真是大反转啊！
就在今年春天，meta 还在公司内部搞出了一套 token 消耗排行榜，甚至催生出一种名为 tokenmaxxing 的玩法：员工们通过大量使用 AI、疯狂消耗 token，来证明自己是 AI 重度用户。
没成想，几个月后，风向彻底变了。当内部 AI 使用成本开始冲向数十亿美元，meta 不得不从 tokenmaxxing 转向 Tokenminimizing：不再鼓励员工拼命烧 token。
没错，为了削减成本，meta 开始限制员工的 token 使用量了。
内部 AI 成本，正在冲向数十亿美元
据 The Information 看到的一份内部备忘录显示，meta 正在搭建一个内部平台，用于实时追踪员工的 AI 使用情况和相关支出，设定预算，并对员工的 token 花费设置上限。meta 将这份备忘录分享给了约 6000 名员工。
文章地址：https://www.theinformation.com/articles/tokenminimizing-meta-moves-curb-employee-ai-usage-ai-costs-reach-billions
备忘录写道：
我们看到 AI 使用量呈指数级增长，照目前趋势，仅内部使用一项在 2026 年就将花费数十亿美元。与此同时，个人和团队对于自己如何使用 AI、花费多少，缺乏足够的可见性和控制力。到 2027 年，我们预计 meta 将以更结构化的方式管理 AI token，包括预算、分配决策和配套工具。
作为压缩支出的一部分，一个由产品开发人员和工程师组成的团队已经创建了一个名为 AI Gateway 的中央仪表盘，用于集中监控使用情况和支出。
备忘录显示，meta 还将推出自动提醒机制，用于提示异常的支出激增。该团队也在跟踪当前成本，以预测未来支出，从而规划算力容量，并与供应商进行谈判。公司计划在未来几周内，向更大范围的员工宣布这些新控制措施和工具。
与此同时，meta 也准备鼓励员工减少在编码等工作中使用第三方 AI 工具，转而更多使用内部方案，例如公司自研的编码助手 metaCode，此前名为 Devmate。不过，公司也表示，仍会继续允许员工使用新的第三方模型。
这背后有一个直接原因：meta 工程师在编码工作中大量使用 Anthropic Claude 等外部工具，内部 AI 成本正在快速膨胀。
据两名知情人士透露，最近几周，meta 已要求其新成立的 Applied AI Engineering （AAI）部门改进 metaCode，以减少对 Claude 等外部工具的依赖。AAI 团队负责人还指示工程师生成高质量的强化学习数据，具体方式是设计编程挑战题，让 metaCode 去解决，从而训练它给出更好的响应。
先鼓励员工用 AI，再限制员工用 AI
这件事有些讽刺。
在开始限制 AI 支出之前，meta 已经连续几个月在公司内部大力鼓励员工使用 AI 工具。公司不仅向员工开放了自研模型，也提供了来自 OpenAI、Anthropic 和 Google 的工具。去年 11 月，meta 告诉员工，今年展示 AI 驱动的影响力将成为一项核心要求，表现最好的员工将因交付最显著的成果而获得奖励。
也就是说，meta 先是要求员工尽可能用 AI，随后又发现 AI 用得太多，开始回头限制 token 消耗。
Tokenmaxxing：AI 重度用户的内部竞赛
这场把 AI 更深嵌入日常工作的推进，在某些情况下产生了意想不到的结果。今年春天早些时候，一些员工开始参与一种被称为 tokenmaxxing 的做法，通过大量消耗 token 来显示自己是 AI 重度用户。
有一段时间，员工们试图冲上一个名为 Claudeonomics 的内部排行榜。这个排行榜根据 AI token 使用量，对前 250 名员工进行排名。
一些员工甚至试图人为抬高自己的使用量：他们让 AI agent 同时运行多个任务，并尽可能增加 token 消耗。The Information 在 4 月看到的一份仪表盘副本显示，员工在 30 天内消耗了 60.2 万亿个 token。后来，这一数字进一步升至 73.7 万亿个 token，随后该排行榜被下线。
急刹车：token 使用量不等于影响力
meta 首席技术官 Andrew Bosworth 一直试图劝阻这种浪费性的 AI token 使用行为。在 4 月的一份备忘录中，Bosworth 告诉员工，只有当 AI 工具能够真正提升生产力时，才应该使用它们。
