亚马逊发内部信：别拿 token 用量当业绩

全员用 AI 的口号喊了一年之后，大公司开始认真回答一个尴尬的问题：用得多，等于用得好吗？

一、发生了什么

亚马逊一份 9 月在内部传阅、周二挂上公司官网的备忘录，重新定义了 AI 时代软件开发工程师和管理者的角色。文件明确指出，token 用量、AI 工具采用率、代码变更和评审量这类指标是「严重有缺陷」的度量方式，会推高成本、制造不必要的复杂度。文件没让员工完全无视这些数字，而是要求「带着判断和审慎」把它们与其他数据放在一起看，落点是「用长期结果来度量、也被长期结果度量」。背景很有画面感：今年 5 月，亚马逊发现员工为了刷内部排行榜名次疯狂堆 token 用量，随后关停了那个排行榜。发言人对 CNBC 表示，公司没有对员工设 token 上限。此前 CEO 贾西已多次公开说，AI 会改变日常工作的范围和速度，未来几年部分岗位将被自动化压缩。

二、跟你有什么关系

管理者，如果你的 OKR 里有「AI 使用率」这类指标，这份文件等于预警：它们正在制造反向激励，团队会优化数字而不是产出。工程师，把「用没用 AI」写成汇报素材的时代结束了，能说清「哪里 AI 帮不上忙」反而是加分项。用 AI 工具的普通用户，tokenmaxxing 这个词的贬义化，标志着从「敢用」到「会用」的阶段切换。

三、怎么用

1. 把度量换成结果：AWS 的副总裁兼杰出工程师 Marc Brooker 对 CNBC 说，公司改看「特性流速」——多少次发布、多少改动成功上了生产环境，本质是把 AI 投入当成投资回报来算。你的团队也可以用上线成功率和客户价值来替代用量指标。
2. 记录「AI 不适合」的场景：备忘录里那句话值得抄下来——「如果你的工作从现有 AI 工具中得不到好处，这是一个发现，不是失败」。把这类场景记下来，下次直接跳过，省时间也省钱。
3. 给实验留预算但不设指标：Brooker 说得实在，token 花在无关紧要的问题上就是浪费，但探索需要成本，团队要留出「允许试错」的额度，只是别把它当成绩考核。关键问题的投入照旧给足。

四、三个别信的说法

用得多说明团队 AI 转型积极。 恰恰相反，无差别堆用量正是亚马逊要纠正的行为——为了排行榜名次狂刷 token 就是前车之鉴。真正的积极是知道什么时候不该用。

不让刷用量就是不让用 AI。 备忘录的前提写得很清楚：无论最终的最佳实践长什么样，AI 都将处在软件工程实践的中心。反对的是度量方式，不是工具本身。

设个 token 上限就能解决成本问题。 亚马逊明确说自己没设上限，也有同行设了月度上限。硬卡用量只会逼人把工作挪到监控不到的地方，问题原封不动，判断力才是解药。

五、一句话结论

token 是燃料不是里程表，用 AI 的成绩单要看跑出了什么，烧了多少。

信息来源

• CNBC：亚马逊反 tokenmaxxing 备忘录（2026 年 10 月 27 日）

功能与价格以官方公告为准。本文写于 2026 年 10 月 28 日。