的样子，从未如此轻松。

这些方法毫无技术含量，但恰恰说明：当一个指标成为考核目标，它就注定被游戏化。这正是经济学中的“古德哈特法则”（Goodhart's Law）：一旦度量变成目标，它就不再有效。

历史上类似案例比比皆是：英国医院为缩短急诊等待时间，让救护车在门口排队不进院；警察为降低犯罪率，将重罪降级为轻罪。没有人觉得自己在作恶，大家只是在“优化”自己面对的指标。

为何明知会被刷，还要推Token排行榜？

答案或许不在基层，而在顶层焦虑。

过去两年，“不拥抱AI就被淘汰”已成为科技圈的政治正确。CEO要在财报会上讲AI战略，投资人要看AI渗透率，媒体热衷报道“全员接入大模型”。这种压力层层传导，最终落到中层管理者头上：如何向上证明“AI已落地”？

问题在于，AI的贡献难以归因。一段代码、一个需求、一次交付，到底多少是人干的，多少是AI干的？说不清。于是，管理者退而求其次，抓住唯一可量化的东西——Token消耗量。

它完美满足三个条件：
✅ 可统计
✅ 可排名
✅ 可汇报

哪怕知道数据注水，也能拿去应付上级：“看，我们部门月均Token消耗增长300%！”至于效率是否提升？没人深究。

更有意味的是，这套叙事的最大受益者，恰是提供大模型服务的BAT等厂商——毕竟，他们靠卖Token赚钱。员工刷得越多，公司收入越高。这是否构成一种隐性的利益驱动？值得玩味。

AI不是流水线，强推≠提效

当然，强制推广AI并非全无道理。就像20世纪初福特强推流水线，虽遭工人抵制，却最终推动工业革命。组织惯性确实需要外力打破。

但关键区别在于：流水线彻底重构了生产方式，而AI并未颠覆互联网公司的工具链。程序员仍可用旧方法写代码，设计师仍可手绘原型。AI只是选项之一，而非强制替代。

真正的效率提升，应体现在产出质量与速度上，而非Token数量。如果AI真有用，用的人自然会胜出，何须排行榜逼迫？正如写作的价值不在于字数，思考的价值不在于翻书页数，AI的价值也不在于烧了多少Token。

结语：别让人的价值，被Token烧成灰烬

巴尔的摩的街头枪声，不会因为报表数据变好看而消失；企业的效率，也不会因为Token消耗飙升而自动提升。

当“呼吸也很用力，能不能算进绩效”成为职场调侃，我们就该警惕：AI本应解放人力，而非制造新的枷锁。在追逐技术浪潮时，别忘了——工具的意义，在于服务人，而不是反过来让人去服务工具的数据。

否则，我们不过是在用21世纪的技术，重复20世纪的形式主义。