← 回總覽

Altman 拿 Token 换股权只够烧 45 天,20 亿 Token 捐母校只值 100 块:Token 真成“钱”了,谁更赚?

📅 2026-05-20 16:39 InfoQ 中文 商业科技 2 分鐘 1892 字 評分: 88
Token 经济 AI 成本 Tokenmaxxing AI 生产力 商业分析
📌 一句话摘要 本文深入剖析了 AI 行业“Token 经济”的现状,从 Altman 用 Token 换股权、开发者“Tokenmaxxing”竞赛,到企业巨额 AI 账单,揭示了 Token 消耗量作为生产力指标的荒谬性,并指出当前 AI 经济模式对多数参与者而言并不可行。 📝 详细摘要 文章以 Sam Altman 向 YC 创业公司提供 200 万美元 Token 换取股权的事件为引子,揭示了 Token 作为新型“货币”在 AI 行业的流通现状。文章指出,200 万美元的 Token 对于重度用户(如 OpenClaw 创始人)仅够烧 45 天,而国内 20 亿 Token 的捐

📌 一句话摘要

本文深入剖析了 AI 行业“Token 经济”的现状,从 Altman 用 Token 换股权、开发者“Tokenmaxxing”竞赛,到企业巨额 AI 账单,揭示了 Token 消耗量作为生产力指标的荒谬性,并指出当前 AI 经济模式对多数参与者而言并不可行。

📝 详细摘要

文章以 Sam Altman 向 YC 创业公司提供 200 万美元 Token 换取股权的事件为引子,揭示了 Token 作为新型“货币”在 AI 行业的流通现状。文章指出,200 万美元的 Token 对于重度用户(如 OpenClaw 创始人)仅够烧 45 天,而国内 20 亿 Token 的捐赠换算后价值仅约 100 元,凸显了 Token 价值的巨大落差。文章核心探讨了硅谷盛行的“Tokenmaxxing”文化,即通过大量消耗 Token 来证明对 AI 的投入程度,甚至在企业内部催生了 Token 消耗排行榜。然而,这种以投入衡量产出的做法备受争议,有观点认为它导致了大量无效的代码生成和资源浪费。文章引用多项数据表明,AI 工具虽提升了代码产出量,但代码流失率(返工率)也随之飙升,实际生产力提升有限。最后,文章引用 Ed Zitron 的尖锐分析,指出当前 AI 行业的经济账并不成立,巨额基础设施投资并未带来相应回报,AI 收入增长主要依赖 OpenAI 和 Anthropic 等少数公司之间的“互相输血”,而非广泛的企业需求。文章认为,AI 之所以流行,部分原因在于它迎合了脱离实际工作的高管们的幻觉,成为一种“商业白痴的复仇”。

💡 主要观点

- Token 正在成为一种新型“货币”,但其实际价值差异巨大,且消耗速度惊人。 从 Altman 用 200 万美元 Token 换股权,到国内 20 亿 Token 捐赠仅值 100 元,Token 的价值在不同场景下天差地别。重度 AI 用户(如开发智能体的团队)的 Token 消耗速度极快,200 万美元的额度可能仅够一个团队使用一个半月。

“Tokenmaxxing”文化盛行,但以 Token 消耗量衡量生产力是荒谬的。 硅谷正流行“Tokenmaxxing”,即通过大量使用 AI 来证明投入程度,甚至在企业内部出现 Token 消耗排行榜。然而,这衡量的是投入而非产出,导致开发者为了刷量而制造“Token 垃圾”,实际生产力提升有限,反而增加了代码审查和技术债务。
AI 行业的经济账并不成立,巨额投资尚未带来可持续的回报。 云厂商在 AI 基础设施上投入了数千亿美元,但 AI 收入增长主要来自 OpenAI 和 Anthropic 等少数公司的“互相输血”,而非广泛的企业需求。AI 实验室自身也处于巨额亏损状态,其“未来盈利”的预测建立在极其乐观的收入假设之上。
AI 的流行部分源于它迎合了脱离实际工作的高管们的幻觉。 AI 永远不会拒绝,总能生成看似像工作的内容,这让高管产生了不切实际的期望,并成为他们压迫执行层的新工具。许多企业并非因为 AI 真的有效才投入巨资,而是因为它迎合了“商业白痴”的幻想。

💬 文章金句

- Token 真的变成金融证券了?

  • 没有 tokenverifying 的 tokenmaxxing,只是 tokenslopping。
  • 就目前而言,AI 对参与其中的绝大多数人来说,在经济上都不可行。
  • 生成式 AI 之所以能如此流行,是因为它完美迎合了一类脱离真实工作、却掌握决策权的高管和经理。

📊 文章信息

AI 初评:88

来源:InfoQ 中文

作者:InfoQ 中文

分类:商业科技

语言:中文

阅读时间:31 分钟

字数:7538

标签: Token 经济, AI 成本, Tokenmaxxing, AI 生产力, 商业分析

阅读完整文章

查看原文 → 發佈: 2026-05-20 16:39:00 收錄: 2026-05-20 20:00:58

🤖 問 AI

針對這篇文章提問,AI 會根據文章內容回答。按 Ctrl+Enter 送出。