2026 年春天，Meta 员工 Ash Bhat 在公司内网搭了个排行榜，取名 Claudeonomics。排行榜追踪约 85,000 名员工的 token 消费，RPG 风格分级，从青铜爬到绿宝石，设置了 Token Legend、Session Immortal、Cache Wizard 等称号，公开显示 top 250。KuCoin 对事件的还原报道。最猛的那个人 30 天烧了 2810 亿 token，按 Claude Opus 公开价粗算，约 $420 万。Zuckerberg 和 CTO Bosworth 都没进前 250。
这个 85,000 人的公司 30 天 token 消耗从约 60 万亿攀升到 73.7 万亿，数十亿美元量级（Meta 内部预测，非财报数字）。Claudeonomics 不是孤例。Uber 给 5000 名工程师开通 Claude Code，四个月烧完全年 AI 编码预算，COO Andrew Macdonald 在播客上公开质疑 token 花费和实际产出的链路：「That link is not there yet.」
账单失控的底层原因是补贴结构。Claude Code 的 $200 月订阅背后，据 Cursor 内部估算、重度用户单月消耗可达 $5000 计算，约 25 倍于订阅价的补贴（Anthropic 未确认）。补贴收窄之后，成本显性化的后果很快显现。Klarna 用 AI 替代约 700 个客服岗位后，CEO 承认服务质量「lower quality」，随后以 gig 制重新招人。Meta 自己也在 6 月发给约 6000 名员工的备忘录里定调：「In 2027, we expect Meta will move toward managing AI tokens in a more structured way—with budgets, allocation decisions, and supporting tools.」来源 补贴周期正在结束，2027 年是 token 配额元年。
这件事看起来像是 AI 时代新冒出来的成本危机。但它不是。
把 AI 当成一支劳动力来管：分配任务、控制预算、评估产出，这些事每个管理者每天都在做。当 AI 感觉免费时，企业暂停了所有资源分配的纪律：不做路由、不测 ROI、不设预算、把活动量当产出。仔细读 Bosworth 的备忘录，他就是在说同一件事：把你们早就懂的知识工人管理纪律，重新拿出来用在 AI 上。ServiceNow 首席客户官 Chris Bedi 说得更直接：
“It’s almost like measuring a restaurant based on how many ingredients they buy. You don’t measure a restaurant that way. I wouldn’t.”
衡量餐厅从不看它买了多少食材，衡量 AI 也不该看它烧了多少 token。来源
如果 AI 成本管理就是人才管理，那管理学的 playbook 具体怎么翻译到 AI 上？四条直觉，每条对应一个可操作的动作。
分层用工 → 模型路由。 每个经理都知道把最贵的人留给最难的活，日常事务交给便宜的人。AI 场景的对应是模型路由。UC Berkeley 的 RouteLLM 在 coding 和问答这类难度长尾分布的任务上，成本降低 85% 以上，质量保留约 95%（GPT-4 Turbo vs Mixtral，MT-Bench 上的最优结果，换模型对和任务分布会变）。落地最快的路径有两条。交互式 coding 用 Aider 的 architect/editor 模式，贵模型只做规划、便宜模型负责把规划转成代码，o1-preview 在 benchmark 上从 79.7% 涨到了 85.0%，质量和成本双赢。服务端用 LiteLLM 或 OpenRouter 做规则级 fallback，几小时内能接入。
分层用工解决了用什么模型。下一步是给模型看什么。
给新人 bounded scope → context 工程。 你不会把整个 codebase 丢给一个新人让他自学，你会给他明确的任务边界。AI 的对应是 context 工程：不把整个 repo 灌进 context，用 RAG 检索、sub-agent 隔离、repo map 把每次调用的 token 量压下来。长 context 有两重负担：每轮要付全量输入价；context 越长模型注意力越容易分散、准确率越低，需要更多重试，成本反向上升。Aider 的 architect/editor 模式把一次代码改动拆成规划（贵模型）和执行（便宜模型），本质就是 context 工程的分工：每个模型只看自己需要的那部分信息。
context 工程压的是每次调用的 token 量。并行的一条线是压单价。
别每次都请顾问 → prompt 缓存。 外部顾问按次计费、单价高，聪明的公司会把顾问的方法沉淀成内部 SOP，下次不请顾问也能做。AI 的对应是 prompt 缓存：把 system prompt、代码库上下文在 provider 侧缓存成键值对，后续命中只付折扣价。Anthropic 给 90% 折扣，OpenAI 给 50% 且全自动，Gemini 给 90%。接入成本半天，质量零损失。不做这件事等于每轮为同样的 context 全价付费。
技术手段能压成本，但如果考核指标本身是 token 消耗量，再好的技术也白搭。
按产出评估，不按活动量。 Bill Gates 那句被引用了三十年的判断：「Measuring programming progress by lines of code is like measuring aircraft building progress by weight。」token count 是 AI 时代的 LOC。Bosworth 在六月备忘录里给出了同一个判断的 AI 版本：
“All motion is not progress and token usage alone is not a measure of impact of any kind.”
来源 Jellyfish 对 12,000 名开发者的分析把这个判断落到了数字上：最高用量组每 PR 烧 10 倍 token，PR 吞吐量只有 2 倍；单 PR 成本从 $0.28 飙到 $89.32，质量并不比低用量组更好。来源 考核 token 消耗，团队就会去优化 token 消耗而不是产出。Goodhart 定律在 AI 上照常运转：当一个指标变成目标，它就不再是好的指标。
按产出评估是对的，但它引出一个更棘手的问题：如果团队知道每花一笔 token 都要被算 ROI，他们还会试错吗？
Bosworth 自己给出了教科书式的反面案例。2026 年 4 月他在 Forbes 上力挺 tokenmaxxing（据媒体报道）：「It’s like getting free money. Keep racking up tokens with no upper limit.」来源 两个月后，他自己发了那封「of any kind」的备忘录。从「无上限烧」到「全量不算产出」，是两个极端之间的摆荡。
真正要保留的是探索的冲动，真正要加的是升级的信号。分层使用的含义不是禁用，而是用便宜模型自由探索，遇到 hard case 才升级。这是 Lean Startup 的 MVP 直觉在 AI 上的平移：用最小成本验证最险假设。Stage-Gate 的 kill criteria 和路由器里的 confidence threshold 是同一个东西的两个名字。Jensen Huang 在 GTC 上主张 token 预算等于年薪一半，这是把补贴制度化而非精细化的另一个极端。正确的点在中间：给预算，但按产出调配而非按人头平分。腾讯已经在这个方向做了调整：从人均等额转向按工作任务动态调配，不搞 token 消耗量排名。
2027 年是配额元年，但配额不是终点，是正常经济学的回归。补贴周期让很多人忘了 AI 也是资源，也有单价，也需要被分配。当账单显性化，最先适应的人赢：他们早就把 AI 当劳动力在管。会管人的管理者，已经会管 AI 成本了。你脑子里的 playbook 没变，变的只是它在 AI 上的应用。