一句话看懂：TechRadar 刊文指出，企业用 token 消耗量、员工排行榜这类”虚荣指标”衡量 AI 成效，容易把资源花在看得见的数字上，而非真正改善交付质量与效率。
事件核心：发生了什么
TechRadar 于 2026 年 10 月 27 日发表由 ActivTrak CTO Matt Finlayson 撰写的观点文章，回顾了今年企业界两轮走偏的 AI 度量方式：先是出现按员工消耗 token 数量排名的内部榜单，Meta 有员工搭建过此类系统并评选”token 传奇”，这一风气被称为 tokenmaxxing；随后又转向尽量少用 token 的 tokenminning。文中提到 Uber 曾承认在数月内花完了全年的 AI 预算。作者认为，烧 token 和省 token 都不是目标，真正的目标是同等或更少人力下，交付更多、更高质量的产品。
为什么重要
文章点名了几类看似专业、实则与业务脱节的指标：炫耀囤积算力的 GPU 利用率，以及在每个旧产品上加一个”火花图标”式摘要功能来凑季度发布数量。它还用 GitHub Copilot 举例：许可证部署到 95% 并不等于深度使用，若周期时间没有下降约 30%、返工没有减少，那只是多了一次昂贵的软件分发。文中引用 2025 年 DORA 报告称，把 AI 部署进准备不足的系统，往往只是放大原有问题。目前公开信息显示，这套观点属于从业者对行业实践的观察，而非某项新研究结论。
对用户/开发者/创作者的影响
对开发者团队而言，更务实的做法是先确定想改善的业务结果，再用 DORA 或 SPACE 等框架交叉验证：部署频率、变更时长、故障恢复、返工率、单次变更成本是否真的变好。单看 AI 使用量没有意义——代码写得快但 PR 变大、评审成为新瓶颈、bug 率上升，都是负收益。对使用 AI 工具的内容创作者和企业采购方同样如此：评估重点应放在产出质量与流程耗时，而不是订阅数或调用量。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是企业是否开始把 AI 使用深度与周期时间、返工率等结果指标绑定考核；二是主流厂商和咨询机构是否会推出面向 AI 场景的结果度量模板；三是当预算收紧后，tokenmaxxing 式内部榜单是否会进一步退场。
来源：TechRadar
