AI編碼工具大反噬：Tokenmaxxing玩死Uber全年預算，METR研究揭開發者已「毒癮」上身冇AI唔識做嘢

到咗2026年5月底，AI編碼工具嘅蜜月期正式宣布玩完。本來大家都好似掘金咁，搏命想將AI塞入開發者嘅日常工作流程，但依家一頭撞埋去一大堆冷冰冰嘅數據、失控嘅成本，仲有令人心寒嘅心理依賴。研究實驗室根本冇辦法再量度到人類嘅生產力，因為啲開發者已經拒絕寫任何冇AI幫手嘅code。同時間，2026年初嗰股用AI Token消耗量嚟衡量生產力嘅管理潮流，隨住各大企業承認呢條數根本計唔掂，亦都極速崩塌。結果係，我哋嚟到咗一個關鍵嘅企業反噬時刻，大家開始雞手鴨腳咁重新搵過啲真係有用嘅衡量指標。

爛尾嘅實驗：點解METR嘅後續研究會失敗

喺2026年2月，AI研究實驗室METR公布咗一個震撼得嚟又極之簡單嘅發現：佢哋根本冇辦法完成自己嗰份關於開發者生產力嘅研究。

METR原本諗住為佢哋2025年嗰份突破性嘅隨機對照試驗做個後續研究，點知一大班獲邀嘅開發者竟然拒絕參與——原因係，佢哋唔肯做任何冇AI幫手嘅工作，即使只係做研究用途嘅有限度任務都唔得 。

其實2025年嗰份原始研究已經留低咗好大個陰影。研究發現，用緊Cursor Pro同Claude 3.5/3.7 Sonnet呢類AI工具嘅資深開源開發者，完成任務嘅速度比起冇用AI嘅人慢咗足足19%。最反諷嘅係，班開發者自己本來預測AI會幫佢哋慳到大約24%時間，仲話感覺自己生產力高咗，但客觀數據講嘅故仔完全相反：佢哋使咗多咗時間去debug、去引導個AI，仲要乾等AI完成任務 。

到咗2025年8月，METR嘗試擴大研究規模去57個開發者同超過800個任務，點知呢次仲大鑊。結果喺統計上得個吉——估計生產力慢咗4%，但個置信區間闊到爆，由-15%去到+9%。最致命嘅一點係，有30%至50%嘅參加者承認佢哋做緊「自我審查」，即係特登唔提交嗰啲冇AI就完成唔到嘅任務。個研究樣本根本就無可救藥咁偏埋咗去嗰一小撮仲肯冇AI做嘢嘅開發者度 。最終，METR索性成個實驗都唔要，話佢哋啲數據「完全唔可靠」。

短短唔夠一年之內，研究嘅敘事角度就由「AI令資深開發者變慢，但佢哋自己察覺唔到」，演變成一個更震撼嘅發現：「開發者直頭連嘗試冇AI做嘢都唔肯。」呢種依賴已經深到根本冇辦法量度 。

Tokenmaxxing掘金熱潮嘅驚天大崩潰

正當METR嘅研究搞到一鑊泡嘅時候，矽谷就有另一股平行嘅狂熱橫掃緊。Tokenmaxxing——嗰種將AI Token原始消耗量當成開發者生產力指標放到最大嘅玩法——成為咗2026年初嘅潮流標誌，但好快就喺自己嘅重量之下玩死咗自己。

呢種文化仲被人徹底遊戲化。據報，Meta嘅員工係用一個叫「Claudeonomics」嘅內部儀表板嚟鬥，爭取緊「Token傳說」同「Session不死」呢類稱號，純粹睇邊個燒得最多Token 。Nvidia嘅CEO黃仁勳更加語出驚人，話如果佢公司一個成50萬美金年薪嘅工程師，唔係「重Token消費者」，佢會「極度驚慌」。成個業界，Token預算竟然變咗做榮譽勳章，象徵緊一個員工有幾咁擁抱AI，同埋由此推斷出佢哋有幾咁創意爆棚。

亞馬遜煞停KiroRank

嚟到2026年5月底，反噬終於推上咗最高點。亞馬遜煞停咗佢哋內部、放喺Kiro開發者平台上嗰個叫「KiroRank」嘅排行榜，原因係發現有員工為咗谷高自己嘅用量分數，竟然走去做啲「完全冇用嘅AI代理」。

亞馬遜嘅高級副總裁Dave Treadwell仲直接向員工發咗個訊息：「唔該，唔好淨係為咗用AI而用AI」。一位亞馬遜發言人證實，個排行榜只係個「Beta版本嘅儀表板」，並「唔係一個正式或者獲准嘅工具」，但佢產生出嚟嘅運算成本已經造成咗無可挽回嘅損失 。依家公司正轉向用一個叫「標準化部署次數」嘅指標，嚟嘗試量度真正有意義嘅工作 。

