曾说“年薪一半要花在Token上”……结果如何？

开篇

今年3月，黄仁勋在英伟达GTC舞台上说过这样一句话。“如果一个年薪50万美元的开发者到年底只用了5,000美元的Token，我会疯掉的。”他说至少要用掉25万美元，也就是年薪的一半。他还补充了一个比喻：不使用Token就像“想用纸和笔来设计半导体”。

3个月后的这一周，最忠实地践行了这一建议的公司却出了意料之外的状况。优步给每位员工使用AI编程工具设定了每月1,500美元的使用上限。这是在4个月内耗尽全年AI预算之后做出的决定。先说结论：“Token用了多少”已经是过去的问题了。下一场游戏是“为了什么而用”以及“如何证明效果”。

🎯 黄仁勋的Token信条

在今年的GTC上，黄仁勋提出的公式很简单：“Token用得越多，开发者就越有生产力。”

换成具体数字就是：如果一名工程师年薪为50万美元（约合7亿韩元），那么其年度Token¹​预算至少应达到25万美元（约合3.5亿韩元）。折算成月度约为2万美元，约合2,800万韩元的水平。他甚至更进一步，提议将Token预算作为叠加在薪资之上的一种福利。也就是在基本工资之上额外发放相当于基本工资一半规模的Token预算，以此让工程师的生产力提高10倍。

我们需要审视这番发言的背景。英伟达自身的商业模式就是一座“生产Token的工厂”。黄仁勋在GTC上亲自提出了这样一个公式：“Revenue = Tokens per Watt × Available Gigawatts”。Token消耗量越多，GPU需求就越大，英伟达的营收也就越高。对黄仁勋来说，Token就是产品。

但对优步或沃尔玛这样的企业来说，Token更接近于原材料。它不是产品，而是成本。Constellation Research的Larry Dignan（音译）精准地指出了这一点。

“摩根大通卖的是金融服务，沃尔玛卖的是零售，通用汽车卖的是汽车。这些公司的CIO想要的是更便宜的推理成本、更好的投资回报率，以及关于AI投资何时能收回成本的明确答案。”

出售Token的人与购买Token的人，其最优策略正好相反。然而，黄仁勋的这番宣言却在整个硅谷催生了一种文化，即所谓的**“Tokenmaxxing（Token极限化）”**²​。这是一种信念，认为“尽可能多地消耗Token就等于生产力”。一些公司甚至将各开发者的Token使用量做成排行榜，以此在内部诱导竞争。据报道，Meta也曾通过内部仪表盘对员工的Token消耗量进行排名。

🔥 优步的实验，以及4个月后的结算

优步是Token极限化最忠实的实践者。

2025年12月，优步为约5,000名工程师部署了Anthropic的Claude Code³​，同时也引入了Cursor⁴​。完全照搬黄仁勋的打法，优步建立了内部排行榜，以排名形式展示员工的Token使用量。仅从数字来看，结果堪称大获成功。

截至今年2月，使用量翻了一番，95%的工程师每月都在使用AI工具。代码提交中有70%转为基于AI完成，基于AI的功能利用率也从2月的32%骤增至3月的84%。CEO达拉·科斯罗萨希上月宣布，“全部代码中约有10%由AI代理自主编写并提交”。他还表示，法务团队和市场团队中AI的使用也在快速增长。这家公司已经成为所谓的“AI原生”公司。

问题在4月爆发了。全年AI预算在4个月内全部耗尽。这是CTO Praveen Neppalli Naga（音译）亲口承认的事实。每位工程师每月的API费用分布在500美元到2,000美元之间，乘以5,000人，相当于每月蒸发数百万美元。优步2025年的研发支出为34亿美元（同比增长9%），而仅2026年第一季度就录得9.5亿美元（同比增长17%）。

CTO表示“必须从头开始重新设计（back to the drawing board）”。据本周彭博社报道，优步针对代理式编程⁵​工具引入了每名员工、每个工具每月1,500美元的使用上限。由于是按工具分别设限，理论上仍可在Claude Code上花1,500美元、在Cursor上再花1,500美元，但与黄仁勋提出的月约2万美元的愿景相比，这只有7.5%的水平。

但真正的重磅炸弹并不是成本。COO Andrew Macdonald（音译）上月在Rapid Response播客上说了这样一番话：

“我知道AI使用指标正呈现出令人惊叹的改善趋势。但在这些具体数字与‘我们确实在为消费者打造出实用性提高25%的功能’这一说法之间，很难划出一条清晰的界线。”

**这是一句坦白：95%的工程师在使用，70%的代码由AI编写，但却无法证明这些究竟为顾客带来了怎样的价值。**这番发言之后，优步股价下跌了2.9%。

📐 缺失的拼图：作为下一场游戏的“测量”

这不只是优步一家的问题。

本周，沃尔玛将内部AI代理“Code Puppy”的Token使用方式转变为按员工配给制。亚马逊此前曾运营内部AI使用排行榜，但由于员工把注意力都放在了Token消耗量竞赛上，而不是实际工作成果，最终干脆撤掉了这个排行榜。据报道，还有一家未公开名称的企业，因为根本没有设定支出上限，导致每月产生高达5亿美元（约合7,000亿韩元）的AI Token费用。

