裁掉3万人再招1万人，亚马逊的算盘

开篇

订阅者朋友们好，这里是OZ Talking。上周，AWS首席执行官Matt Garman在采访中说了这样一句话：“用AI取代应届生，是我听过的最愚蠢的想法。” 在同一次采访中，他透露亚马逊今年将招聘11,000名实习生和应届毕业生。听到这句话，我感到十分错愕。

就在这番话说出口的几个月前，亚马逊刚刚裁减了公司部门约3万名员工。 亚马逊首席执行官Andy Jassy曾向员工发出正式信函，表示“AI将使我们整体的企业人力减少”。与此同时，亚马逊还在推进用机器人替代50万个以上岗位的计划。

一边大举招聘，一边大举裁员，这套奇怪的算盘。但比起这种矛盾，我更关注的是亚马逊内部发生的另一件事：员工蓄意操纵AI使用量排行榜的事件，也就是所谓的“刷token”¹。

🏷️ 假装在用AI的人们

今年5月，《金融时报》报道了这样的内容：亚马逊内部存在一个名为KiroRank的排行榜。这是一个根据员工使用AI编程工具Kiro的token²消耗量进行排名的仪表盘。亚马逊设定的目标是，让80%以上的开发者每周至少使用一次AI工具。

结果不难预料。员工们用一款名为MeshClaw的内部智能体³工具，将代码部署、邮件分类、Slack消息处理等工作自动化，但问题在于，这些工作其实并非真正必要——为了刷高排名，员工把无意义的任务交给AI去做。员工们把这称为“刷token”。

一名员工告诉FT：“使用这款工具的压力非常大。有人在用MeshClaw把token使用量刷到最高。” 亚马逊表示token使用量不会计入人事考核，但员工们感觉管理层在非正式地查看这些数据。安全方面的担忧也随之而来。MeshClaw拥有代替用户部署代码、与内部系统交互的权限。一名员工表示“默认安全设置令人担忧”，“不能让它自己到处乱跑”。我此前也曾在newsletter中以优步的案例讨论过类似问题。

让员工把半份薪水花在token上……结果如何？优步4个月烧光一年预算之后发生的事oztalking.com

这不只是亚马逊一家的问题。在Meta，一个名为“Claudeonomics”的排行榜汇总了85,000名员工的token消耗量，30天内消耗的token总量高达60万亿个。按公开API价格折算，约值90亿美元。排名靠前的用户被授予“Token Legend”“Session Immortal”之类的称号。一些员工让AI智能体连续运行数小时执行调研任务，以此刷高排名。 在外部媒体曝光后48小时内，该排行榜就被关闭。

在微软，总裁Julia Liuson也发过一封内部备忘录，称“使用AI已不再是可选项，而是所有岗位、所有层级的核心要求”。英伟达的黄仁勋则更进一步。他公开表示：“如果一名年薪50万美元的工程师没有使用价值25万美元的token，我会非常担心。”

有意思的是，这三家公司几乎同时关闭了排行榜或限制了访问权限。可以说，整个大型科技公司圈子几乎同时经历了“AI使用量本身被设为绩效指标——再同时承认这一指标失败”的过程。

📊 7,000亿美元投资的需求是真的吗

Garman在采访中如此总结这一事件：“你必须准确衡量你想衡量的东西。我们制造了一个错误的指标，人们找到的不是实现目标的方法，而是绕过指标的方法。”

这话没错。但更根本的问题在于：“为什么会制造出这样一个指标”？

今年，亚马逊、Alphabet、Meta、微软四家公司合计的AI资本支出（CAPEX）⁴约为7,000亿美元。相比去年的4,100亿美元增长超过70%，换算成韩元约为1,000万亿韩元。这项投资的核心前提是：“AI需求会持续超过供给。”

但如果这部分需求中有一部分其实是“刷token”呢？85,000名员工30天内烧掉的60万亿token中，究竟有多少是真实业务需求，又有多少是排行榜游戏？

当然，企业外部的付费客户需求是另一回事。事实上，在Garman引用的一项CIO调查中，100人中约90%表示已在AI投资中确认了ROI。他还举例说，保险理赔处理周期从60~90天大幅缩短，也有智能体把业务流程的成功率从20%提升到90%以上的案例。

