趋势解读：Meta shifts from "tokenmaxxing" to token managing as，提升开发者接入体验
Meta内部AI成本激增，将收紧AI代币管理，从'代币最大化'转向代币管控，并开发AI Gateway进行监控。
原贴
查看原文原文
中文翻译
据称，Meta 在人工智能方面的支出已达数十亿美元，现在希望对人工智能的使用方式、使用者以及用途进行更严格的监督。据 The Information 报道，在发送给约 6,000 名员工的内部备忘录中，Meta 指出人工智能的使用将出现“指数级增长”，并警告说，到 2026 年，公司仅内部使用就将产生数十亿美元的成本。个别员工和团队无法了解或控制自己的消费。从 2027 年开始，Meta 计划通过预算、分配和专用工具更严格地管理 AI 代币。一组开发人员和工程师构建了一个名为“AI Gateway”的中央仪表板，可以在一个地方跟踪使用情况和支出。接下来将针对异常成本峰值自动发出警报。 Meta 还希望引导员工远离 Anthropic 的 Claude 等第三方工具，转而使用自己的编码助手 MetaCode。不过，其他型号仍然可用； Meta 自己的模型在前沿还没有竞争力。 Meta 新的“应用人工智能工程”部门的工程师正在致力于通过创建编码任务作为训练数据来改进 MetaCode。此前，Meta 将人工智能的使用作为绩效评估的“核心期望”，这导致了所谓的“tokenmaxxing”：员工通过名为“Claudeonomics”的内部排行榜人为地夸大了自己的消费，在短短 30 多天内就积累了 73.7 万亿代币。首席技术官 Andrew Bosworth 在另一份备忘录中反驳道：“任何人都不应该仅仅为了使用人工智能工具而使用它们。所有的行动都不是进步，代币的使用本身并不能衡量任何类型的影响。”当工具“真正让我们能够更快、更好地完成工作”时，就应该使用它们。亚马逊也遇到了类似的代币最大化问题，并逐渐失控。两家公司现在都在控制人工智能支出，这符合一个更广泛的模式：企业正在质疑人工智能是否真正提高了生产力。 Sam Altman 最近称成本控制是他的客户中的一个“大问题”，部分原因可能是模型使用价格大幅上涨。
核心信息
Meta内部AI成本激增，将收紧AI代币管理，从'代币最大化'转向代币管控，并开发AI Gateway进行监控。
- Meta内部AI成本激增，将严控代币使用，从'最大化'转向'管理'。
- 员工曾为绩效虚增AI使用量，导致73.7万亿代币消耗。
- Meta开发AI Gateway用于集中监控支出，并引导使用自家工具。
- 其他企业（如亚马逊）也面临类似AI成本失控问题。
- 企业需重新评估AI实际生产力，避免盲目扩张。
详细解读
【这是什么信号】Meta正在从“Token最大化”转向“Token管理”，标志着AI内部成本失控后的纠偏。内部备忘录显示，到2026年仅内部AI使用成本将达数十亿美元，迫使Meta收紧控制，并开发AI Gateway进行监控。
【为什么重要】这表明即便是头部科技公司，AI的盲目扩张也会带来巨大成本压力，并引发对AI实际生产力的质疑。Meta的“Tokenmaxxing”现象（员工为绩效虚增使用量）揭示了AI工具滥用风险，而其他公司如亚马逊也面临类似问题。
【对谁有价值】对企业CTO、AI工具供应商、开发者群体有价值。CTO可借鉴Meta的管控思路；供应商需关注企业端成本敏感度；开发者需理解AI工具的使用应注重实效而非数量。
【可以怎么行动】企业应建立AI使用监控和预算分配机制，避免员工投机使用；优先推动内部或高性价比模型，减少外部依赖；将AI使用与业务成果挂钩，而非简单用量指标。
【风险或限制】Meta自身模型在尖端领域竞争力不足，强制引导使用内部工具可能影响效率；过度管控可能抑制创新；其他公司情况各异，需根据自身AI成熟度调整策略。
信息差价值
【信息差价值】多数人关注AI能力提升，却忽略企业内部AI成本失控的隐忧。Meta、亚马逊的案例揭示了AI部署后的“第二曲线”问题——管理比引入更难。了解这一趋势，可避免在企业内部重蹈覆辙。
【业务启发】AI工具的使用应建立可量化的ROI评估机制，而不是鼓励“用就对了”。企业可设置代币预算、异常警报等管控手段，并引导员工聚焦高价值任务。
【可沉淀动作】创建AI使用仪表盘，定期审计各团队消耗；将AI工具与业务KPI挂钩，而非单纯用量；建立内部最佳实践库，分享高效使用案例。