2100億Token“刷榜”背后:當AI消耗量取代產(chǎn)出,中外大廠集體陷入消耗迷局
當硅谷的科技職場從“崇尚產(chǎn)出”滑向“比拼消耗”,一場荒誕的“燒錢”競賽正席卷全球科技圈。Open AI員工單周消耗2100億Token,相當于30多個維基百科的文字總量;Meta、Shopify以算力消耗量考核員工,中國阿里、騰訊、字節(jié)等頭部大廠也紛紛跟進,將Token消耗納入核心績效。
這場跨越中西的消耗競賽,讓AI算力從“成本工具”異化為“價值勛章”,背后是資本博弈、技術(shù)變革與職場生態(tài)的深度碰撞。當“喂飽AI”成為職場標配,當投資人的錢不斷涌入“無效消耗”,AI產(chǎn)業(yè)正站在泡沫與破局的十字路口。
導(dǎo)語:荒誕的“算力奮斗學”正在重塑職場
在硅谷的科技大廠里,一種顛覆傳統(tǒng)的“勤奮定義”正在流行。一名員工若下班時沒能消耗足夠的AI算力,可能面臨績效邊緣化的風險;Meta的內(nèi)部排行榜上,Token消耗量取代代碼質(zhì)量,成為衡量員工“未來感”的核心標尺;在中國,阿里、騰訊、字節(jié)等大廠的技術(shù)團隊,也被下達了明確的Token消耗KPI,“消耗過低”甚至被解讀為“未充分利用AI工具”。
這并非簡單的技術(shù)應(yīng)用,而是一場失控的“算力內(nèi)卷”。《紐約時報》專欄作家Kevin Roose用一個辛辣的比喻形容這種荒誕:“這就像NBA吉祥物被根據(jù)發(fā)射了多少件愛馬仕T恤來評估價值”。當昂貴的AI算力成為“炫富資本”,當消耗本身比產(chǎn)出更重要,AI產(chǎn)業(yè)的底層邏輯正在被改寫。
中外大廠同頻:從硅谷榜單到中國KPI,消耗考核全面蔓延
硅谷的消耗競賽,早已從個別企業(yè)的“試錯”演變?yōu)樾袠I(yè)共識。Meta、Open AI、Shopify等頭部企業(yè)均推出內(nèi)部Token消耗排行榜,管理者公開嘉獎“重度算力使用者”,對消耗量偏低的員工施壓訓誡。在這種激勵機制下,員工不再追求以最低算力成本解決問題,而是陷入“無意義消耗”的怪圈,生成冗余代碼、重復(fù)分析成為常態(tài),只為湊夠好看的消耗數(shù)字。
這股風潮迅速蔓延至中國,國內(nèi)大廠的消耗考核呈現(xiàn)“愈演愈烈”之勢。阿里巴巴ATH事業(yè)群率先將AI業(yè)務(wù)核心指標從DAU(日活)全面轉(zhuǎn)向Token消耗量,設(shè)立專門團隊統(tǒng)籌算力分配,推動團隊“主動消耗”;騰訊部分研發(fā)團隊明確要求工程師每日消耗指定額度的Token,否則績效評級受限;字節(jié)跳動則在內(nèi)容創(chuàng)作、產(chǎn)品研發(fā)團隊中推行AI工具強制使用,Token消耗量成為團隊考核的核心維度。
中外大廠的考核邏輯驚人一致:消耗越多,代表越重視AI、越有潛力。卻鮮少有人追問:這些消耗究竟轉(zhuǎn)化為了多少實際產(chǎn)出?又帶來了多少業(yè)務(wù)價值?
