警惕Token福利陷阱

// 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。//

被Token福利砸中的工程师。图片由AI生成

大厂福利变迁史，也是一部生产力进化史。

2000年，加入门户网站会得一台办公PC、免费早晚餐、桶装水。移动互联网的风口刚刚兴起的2010年，加入互联网大厂可能会得到水果节的樱桃和荔枝、下午茶、年度旅游基金。

到了2020年，再入职一家大厂，健身房、下午茶都不一定能挤得进福利体系前排，接力的是住房补贴、购房无息贷款以及全家的商业健康保险。

变化始于2026年。

今年开始，你还可能会收获到一笔免费的Token额度。然而，它不等于直接发钞票，更像是在发一张人工效率的考卷。

新的生产激励也带来了新的问题：谁在用Token创造价值，谁又在用Token“表演勤奋”？

2013年，当时的各种饮料零食福利

01

都是“效率工资理论”的缩影

在英伟达CEO黄仁勋看来，Token即将成为工资、奖金、股权之外的第四薪酬，他在GTC 2026大会上说，“如果一个年薪50万美元的工程师，用不了25万美元的Token，我会很焦虑。”

话音刚落，大洋彼岸的中国巨头们，开始推动Token福利制度落地，其中阿里巴巴通过一项内部计划，向员工提供Token额度，鼓励员工在工作中使用先进的人工智能模型和工具，用于技术研发和通用办公。

“大厂现在都给员工发额度，鼓励使用。”一位阿里巴巴内部人士说，“（配额）定量，特殊情况可以单独申请额度。”

在给员工配置Token福利时，阿里提供了一个特殊选项——外部AI开发工具员工可以申请报销，这也是互联网公司给员工提供Token福利的一种通路。相比于指定的工具，报销制度给了员工在基础模型的选择上有了更多的自由度。

小鹏汽车内部也在推动类似的福利，“我们在做很多物理AI的事情和变化，暂时我还没有限制个人在Token上的使用，”何小鹏说，“第一期先放开，逐步管控。”

“我们都是团队账户，更换的也比较多，”一位百度内部人士透露，团队账户也是由部门负责报销。

从我们和多位科技从业人员的交流来看，Token福利在岗位之间还不是绝对的统一和平衡，产品、研发的权重要比职能岗位高。“Token福利有初始额度，也可以申请（更多），研发的情况不太一样。”一位蚂蚁集团内部人士说。

太平洋另一端的英伟达，Token需求也因岗位的差异有所不同。

“我们有自己的大模型，也是无限量使用。”一位英伟达内部人士透露，但她也表示，自己的岗位对Token基本没有需求，“我的工作上，AI还没什么用。”

对很多人来说，Token福利来得太突然。一部分人没来得及上车，甚至不知道从哪里去领取。

这和今天这个时代爆炸的信息量很类似——OpenClaw热度还没有过去，Hermes的概念就开始刷屏——我是谁，我在哪，为什么我不知道，FOMO（错失恐惧）情绪随之而来。

从硅谷到中国，从英伟达到阿里巴巴，Token福利像一股温暖的春风，吹进了互联网公司的生产体系，它也意味着企业关怀已经从实物、服务，悄悄在向智力型、生产力型转变。

至于会不会如黄仁勋所说，成为“第四薪酬”，现在没有准确答案。但不管是现在的Token，还是过去的奶茶、旅游基金，本身就是经济学中“效率工资理论”的一个缩影——通过发放超额福利，提高员工努力程度、降低流失率，“福特涨薪案”是一个经常被拿来研究的典型案例。

1914年，福特汽车公司将日薪从约2.34美元翻倍至5美元，并将工作时间缩短至8小时，工人流失率暴降，大幅提升了生产率和员工忠诚度。

我和很多人提过一个观点：Token福利现在还只是在一部分互联网公司中试运行，未来它极有可能成为一个普遍性的行为，成为企业福利的标配。因为站在人才的角度，业务岗位可以要求员工具备AI实践的能力，反过来他们也可能会以公司的Token福利作为接受Offer的参照系。

02

不看FOMO

从ChatGPT上线，到DeepSeek爆火，期间2年多时间，Token消耗暴涨虽反映在大模型公司的财报和业绩会上，但由于AI助手大多免费，用户对Token使用量暴涨无感。

2026年之前，Token福利还没有真正蔓延开来。

直到OpenClaw（俗称龙虾）的出现，以及被动卷起来的“全民养虾潮”，Token消耗量呈倍数的放大，“烧不起”“账单夸张”的声音开始出现，不少大众用户开始产生Token依赖。

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，她还特意晒了一张截图，上面写道：“信用卡出账单了，我上个月各种Token乱七八糟的，花了15188.48元。”

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。

内容自动化实验项目

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？

文章来自于"腾讯科技"，作者 "苏扬"。