Meta 员工按 AI 用量排名 — 从 Token Legends 看组织 AI 导入的光与影

Meta 的 8.5 万名员工之间,正悄然上演一场奇妙的竞赛——比谁用的 AI token 更多。 30 天内总使用量突破 60 万亿 token,排名第一的员工独自烧掉了 2810 亿 token。按公开定价算,这一个人就相当于花掉了超过 140 万美元。

这不只是公司内部的梗。整个硅谷都在流行一种叫做 "tokenmaxxing(极限刷 token)" 的新文化,英伟达 CEO 黄仁勋甚至直接放话:"如果一个年薪 50 万美元的工程师连 25 万美元的 token 都没花,我会严重担心他。"

这是什么?

Meta 内部有位员工自发做了个叫 "Claudeonomics" 的排行榜,名字取自 Anthropic 的 Claude 模型。它追踪员工的 AI token 消耗量,并公开前 250 名的排名。

有意思的是,马克·扎克伯格和 CTO 安德鲁·博斯沃斯都没进前 250。 实际上最能烧 token 的,是那些直接用 AI 写代码的工程师。

但这个排行榜 公开仅两天就被下线了。由于内部数据被泄露到外部,制作者主动关闭了它,只留下一条消息:"本来是想让大家有趣地看看 token 数据,但仪表盘数据被分享到了外部,先关闭一下。"

有什么不同?

Claudeonomics 消失了,但它揭示的趋势远比它本身更大。

硅谷高管的立场非常坚定:

Meta 又往前迈了一步。2025 年 11 月,人力资源负责人 Janelle Gale 向全体员工通告:"从 2026 年起,基于 AI 的影响力将成为人事评估的核心预期。" 个人对 AI 的使用正式变成了官方绩效指标。

这股浪潮不只是 Meta 的故事。OpenAI 也有员工 token 使用排行榜,3 月某一周第 1 名使用了 2100 亿 token。 像 Sendbird 这样的初创公司,给每天用掉 1 亿 token 以上的员工授予 "AI God" 头衔,奖品从咖啡礼品卡到额外休假都有。

但这真的没问题吗?

管理学里有一篇经典论文。1975 年 Steven Kerr 写的 "On the Folly of Rewarding A, While Hoping for B"——奖励 A 却期待 B 的愚蠢。 沃顿商学院教授 Ethan Mollick 在看到 Meta 的 Token Legends 现象后正好引用了这篇论文,绝非偶然。

The Information 的报道也证实了这一点:两位 Meta 在职员工表示,"确实有同事把大量 token 砸进研究任务,只为冲上排行榜。" Sendbird 的 CEO 也承认,"前 10 名里有 8 个是真的高产,剩下的更像是在做实验。"

上手指南

Token Legends 现象给我们的启示很清晰:加速 AI 导入,但不要掉进衡量陷阱。下面这套框架,可以直接套用到组织的 AI 导入文化设计中。

1. 衡量输出,而不是输入
   token 消耗量本身只是先行指标。真正的核心指标是——借助 AI 实际上线的功能、缩短的交付周期、提升的质量。Meta 的失误就在于把输入游戏化了。要做仪表盘,就做一个展示"AI 带来的结果变化"的仪表盘。
2. 把 token 预算当成投资
   黄仁勋那句"拿年薪的一半当 token 预算"听起来激进,但核心方向是对的。把 AI 算力看作基础设施投资,而不是费用支出。但必须搭配团队级 ROI 仪表盘一起运营。
3. 游戏化要谨慎
   Meta 的 Level Up 游戏、Claudeonomics 排行榜——在早期导入阶段确实有效。但一旦头衔竞争本身成为目的,扭曲就开始了。在探索阶段发放使用量徽章,在成熟阶段切换到成果徽章。
4. 把 AI 能力纳入人事评估,但评估的是"怎么用"
   像 Meta 那样把 AI-driven impact 纳入人事评估,方向没错。但标准不应是"用了多少",而是"怎么用、达成了什么"。
5. 先把护栏搭好
   团队 token 配额、成本仪表盘、使用用途标签。Claudeonomics 两天就下线,就是因为只强调了透明度,却没有护栏。要和数据安全政策一起配套运营。

深入了解