// 编者按：本文为《Token经济学》系列之一。算力货币Token正在重塑AI时代的价值坐标，正在推动世界的经济革命。本期讨论了Token挤入大厂福利体系的逻辑和可能的生产力陷阱。//
按周期重置的Token套餐
过去几个月，使用各种Claw产品之后，我自己的感受就是：Token+API，“烧”起来不便宜；而且，一旦当前时段额度用完，距离重置还有几个小时的时候，非常焦虑。
“我的同事（一个月花费）有2000多元的。”前述蚂蚁集团内部人士说。
从免费到越来越长的Token账单，反映的是AI使用费从零边际成本转为正边际成本——过去是公用免费，现在附加了稀缺性。
现在，大家普遍认为中国公司向员工发Token源自于背后的FOMO情绪。
这其实不难理解，我在《人民想念DeepSeek》一文里面提到过这个话题，“如果拼命鼓吹这AI件事，甚至暗示不用Token就会落后，相当于间接制造出了Token焦虑。”
有朋友说，极端鼓吹AI就好比是“拜大模型教”。
没有人能保证把员工推上AI这趟时代的列车，就能让公司永远是站在潮头的后浪。
大规模的Token福利今年才陆续出现，但AI福利早已在大模型圈埋下伏笔。在这个视角上可以得出一个推论：这轮Token福利不完全来自于焦虑驱动，而来自于真实的效率驱动。
“比人力成本便宜多了，”一位从业者对腾讯科技表示，“公司已经每个人在无限用Cursor一年多了。”
另一位中国头部模型内部人士也透露，今年已经给员工配备了顶级的产品套餐，内部的模型更是无限量使用，他认为Token福利与黄仁勋没有关系，“还是希望员工生产力的最大化，AI公司更要用好AI这个杠杆。”
这种福利杠杆，可以看作“效率工资理论”的生产资料补贴版本，它顺带着把员工“付费上班”的问题解决了，相信这一点上很多人应该都有感触——从ChatGPT诞生开始，不少人就开始付费买一些前沿AI助手的套餐。
Token福利解决了员工“付费上班”的痛点，也带来了归属感，背后是实打实的运营成本。
以一家1000人的公司为例，人均每月500元额度，一年就是600万元的额外支出。而且，Token福利往往是人均定额，规模越大，总成本越高。
当然，如果投入1元能产生10元的回报，这笔支出就会被视为“高效”。但这里有一个更深层的问题：当10倍生产力的人出现之后，旧的组织架构还装得下他吗？
03
表演性生产力
放在不同场景下，Token福利会产生不同的价值。
对于编程这种标准化比较高的场景来说，可以实打实的降本增效，所以才会有前述头部大模型从业者人士“比人力成本便宜”的感慨。
“基本上不涉及太复杂的案例和模型改动的话，迭代优化都可以交给它了，我估计能有80%（工作量），”前述百度内部人士在谈及效率时也补充说，“产品都人手Codex了，Token是新生产力嘛。”
面壁智能CEO李大海介绍过公司内部技术团队的提效测算，他说：“过去十个月，200 人团队生成 2000 万行代码，其中有员工单人月产65万行代码，完成原本需要近10人团队的工作，他一个人花了3周就把这个事给搞定了。”
编程场景下效率好量化，但更通用场景如何准确的计量效率？
“内部有个排行榜，昨天 2.5亿Token消耗，可以进入top10。”前述头部大模型内部人士说，他也认为效率验证存在难题，“效率不太好验证，就是大家先互相卷起来。”
只是，正向卷的确可能会带来效率螺旋上升，反向卷却会带来表演性生产力的问题。
比如一个月消耗2100亿Token，相当于33个维基百科的Meta员工，还有那个月账单超过15万美元的Anthropic员工，他们自己也未必能准确评估Token消耗的合理性。
大家在感慨硅谷前沿模型厂的福利慷慨之外，也会存疑：到底他们有多少消耗真正转化成了有效的生产力？
最近我自己也在探索内容相关的自动化工作流的实验性项目，一个月烧了20亿的Token。
我很清楚相当一部分Token消费是无效的，尤其是很多消耗都是在“骂AI”，有时候骂的可凶了，你会发现它在处理很多问题的时候，不按照固定的规范和流程，而带来严重的内容错误和事故。但更多的无效消耗来自于任务处理过程中的反复调整，而究竟这中间多少Token消耗符合预期，多少又是无意义的，确实难算。
从内容产出的角度来看，基于人工智能产品，简单的内容报道可以实现分钟级产出效率，从热点的监控，到选题、写稿，最后制作封面图并发布上线，5-10分钟就可以完成。