而且，亚马逊确实也推出了真正能用的AI产品。今年4月推出的Amazon Connect Talent，是一款由AI 24小时自主进行语音面试的招聘工具。Garman说：“我们希望招聘人员把精力集中在寻找候选人和建立关系上”，“录入细节信息并不是他们想做的事。”一边出售能代替人类面试的AI工具，一边说“用AI替代新人是愚蠢的”——这两句话看似矛盾，但在Garman的逻辑里是可以并存的。他的意思是，AI处理重复性工作后，人可以去做更高价值的事。

不过Garman本人也承认了这一点：“没能看到成效而叫停PoC⁵的企业，数量同样多，甚至更多。”这并不是说需求全是虚的。问题在于，作为数千亿美元基础设施投资依据的使用量数据中，绩效信号与真实价值创造混杂在一起，难以区分。

经济学中有一个概念叫古德哈特定律⁶。其原理是：“一旦某个指标成为目标，它就不再是一个好指标。”当token消耗量被设定为AI生产力的指标那一刻起，它就失去了衡量AI生产力的功能。“刷token”正是这一定律的教科书式案例。

🔍 韩国的梯子也在被抽走

我们再顺便谈谈Garman的“Excel比喻”。他说：“Excel消灭了手工计算的工作岗位，但人们学会了使用电脑，劳动力市场反而扩大了。”这话没错。但这一次的结构有些不同。

斯坦福大学研究团队基于ADP薪资数据的分析显示，在AI高暴露度职业中，22~25岁初级从业者的雇用量下降了约20%，而30岁以上有经验从业者的雇用量反而增长了6~9%。AI并非消灭了所有工作岗位，而是正在自动化新人积累经验所需的工作——也就是总结、整理、起草这类“梯子最底层的台阶”。

韩国的数据也呈现出类似模式。据招聘平台Catch统计，大企业IT·通信领域的应届招聘公告数量同比骤降67%。大企业整体正式员工应届招聘也减少了43%。今年5月，韩国的常用劳动者人数出现同比下降，这是26年5个月以来的首次。20多岁的常用职员仅在信息通信业就减少了5.7万人，而同一领域30多岁的常用职员则增加了2.6万人。这意味着，招聘结构正在从“应届为主”转向“以经验为中心”。

Excel出现时，出纳员可以“晋升”成为会计师。但如今AI自动化的，恰恰是通往晋升所必须踏过的那些台阶本身。应届开发者通过编写样板代码来学习系统的过程，初级分析师通过整理数据来熟悉业务背景的过程——都在消失。借用Stanford Social Innovation Review的说法，AI吞噬掉的是“教会人们如何在组织中工作的低风险重复性工作”。这类“学习性工作”一旦消失，人才管道就会出现结构性空洞，3到5年后，能够填补中层管理者和资深职位的人才储备将逐渐枯竭。

也有企业意识到了这个问题。IBM认为，仅依赖AI效率的策略从长远看不可持续，因此宣布将应届招聘规模扩大到三倍。IBM的首席人力资源官表示：“3到5年后最成功的企业，将是那些在当下这个阶段把应届招聘翻倍的企业。”Cognizant仅在2025年就招聘了2万名应届毕业生。

Garman所说的“未来员工最重要的能力不是某项特定技能，而是学习的意愿”，应放在这个背景下理解。这话没错。但在学习机会本身正在减少的结构下，仅凭“学习的意愿”是无法替代那把梯子的。

Oswarld视角

在为企业制定GTM/技术战略的过程中，我无数次验证过一个事实：“衡量方式决定行为方式”。企业若把MAU设为KPI，员工便会专注于提高注册数而非留存率；若衡量代码提交次数，无意义的提交就会增多。既然衡量的是token消耗量，出现“刷token”自然是必然结果。

我更关注的是，这一现象与基础设施提供商的结构性利益紧密交织在一起。AWS是一家出售AI基础设施的公司。只有客户大量使用AI，服务器才卖得出去。所以，Garman说“工作岗位会改变，而非消失”，这话可能是真心的，但同时也是他在商业立场上不得不说的话——因为客户一旦对AI的引入心生畏惧，就不会购买基础设施。

