到底「Tokenmaxxing」係咩玩法？

「Tokenmaxxing」呢個字嘅意思係「極大化Token消耗」。Token係生成式AI嘅基本計價單位，大約等於¾個英文字詞。工程師用AI寫Code、問問題、開Agent去自動完成任務，每個動作都要消耗Token，每個Token都係錢。

喺微軟內部，工程師竟然整咗個內部排行榜，鬥快消耗最多Token，就好似玩Fantasy Football咁鬥高分。有人用最貴嘅AI模型（即係所謂嘅「前沿模型」）去做啲簡單到爆嘅任務，例如改個變數名、問一句天氣，每個月嘅Token開支可以去到幾千美元一個人。

連Satya Nadella都要親自出手

CEO Satya Nadella喺《紐約時報》嘅「Hard Fork」Podcast入面承認，公司內部有「好多」Tokenmaxxing問題。佢話：「我都係一個Tokenmaxxer，呢樣嘢好上癮㗎。但當新鮮感過咗，就要諗清楚——你究竟想創造啲咩？」

結果公司要做出以下調整：

• 行政副總裁Jay Parikh發內部電郵，話「Tokenmaxxing唔係我哋要優化嘅目標」
• 將內部默認AI模型降級，由最貴嘅前沿模型轉用平價版OpenAI GPT-5.6
• 撤銷大部分員工嘅Claude Code使用權限，因為每個月每人用Claude Code嘅開支高達$500-$2,000美元
• 由2026年7月開始，每個部門都要遵守AI Token預算目標，員工可以自己查到自己用咗幾多Token錢

唔止微軟，成個行業都在急煞車

微軟唔係唯一一個要咁做嘅公司。成個科技行業都發現呢條數唔對路——AI開支狂升但生產力冇跟住升，CEO開始話「Token唔係座位」，唔可以當係傳統SaaS咁每個月畀個固定月費就算。

• Amazon同Meta已經取消咗內部Token消耗排行榜，因為員工會「打假波」——刻意燒Token嚟谷高個分。Meta CTO Andrew Bosworth同員工講：「所有動作唔等於進步，Token消耗量唔係衡量影響力嘅指標。」

• Amazon用「正常化部署量」取代咗Token排行榜，即係只計真正上線（Production）嘅AI輔助代碼，唔係計你問咗幾多個問題。

• Meta正考慮為每個工程師設Token上限，即係每人每月可以用幾多Token都有個筍。

• Atlassian嘅每月AI開支由約500萬美元暴升到超過1500萬美元，最後要設上限。

• Citi一度暫停開發者使用最新嘅Claude同ChatGPT模型，話呢啲模型係「企業AI信用額消耗嘅主要元兇」。

行業由「鬥燒Token」轉向「結果為本」

呢場AI開支大清洗嘅核心教訓係：Token唔係座位（Tokens are not seats）。傳統SaaS軟件係每個用戶每個月畀固定錢，但生成式AI嘅成本會隨每個Prompt、每次重試、每個Upload、每個Agent Loop而不斷擴大。

業界而家開始用新嘅指標去衡量AI成功：

• 唔係計你用咗幾多Token，而係計你出咗幾多個可以上線嘅功能
• 唔係計你問咗AI幾多條問題，而係計你解決咗幾多張Ticket
• 唔係計你燒咗幾多錢，而係計呢啲Token帶嚟幾多收入

BCG（波士頓諮詢公司）建議企業用「Return on AI (RoAI)」——即係AI回報率——去衡量每分Token投入嘅實際產出。

總結：原本話要提升生產力，結果自己都管唔住

微軟呢個案例係整個AI行業嘅縮影：當初各大科技公司瘋狂推AI畀企業客戶，話可以提升生產力、節省成本；但自己內部都管唔住員工亂用AI，搞到要CEO親自落場煞車。

連全球最大嘅AI投資者都要對員工實施AI使用限制，呢件事本身就說明咗一個殘酷嘅現實：AI唔係無限嘅生產力仙丹，佢係一個要好似其他資源咁嚴格管理嘅昂貴工具。

到底「Tokenmaxxing」係咩玩法？

「Tokenmaxxing」呢個字嘅意思係「極大化Token消耗」。Token係生成式AI嘅基本計價單位，大約等於¾個英文字詞。工程師用AI寫Code、問問題、開Agent去自動完成任務，每個動作都要消耗Token，每個Token都係錢。