也就是说：只要Token足够，可以无限量产出内容。
在这个立场上，它的消耗是有价值的，也能匹配的上李大海说得“10倍生产力的提升”。
站在运营的角度来说，当Token消耗带来点击转化率、消费时长的提升，那么是不是也意味着这是有效的？
也许，不同的场景下，大家都可以找到逻辑自洽的结论，来论证Token消耗的合理性，但纯粹是为了保住额度的表演性生产力，一定无效。
最近还有一个非常火的案例，有员工将前同事进行“硅基蒸馏”，将他们的方法论炼化成Skill。我在想：如果真的能够带来10倍、20倍的提效，会不会有更多的人探索这种提效的路径？答案也是肯定的。
我比较认同前面国产模型内部人士说的那句“让大家先互相卷起来”这个观点——不去考虑AGI来没来，智能有没有涌现，在一个相对早期的阶段，推动所有人去探索，本身就需要代价，而且AI实践和提效，也没有标准答案。
只是观感上，这种探索看起来很昂贵，需要支付高昂的Token成本。
一次 AgentOS 升级的实测账单：7.5 小时、$284、8.4 亿 tokens。——独立开发者 Nathan（AI 博主“AI Nate”）
我认识一位在做“Agent OS”项目的开发者Nathan，我看了他晒得账单：7.5小时的任务，消耗8.4亿Token，支出284美元，我感慨了一下：“Token真的贵”，他给我的回答是“关键看能创造多少价值。”
04
我是谁？
Token福利这件事，除了少数几个无限量使用的极端案例外，多数企业都是按月配给，设置有明确额度，到期重置，且大家普遍反馈公司对额度控制比较宽松，额度不够可再申请。
Token消耗背后，是组织对员工的“筛选”机制——积极推动AI实践的员工将会被率先筛选出来，贴上各种Token先锋、AI先锋的标签，被定义为生产力的代表，进而带来组织的变革。
现在，已经有很多公司开启了“AI先锋大赛”、“虾王大赛”这样的活动。
李想在朋友圈谈AI人才进化
就在上周，李想发了一条朋友圈，他说：“想要加入真正要做AI的公司，任何人都要提前给自己升级，完成转型，成为AI的专家。”
上海财经大学的胡延平教授过去一直研究数字经济，关于通过Token消耗“筛选”AI先锋这件事，他说从计算机互联网时代的数字鸿沟到AI时代的智能鸿沟，人和人之间拥抱新的生产力的意识差别、主动性方面的差距一直都在。
“使用大量Token、强智能体、实现工作流闭环的人，更有希望成为更具就业竞争力的超级个体。”胡延平教授说，但他也认为这会带来另一种形式的内卷。
时间往前倒几年，互联网公司的PPT和文档汇报文化还有印象吧，很多人会去卷“美轮美奂”的汇报材料，今天如果再谈汇报文化，你会发现大家开始用AI工具来包装汇报材料了，事情还是一样的，只是换了一张皮。
如果要解释到底什么事表演性生产力，这算是一个具象化的案例。你要说AI对业务提效了多少不好确定，但确确实实对汇报提效了。
“除了模型和芯片公司，还没有任何公司依靠AI改变竞争格局，以及（实现业务）突围的，”李想说，“都是早期的学习和认知形成阶段，自己玩玩和真正用于完整的生产环节，差别还是巨大的。”
所以，如果有一天你的主管说，大家都要去探索AI实践，如果你不用，可以把Token资源匀给消耗量更多的同事，也不要感到奇怪。
福利制度本身就和组织高度关联，制度的变化必然会牵引组织的调整，前面说Token效率不好监测，未来必然会有人来设计类似提示词审计、Token使用效率评估等监测机制。
道格拉斯·诺斯不是在新制度经济学里面说过，制度的变化会改变相对价格和博弈规则，进而引致组织形态的适应性调整。
关于那个“10倍生产力”的问题，问了很多人都没有得到答案。我也向何小鹏请教，他也认为现在这个问题没有结论。“我觉得今天还在摸索过程中，应该快速迭代，现在是不可能有结论的。”
后来，我联想到了最近不少人在提的一个概念——“OPC”（One Person Company，一人公司）。大致类比一下，当一个人掌握了10倍的生产力之后，在组织内部，不排除“OPD”（One Person Department，一人部门）出现的可能。
在组织外部是一人公司，在内部，一个人成为一个部门，而组织的管理逻辑，将会从“管多少人”变成“管多少产出”。
在这种模式下，我们要考虑的是，我是谁，我能否适应这套新的福利制度？