2100億Token背后:天量消耗與成本倒掛的真相
2100億Token的單周消耗量,是這場消耗競賽最直觀的注腳。這個數(shù)字意味著什么?它相當于30多個維基百科全部文字內(nèi)容的總和,足夠裝滿數(shù)萬個大型圖書館。而更諷刺的是,海外一名軟件工程師所在公司,為其運行AI編碼工具的Token費用,竟超過了他的個人薪資。
這種“工具比人更貴”的倒掛現(xiàn)象,并非個例。國內(nèi)市場的Token消耗同樣呈現(xiàn)爆發(fā)式增長,從2024年初到2025年6月底,中國日均Token消耗量從約1000億飆升至突破30萬億,一年半內(nèi)增長超過300倍。頭部企業(yè)的處理能力驚人,例如百度文心大模型在2024年的日均處理量就已達到約1萬億Tokens。部分互聯(lián)網(wǎng)企業(yè)的研發(fā)團隊,月度Token費用已逼近甚至超過團隊人力成本,傳統(tǒng)科技行業(yè)“人力為核心資產(chǎn)”的成本邏輯被徹底顛覆。
這些瘋狂消耗的Token,本質(zhì)是電力與算力的數(shù)字化產(chǎn)物。從供給端來看,Open AI依托微軟Azure超算集群,國內(nèi)大廠則借力“東數(shù)西算”樞紐,依托甘肅、寧夏等地的低價綠電構(gòu)建算力基地;上游核心供應(yīng)商包括英偉達、浪潮信息等硬件廠商,以及Core Weave、首都在線等第三方算力服務(wù)商。
盡管國內(nèi)大模型在價格上具備顯著優(yōu)勢——據(jù)2026年初的市場調(diào)研,美國主流AI模型的Token輸出價格約為72元/百萬Token,而中國主流模型則集中在10-20元/百萬Token,形成近七倍的價格優(yōu)勢,但大廠的AI算力支出依舊居高不下。智譜AI等國內(nèi)企業(yè)超七成研發(fā)投入投向算力,OpenAI年推理成本更是突破百億美元,這些巨額開銷的絕大部分,都來自資本市場的融資輸血。
資本的秘密:用投資人的錢,換行業(yè)估值的“凡爾賽”
大廠為何縱容甚至鼓勵無意義的Token消耗?答案藏在資本市場的冷酷邏輯里。
對于Open AI、Meta等企業(yè)而言,5萬億的日處理量不是技術(shù)負擔,而是向投資者展示的“算力護城河”。在資本眼中,龐大的Token數(shù)字就是硬通貨,意味著企業(yè)擁有最強大的模型算力、最廣闊的應(yīng)用場景,以及定義行業(yè)規(guī)則的權(quán)力。這種“凡爾賽式”炫技,本質(zhì)是為了拉高估值、吸引更多融資。
中國大廠的邏輯同樣如此。阿里、騰訊等企業(yè)頻繁對外釋放萬億級Token消耗數(shù)據(jù),以此證明自身在AI賽道的領(lǐng)先地位,獲取資本市場的信心;部分初創(chuàng)公司則通過“高消耗”塑造行業(yè)存在感,撬動融資機會。
更關(guān)鍵的是,這些消耗的資金來源,大多是投資人的錢。OpenAI累計融資超百億美元,2025年上半年仍虧損43億美元,免費用戶的算力服務(wù)成本,全部由融資覆蓋;國內(nèi)智譜AI等初創(chuàng)公司,2025年上半年經(jīng)調(diào)整凈虧損6.21億元,算力成本是主要拖累;即便是阿里、騰訊等大廠,AI業(yè)務(wù)的算力投入也占年度營收15%以上,本質(zhì)是用企業(yè)資金(含融資)推動消耗,以換取AI業(yè)務(wù)的高估值預(yù)期。
這種“燒錢換規(guī)模”的模式,正在推動行業(yè)陷入“規(guī)模越大、虧損越深”的惡性循環(huán)。員工淪為AI的“飼養(yǎng)員”,企業(yè)淪為資本的“炫技工具”,AI提升生產(chǎn)力的核心使命,逐漸被消耗競賽所取代。
破局之路:從“以耗為尊”到“價值導(dǎo)向”,行業(yè)終將回歸理性