喺微軟內部，工程師竟然整咗個內部排行榜，鬥快消耗最多Token，就好似玩Fantasy Football咁鬥高分。有人用最貴嘅AI模型（即係所謂嘅「前沿模型」）去做啲簡單到爆嘅任務，例如改個變數名、問一句天氣，每個月嘅Token開支可以去到幾千美元一個人。

連Satya Nadella都要親自出手

CEO Satya Nadella喺《紐約時報》嘅「Hard Fork」Podcast入面承認，公司內部有「好多」Tokenmaxxing問題。佢話：「我都係一個Tokenmaxxer，呢樣嘢好上癮㗎。但當新鮮感過咗，就要諗清楚——你究竟想創造啲咩？」

結果公司要做出以下調整：

• 行政副總裁Jay Parikh發內部電郵，話「Tokenmaxxing唔係我哋要優化嘅目標」
• 將內部默認AI模型降級，由最貴嘅前沿模型轉用平價版OpenAI GPT-5.6
• 撤銷大部分員工嘅Claude Code使用權限，因為每個月每人用Claude Code嘅開支高達$500-$2,000美元
• 由2026年7月開始，每個部門都要遵守AI Token預算目標，員工可以自己查到自己用咗幾多Token錢

唔止微軟，成個行業都在急煞車

微軟唔係唯一一個要咁做嘅公司。成個科技行業都發現呢條數唔對路——AI開支狂升但生產力冇跟住升，CEO開始話「Token唔係座位」，唔可以當係傳統SaaS咁每個月畀個固定月費就算。

• Amazon同Meta已經取消咗內部Token消耗排行榜，因為員工會「打假波」——刻意燒Token嚟谷高個分。Meta CTO Andrew Bosworth同員工講：「所有動作唔等於進步，Token消耗量唔係衡量影響力嘅指標。」

• Amazon用「正常化部署量」取代咗Token排行榜，即係只計真正上線（Production）嘅AI輔助代碼，唔係計你問咗幾多個問題。

• Meta正考慮為每個工程師設Token上限，即係每人每月可以用幾多Token都有個筍。

• Atlassian嘅每月AI開支由約500萬美元暴升到超過1500萬美元，最後要設上限。

• Citi一度暫停開發者使用最新嘅Claude同ChatGPT模型，話呢啲模型係「企業AI信用額消耗嘅主要元兇」。

行業由「鬥燒Token」轉向「結果為本」

呢場AI開支大清洗嘅核心教訓係：Token唔係座位（Tokens are not seats）。傳統SaaS軟件係每個用戶每個月畀固定錢，但生成式AI嘅成本會隨每個Prompt、每次重試、每個Upload、每個Agent Loop而不斷擴大。

業界而家開始用新嘅指標去衡量AI成功：

• 唔係計你用咗幾多Token，而係計你出咗幾多個可以上線嘅功能
• 唔係計你問咗AI幾多條問題，而係計你解決咗幾多張Ticket
• 唔係計你燒咗幾多錢，而係計呢啲Token帶嚟幾多收入

BCG（波士頓諮詢公司）建議企業用「Return on AI (RoAI)」——即係AI回報率——去衡量每分Token投入嘅實際產出。

總結：原本話要提升生產力，結果自己都管唔住

微軟呢個案例係整個AI行業嘅縮影：當初各大科技公司瘋狂推AI畀企業客戶，話可以提升生產力、節省成本；但自己內部都管唔住員工亂用AI，搞到要CEO親自落場煞車。

連全球最大嘅AI投資者都要對員工實施AI使用限制，呢件事本身就說明咗一個殘酷嘅現實：AI唔係無限嘅生產力仙丹，佢係一個要好似其他資源咁嚴格管理嘅昂貴工具。