这不是Garman个人的问题，而是基础设施提供商必然背负的结构性双重性。他们必须说“AI将改变世界”，但同时也必须说“世界不能变得太多”。

真正衡量AI落地的标准其实很简单：不该问“用了多少”，而应问“改变了什么”。如果保险理赔处理周期从60天缩短到3天，那么无论用了多少token，这都是有价值的。韩国企业在推进AI转型时，之所以应优先设计业务成果指标，而非使用量指标，原因正在于此。

结语

总结一下。

亚马逊一边裁掉3万人、一边招聘1万人，这并非矛盾，而是一种“投资组合替换”。但这场替换究竟是建立在真实生产力之上，还是像“刷token”一样立足于“使用量”这个虚假数字之上，目前仍有待验证。四家大型科技公司今年砸下的7,000亿美元、韩国企业紧随其后的AI转型投资，要判断这些需求的真伪，最简单的问题就是这个：不是“AI用了多少”，而是“因为AI，什么发生了改变”。

不知道各位是否曾在公司里被要求在引入AI工具后测量“使用率”或“利用度”？那时你们实际衡量的，是工具的价值，还是使用的证据？欢迎在评论区分享你的经历，我会在下一期中加以反映。

---

💬 欢迎在评论区分享你对AI落地衡量方式的经历或想法 · 📨 如果这篇文章对同事有帮助，欢迎分享。

---

参考资料与延伸阅读

核心来源

• Casey Newton，“The CEO of AWS on why Amazon is hiring 11,000 interns and junior employees”，Platformer，2026.6.24。：文中包含AWS Garman关于“Excel比喻”以及token排行榜的直接发言。
• Financial Times，“Amazon employees inflate AI usage on internal leaderboards”，2026.5.11。：最早报道“刷token”现象的文章，包含亚马逊员工的采访内容。
• The Information，“Meta’s Claudeonomics leaderboard”，2026.4.7。……最早披露Meta 60万亿token消耗实况的报道。

背景知识

• Erik Brynjolfsson, Danielle Li, Raymond Wang，“Canaries in the Coal Mine? Six Facts about the Recent Decline in Entry-Level Hiring”，Stanford Digital Economy Lab，2025。：对22~25岁初级从业者雇用下降进行实证分析的论文，是正文中“梯子最底层”讨论的核心依据。
• Stanford HAI，“AI Index Report 2026”，2026.4。：综合了初级开发者雇用下降20%、AI采用率53%等主要数据的年度报告。
• Catch（招聘平台），“2025年大企业应届招聘公告分析”，2025.12。：韩国大企业IT·通信领域应届招聘骤降67%数据的出处。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. 刷token（Tokenmaxxing）：人为夸大AI工具使用量以提升内部排行榜排名的行为。由“token”（AI处理的数据单位）与“maxing”（最大化）组合而成，是2026年大型科技公司中同时出现的现象。 ↩

2. Token（令牌）：AI模型处理文本时使用的最小数据单位。一个韩文字符大致相当于2~3个token，AI服务的计费大多以token消耗量为标准。 ↩

3. 智能体（Agent）：无需人类介入即可自主判断并执行任务的AI软件。与简单的聊天机器人不同，它可以自主处理代码部署、邮件处理、日程管理等实际工作。 ↩

4. CAPEX（Capital Expenditure，资本支出）：企业投资于数据中心、服务器、房地产等长期资产的费用。在AI时代，GPU服务器和电力基础设施建设成本占CAPEX的绝大部分。 ↩

5. PoC（Proof of Concept，概念验证）：为确认新技术或新想法是否真正可行而进行的小规模实验。成功则推进正式落地，失败则中止。 ↩

6. 古德哈特定律（Goodhart’s Law）：由英国经济学家Charles Goodhart提出的原理，意为“一旦衡量指标转变为目标，该指标就不再是一个好的衡量工具”。token消耗量从AI生产力的“指标”转变为“目标”的那一刻，便失去了衡量生产力的功能，这正是其代表性案例。 ↩