這場愈演愈烈的Token消耗競賽,終究是資本裹挾下的階段性亂象。隨著成本壓力持續(xù)累積,行業(yè)正逐步走出迷局,回歸理性。
目前,國內(nèi)已有企業(yè)率先糾偏。阿里巴巴逐步調(diào)整考核方向,從單純追求Token消耗量,轉(zhuǎn)向考量業(yè)務(wù)價值與投入產(chǎn)出比;部分大廠開始嚴控算力成本,通過緩存技術(shù)、架構(gòu)優(yōu)化等方式降低單次Token消耗;越來越多的團隊開始建立“消耗-產(chǎn)出”評估機制,拒絕無意義的算力揮霍。
從全球來看,價格戰(zhàn)的爆發(fā)也在倒逼行業(yè)降溫。Open AI2025年將o3模型價格下調(diào)80%,國內(nèi)廠商也通過降價搶占市場,Token單價持續(xù)下行,大幅降低了企業(yè)的消耗成本;同時,代理型AI、Vibe編程等技術(shù)的迭代,也在逐步優(yōu)化算力使用效率,減少無效消耗。
AI的核心價值,從來不在于消耗多少算力,而在于用算力創(chuàng)造多少真實價值。Token本是服務(wù)于技術(shù)落地的成本工具,而非衡量員工價值、彰顯企業(yè)實力的勛章。
中外大廠陷入的消耗迷局,警示著整個行業(yè):脫離實際產(chǎn)出的揮霍,終究是空中樓閣;靠資本輸血維系的繁榮,注定無法長久。唯有摒棄“以耗為尊”的畸形考核,讓Token回歸成本本質(zhì),讓AI技術(shù)回歸生產(chǎn)力本源,將算力投入與業(yè)務(wù)實效深度綁定,才能讓人工智能真正賦能產(chǎn)業(yè)發(fā)展,走出泡沫迷霧,邁向健康可持續(xù)的未來。
來源:投資者網(wǎng)
原文標題 : 2100億Token“刷榜”背后:當AI消耗量取代產(chǎn)出,中外大廠集體陷入消耗迷局
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
-
即日-5.20立即下載>> 【限時免費】物理場仿真助力生物醫(yī)學領(lǐng)域技術(shù)創(chuàng)新
-
精彩回顧立即查看>> 【直播】 智測未來·2026海克斯康春季產(chǎn)品創(chuàng)新日
-
精彩回顧立即查看>> 【線下論壇】新唐科技×芯唐南京 2026 年度研討會
-
精彩回顧立即查看>> OFweek 2026(第十五屆)中國機器人產(chǎn)業(yè)大會
-
精彩回顧立即查看>> 維科杯· OFweek 2025中國機器人行業(yè)年度評選
-
精彩回顧立即查看>> 【在線會議】液冷服務(wù)器信號完整性及冷卻液關(guān)鍵電參數(shù)測試
推薦專題
- 1 特斯拉Optimus Gen3量產(chǎn)在即,哪些環(huán)節(jié)最具確定性?
- 2 OpenAI深夜王炸!ChatGPT Images 2.0實測:中文穩(wěn)、細節(jié)炸,設(shè)計師慌了
- 3 AI狂歡遇上油價破百,全球股市還能漲多久? | 產(chǎn)聯(lián)看全球
- 4 6000億美元估值錨定:字節(jié)跳動的“去單一化”突圍與估值重構(gòu)
- 5 Tesla AI5芯片最新進展總結(jié)
- 6 連夜測了一波DeepSeek-V4,我發(fā)現(xiàn)它可能只剩“審美”這個短板了
- 7 熱點丨AI“瑜亮之爭”:既生OpenClaw,何生Hermes?
- 8 2026,人形機器人只贏了面子
- 9 AI界的殺豬盤:9秒刪庫跑路,全員被封號,還繼續(xù)扣錢!
- 10 AI Infra產(chǎn)業(yè)鏈卡在哪里了?
- 高級軟件工程師 廣東省/深圳市
- 自動化高級工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市


分享