从规模上就能看出为何会发生这种情况。根据Menlo Ventures的分析，企业各部门AI支出中有55%集中在编程工具上。这一数字从2024年的5.5亿美元，一年内增长到2025年的40亿美元，增长了7倍。Gartner预计，2026年AI代理软件支出将达到2,070亿美元，同比增长139%。

资金正在源源不断地涌入。但用于衡量效果的基础设施却没有随之涌现。

CloudBees今年发布的《代码丰裕时代（Code Abundance）》报告，清晰地揭示了这一落差。83%的企业领导者自我评估“我们已经为AI导入做好了充分准备”。但与此同时，81%的人回答“因AI生成代码而导致的生产环境问题有所增加”。信心与现实之间的鸿沟就是如此之大。

开发者生产力基准研究也得出了同样的结论。以往使用的那些指标——每周PR⁶​数量、代码行数、提交次数等——到了2026年已不再可靠。因为AI会虚增代码量。我们能知道数量是否增加了，却无法用现有仪表盘判断价值是否增加了。AI编程工具既能带来真正的生产力提升，同时也会制造出生产力提升的幻觉。而核心问题在于，现有指标无法区分这两者。

Oswarld视角

坦白说，从听到黄仁勋的Token信条那一刻起，我就预料到会有这么一天。

在制定技术战略的过程中，我观察到一种反复出现的模式。每当新工具出现，企业总是按“狂热导入 → 成本冲击 → 到那时才开始测量ROI”的顺序走一遍。CRM如此，云计算如此，如今AI编程工具也走上了同样的路。测量总是姗姗来迟，排在最后。

这一次测量之所以特别困难，有其结构性原因。编写代码只是软件开发流水线中的一部分而已。即便AI让编码环节的速度提高了10倍，只要瓶颈出在设计或测试环节，整体速度就不会改变。这与制造业中的“约束理论”⁷原理相同。而且，Token用得多，意味着AI用得“多”，并不意味着用得“好”。就像通话次数和签约成功不是同一个指标一样。

不过，很难否认AI编程工具本身的价值。优步也并没有停止使用，而只是设定了上限。Token极限化的终结，并不意味着AI工具时代的终结，而是意味着测量时代的开始。

结语

黄仁勋说“要多用”（正），优步忠实照办，结果4个月就烧光了全年预算（反）。企业们现在正在意识到的是：真正的竞争力不在于Token使用量本身，而在于证明AI与业务成果之间连接关系的能力（合）。测量设计要先于导入速度。

在您所在的组织里，是如何衡量AI工具效果的呢？您是否也正在经历所谓的“Token极限化”？欢迎在评论区和我们聊聊。

参考资料与延伸阅读

核心来源

• Bloomberg，《Uber Caps Usage of AI Tools Like Claude Code to Manage Costs》，2026年6月2日：这是本期新闻通讯的出发点，记录了优步引入每月1,500美元上限决定的经过与背景。
• Fortune，《Uber burned through its entire 2026 AI budget in four months. Now its COO is questioning whether it’s worth it》，2026年5月26日：COO Andrew Macdonald（音译）关于“AI指标与消费者功能之间的连接”这番话的原文出处。
• Tom’s Hardware，《Jensen Huang says Nvidia engineers should use AI tokens worth half their annual salary》，2026年3月23日：GTC 2026主题演讲中黄仁勋Token信条发言的全文，与All-In Podcast节目相关联。

背景知识

• SaaStr，《55% of All Departmental AI Spend Is Now on Coding. And It’s Not Slowing Down》，基于Menlo Ventures分析：用数据展示了企业AI支出中55%集中在编程工具上的现状。
• CloudBees，《The 2026 State of Code Abundance Report》，2026年5月：报告中出现了“AI准备度信心83% vs 生产环境问题增加81%”这一充满讽刺意味的数据。
• Rob Manson，《Jensen’s not telling the whole story about AI Tokenomics》，Medium，2026年4月18日：一篇从结构层面分析“出售Token方 vs 购买Token方”视角差异的文章。

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. Token（词元）：AI处理文本时使用的基本单位，大致相当于1个韩文字符，或0.75个英文单词。AI服务的费用通常按这种Token消耗量计费。 ↩

2. Tokenmaxxing（Token极限化）：指企业文化中尽可能拉高AI Token使用量的新造词。在“用得越多越有生产力”的假设下，部分企业甚至运营了使用量排行榜。 ↩

3. Claude Code：由Anthropic开发的代理式编程工具。它超越了单纯的代码建议功能，能够在终端中自主编写、修改并执行代码。 ↩

4. Cursor：一款将AI直接集成到代码编辑器中的开发工具，基于VS Code构建，AI可以以整个文件为单位分析和修改代码。 ↩

5. 代理式编程（Agentic Coding）：一种编程方式，AI不再只是提供单行代码建议，而是自主规划并执行多阶段任务，甚至能自行完成文件创建、测试运行、错误修复等工作。 ↩

6. PR（Pull Request，拉取请求）：开发者将编写好的代码提交给团队审核的流程，是代码在并入主项目之前经过同行评审的过程。 ↩

7. 约束理论（Theory of Constraints）：该理论认为，整个系统的绩效由最慢的瓶颈环节所决定。即便只让某一环节提速，只要其他环节仍存在阻塞，整体速度也不会改变。 ↩