Uber四個用曬成個財政年度嘅AI預算

仲爆得更戲劇性嘅係，Uber嘅AI大計變成咗一個活生生嘅反面教材。

2025年12月，公司俾咗大約5,000個工程師廣泛嘅權限，去用Anthropic嘅Claude Code。幾個月之內，使用率就由32%爆升到84%，而到咗2026年4月，公司竟然已經使曬成個財政年度嘅AI預算。

根據Uber嘅技術總監Praveen Neppalli Naga所講，依家公司95%嘅工程師每個月都會用AI工具，而有70%提交嘅code都係由AI生成嘅——呢個比例係所有主要科企入面，公開報過最高嘅數字 。

但係，呢種驚人嘅採用率，完全冇換嚟清晰嘅回報。營運總監Andrew Macdonald就喺5月底一個訪問中公開承認，公司根本冇辦法喺畀咗咁大筆AI開支，同有意義嘅業務成果之間，拉得出一條線。「呢個連結仲未出現」，佢話：「要justify呢筆開支越嚟越難」。聽講內部，Uber嘅高層已經開始用一個名詞去稱呼呢個問題：就係「Tokenmaxxing」。

更廣泛嘅大清算

Meta同其他大型公司都已經煞停或者檢討緊佢哋嘅AI使用排行榜 。成個科技界依家都喺度重新審視緊呢種失控、但又產生唔到相稱回報嘅AI開支。《財富》雜誌就結論話，「Tokenmaxxing」呢個潮流，「已經死咗」。

隱藏成本：更多code，更多bug，更多技術債

呢場反噬並唔單止係關乎預算咁簡單。越嚟越多證據顯示，AI生成嘅code，根本就係喺度軟件項目入面種緊啲計時炸彈。

• 生產力錯覺千真萬確。 嗰種「覺得快咗」嘅感覺，俾受控嘅研究徹底否定。成日掛住睇Token用量同code產出行數，就會掩蓋咗debug、重構同維護AI寫出嚟嘅code所帶嚟嘅隱藏成本。GitClear喺2026年1月一份報告就發現，code churn——即係量度被刪除同被新增行數嘅一種指標——喺高AI採用率嘅環境之下，竟然爆升咗861% 。
• 技術債越積越多。 AI工具嘅快速輸出，產生出嚟嘅code需要更多後續重做，仲會引入保安漏洞。分析師警告，呢啲維修嘅負擔好輕易就可以抵銷晒所有短期嘅速度提升，威脅緊成個codebase嘅長期健康 。
• 量度嘅方法本身就係壞嘅。 成件事反映出，嗰啲活動量度指標——例如code行數、Token消耗量、撳咗幾多次AI代理——統統都係用嚟量度實際產出嘅一個極之有缺陷嘅代替品。正如某啲分析所講：「即使個效應大小本身郁咗，主觀印象仍然係去量度實際影響嘅一個好差嘅指引」。

浮現緊嘅新玩法：點樣真正平衡AI同人類把關

2026年呢場大清算，正正催生緊一套新嘅、更加清醒嘅共識，去諗點樣將AI融入軟件工程入面。

• 徹底放棄用Token做基礎嘅指標。 公司已經喺度剷走緊排行榜，轉向用工程智能，去追蹤已出貨嘅功能、code嘅質素同defect率，而唔係睇AI消耗量。Atlassian用成10億美金去收購開發者體驗平台DX，就係呢種投資去量度有意義結果、而唔係原始活動嘅例證 。
• 強制執行嚴格嘅人類審查。 METR嘅研究展示咗，冇咗小心嘅人類監督，AI工具係可以令到資深嘅開發者變得冇咁有生產力。Code review同架構規劃仍然係極之關鍵，而唔係一個可有可無嘅活動 。
• 用展示到嘅價值，而唔係用使用量，去封頂AI開支。 Uber嘅經驗示範咗，冇封頂、按用量收費嘅AI開支模式係完全冇辦法持續落去嘅。做預算，一定要同可量度嘅回報捆綁，而唔係淨係追採用率 。
• 重新設計評核文化。 終極目標，係要將個核心問題，由「邊個用AI用得最多？」轉變成「AI為我哋個團隊促成咗咩有用嘅結果？」。呢個意味住，要獎勵嘅係用得精明同有效，而唔係純粹高用量嘅消耗 。

由2026年得出嘅教訓係好清楚嘅：AI編碼工具仲未可靠咁證明到佢哋嘅經濟價值之前，就已經創造咗一種前所未有嘅心理同運作上嘅依賴。能夠成功駕馭呢個悖論嘅公司，將會係嗰啲將AI視為一種需要有紀律咁去駕馭嘅工具，而唔係一個要你不斷餵飼更大Token祭品嘅神明。