他写道：任何人都不应该为了使用 AI 工具而使用 AI 工具。所有动作并不都代表进展，单纯的 token 使用量也不能衡量任何形式的影响力。我们使用这些工具，是因为它们确实能让我们更快、更好地完成工作。
在同一份备忘录中，Bosworth 还透露，meta 正在通过一项名为 Agent Transformation Accelerator 的计划，围绕 AI agent 重组内部工作。他表示，公司现有的 AI 工具已经变得碎片化，meta 正在朝着更加统一的方式推进。
但现在看来，meta 面临的问题已经不只是 token 成本。
员工既是使用者，也是训练数据生产者，引发不满
TechCrunch 援引 Wired 报道称，meta 成立仅三个月左右的 Applied AI 团队内部，正在出现强烈不满。这个团队约有 6500 名工程师和产品经理，被要求支持公司的 AI 研究和训练工作。
不少员工认为，自己并没有真正的选择权：要么加入这个部门，要么离开公司。一些人甚至把自己称为被征召者。
他们被安排的工作，也与传统软件工程差别很大：生成谜题、编程题等内容，用来训练 meta 的 AI 模型。一些员工认为这类工作机械、消耗人，甚至有人用非常激烈的词来形容这个部门，称它极度消磨人。
这种情绪已经不只停留在私下抱怨。TechCrunch 提到，本周 meta 一场面向员工的内部直播演示被人打断，有员工情绪失控，当场爆粗口，并要求在场员工转告一名 meta AI 高管：他就是个混蛋。据称，其中一名演示者当场用双手捂住了脸。这被视为 Applied AI 团队内部不满情绪集中爆发的一个信号。
与此同时，meta 内部围绕 AI 训练数据的争议也在扩大。报道称，已有超过 1600 名 meta 员工签署请愿书，反对一个会监控员工点击和键盘操作、并用于 AI 训练数据的项目。
换句话说，meta 正在试图把公司本身变成 AI 转型的试验场：员工既是 AI 工具的使用者，也是训练数据的生产者，甚至在某些场景下，还是被 AI 战略重新分配的人力资源。
组织结构本身也在承压。TechCrunch 称，Applied AI 团队最初采用了非常扁平的管理结构，甚至可能出现一名经理对应最多 50 名员工的情况。这种设置原本是为了提高效率，但在实际执行中，也加剧了员工的不确定感和失控感。
扎克伯格承认：AI 转型中犯了错误
随后，扎克伯格也开始在内部承认问题。
据 Reuters 看到的一份内部备忘录，meta CEO 马克・扎克伯格告诉员工，公司在推进 AI 劳动力转型过程中犯了错误。他表示，考虑到这轮变化的复杂性，meta 已经犯错，未来几乎肯定还会犯更多错误，但公司会尽可能在组织调整上提供稳定性。
扎克伯格还重申，meta 今年不预计再进行公司范围内的裁员。
这点很关键。今年 5 月，meta 曾进行大规模重组，全球裁员 10%，同时将约 7000 名员工转入与 AI 工作流相关的新项目。扎克伯格在备忘录中表示，公司会努力为那些被重新分配去训练 AI 模型的员工寻找新的角色。
meta 也计划缓和 Applied AI 部门过宽的管理跨度。Reuters 报道称，扎克伯格已经注意到员工对于管理跨度扩大的担忧，并计划收回部分做法。公司还准备增加团队建设投入，包括提高 offsite 和公司活动预算，并在 7 月举办一场大型黑客松，推动不同团队围绕最新模型进行协作。
这也让整件事的矛盾更加清晰。
一方面，meta 正在准备今年高额的资本支出，其中很大一部分将用于扩张 AI 基础设施，包括数据中心、AI 芯片和人才获取。
另一方面，当 AI 从战略口号进入日常办公，它马上变成了一组具体问题：谁来为 token 买单？谁能使用外部模型？内部工具能不能替代 Claude？员工的工作数据能不能被拿来训练模型？工程师是否应该从写代码转向给模型造数据？
meta 现在做的，正在把 AI 使用从一场内部竞赛，重新纳入预算、权限、监控和治理体系中。过去几个月，meta 用排行榜和绩效预期鼓励员工成为 AI power user；现在，它又不得不提醒员工：token 使用量本身并不是影响力。
当大模型工具刚进入企业时，最容易讲的是效率故事：员工用 AI 写代码、总结文档、生成方案，个人效率显著提升。但当这种使用扩大到数千人、数万人规模，问题就会迅速变成成本怎么控制，员工角色如何重新定义。
meta 的反转说明，AI 进入企业之后，真正的难题并不只是让员工用起来，而是让它以可持续的方式用下去。
否则，AI 很容易从生产力工具，变成新的成本黑洞和组织压力。
