当烧Token成为KPI：从 Meta 内部乱象看 AI Agent 商业模式的崩塌风险

在很多人的认知里，形式主义似乎是某些组织或文化的专属问题。但最近，一则来自硅谷的爆料却让人大跌眼镜：原来在 AI 最前沿的公司里，同样存在着极具荒诞色彩的指标崇拜。

来自 Khosla Ventures 的投资人 Jon Chu 在社交平台透露，在 Meta 内部，一些工程师为了迎合Token 使用量这一指标，甚至写出了死循环 Bot 来疯狂消耗 Token，还有人干脆在提示词中加入尽可能低效的指令，只为让消耗更高。

原话是这样的：

这条消息迅速引发热议，并非因为它离谱，而是因为它太真实。

从写代码到烧 Token：指标正在变形

在传统软件工程中，我们曾见过类似现象：

• 用代码行数衡量绩效 → 导致冗余代码
• 用加班时长评估贡献 → 导致低效忙碌

而在 AI 时代，这种逻辑被简单迁移成了一个新指标——Token 消耗。

所谓 Token，本质上是大模型计算的计费单位。用得越多，意味着调用越频繁、上下文越长、成本越高。但问题在于：Token ≠ 价值产出。

根据近期关于tokenmaxxing的讨论，一些公司甚至开始用 Token 消耗做排行榜，鼓励员工多用 AI。然而，这种机制很快被游戏化：

• 有人专门跑无意义任务刷 Token
• 有人刻意增加冗长提示词
• 甚至出现循环调用 AI的自动化脚本

正如业内评论所说：把 Token 消耗当 KPI，就像按花钱多少评估营销团队。

AI时代的新形式主义：指标即真理

这次事件的核心，不是 Meta 或某个公司，而是一个更深层的问题：当一个易量化的指标出现，它就会被误当作目标本身。这正是经典的管理学陷阱——当一个指标成为目标，它就不再是一个好指标。

在 AI 语境下，这种偏差被进一步放大：

1. Token 可量化、可计费、可对比
2. AI 使用行为本身难以评估质量
3. 管理层需要简单指标来“证明AI落地”

于是，Token 使用量成为一种看似合理、实则危险的替代指标。最终演变成不再追求更好的结果，而是追求更高的消耗。这就是典型的技术时代的形式主义。

AI Agent 商业模式的隐忧

如果说内部 KPI 只是管理问题，那么它对 AI 行业的冲击则更深远。当前大量 AI Agent 产品的商业模式，本质上是按调用量 / Token 使用量收费

这意味着什么？企业收入 = 用户消耗的 Token 数量。在这种模式下，存在一个天然冲突：

这就导致一个危险趋势：低效反而变成有利可图的行为。当这种逻辑渗透到企业内部，就会出现：

• 产品设计倾向复杂流程
• Agent 反复调用模型
• 不必要的上下文膨胀

长远来看，这会直接侵蚀 AI Agent 的可信度和商业可持续性。

为什么这件事值得警惕？

这不仅仅是一个搞笑新闻，它其实揭示了 AI 行业的三个关键风险：

1. 指标错位（Metric Misalignment）：企业用错误指标评估 AI 成效，导致方向偏离。
2. 激励扭曲（Incentive Distortion）：员工不是在优化结果，而是在优化指标。
3. 商业模式反人性：用户想省钱，平台却靠你多花钱赚钱。

这三点叠加，最终会形成一种自我腐蚀的系统。

总结：AI不会改变人性，只会放大它

这次 Meta 的Token 乱象之所以引发广泛共鸣，是因为它揭示了一个朴素但深刻的事实：AI 再先进，组织行为仍然遵循人性与激励机制。当评价体系错误时，再聪明的工程师，也会做出最愚蠢但最合理的选择。

AI Agent 的未来，不只是技术问题，更是管理问题、经济问题，甚至是人性问题。如果不解决这些问题——那么真正被瓦解的，可能不仅是商业模式，而是整个 AI 应用生态的信任基础。