程序员戒不掉AI了，而巨头们刚开始给Token踩刹车
AI 依赖危机爆发：Token 成本超薪资，程序员正在丢失核心能力
算力账单失控、技能持续退化，AI 依赖正在反噬全球科技行业
Token 越烧越多，产出越来越少，警惕 AI 变成职场 “拐杖”
周末了，就不写长篇大论了，今天来聊聊 AI依赖 这个话题。
这篇文章虽短，看完未必会觉得轻松。
先来想象这么一个场景：一位亚马逊工程师，坐在工位上，盯着一个名叫 KiroRank 的内部排行榜，心里盘算的不是如何写出更优雅的代码，而是怎么刷更多 Token 让自己的名次好看。
他最终的解决方案是：创建一堆毫无意义的 Agent 循环任务，让 AI 自己跑自己，Token 消耗蹭蹭往上涨，排名随之飙升。
我要说的事，这是 2025 到 2026 年间，全球最顶尖科技公司内部真实发生的事（好像这句还挺押韵，yo）。
依赖已成事实，代价正在浮出水面
先来把现状摆清楚。
AI 研究机构 METR 在 2026 年 2 月发布了一项让人颇感不安的研究：大多数开发者，即便只是处理几项有限的任务，也无法在没有 AI 的情况下工作了。
研究者本来想重复 2025 年的生产力测试，结果参与者直接拒绝配合：不给 AI 用？那我不参加。
报道用了一个有点沉重的标题：程序员拒绝在没有 AI 的情况下工作，而这可能会反噬他们。"拐杖效应"的数据已经非常具体。
GoTo 的调查显示，50% 的员工承认自己过度依赖 AI，39% 的全体员工（Z 世代中这一比例高达 46%）明确表示：AI 依赖已经削弱了他们的技能组合，让他们"变得更不聪明"了。60% 的员工同时表示，感受到了使用 AI 提升生产力的强烈外部压力。
与此同时，Uber 在 2026 年 3 月披露：其 84% 的工程师已成为 Agent 编程用户，约 70% 提交的代码源自 AI，11% 的后端实时更新完全无人参与，直接由 Agent 提交。
听上去是效率革命？等一下，先看账单。
Token 的账单，已经比员工薪资贵了
Uber 的 CTO Praveen Neppalli Naga 公开承认了一件尴尬的事：公司在 2026 年前四个月就烧光了全年的 Claude Code 和 Cursor 预算，个人工程师每月花在 AI 工具上的费用已达 500 到 2000 美元。
更麻烦的是，Uber 运营主管随后表示，Token 消耗量与实际用户功能输出之间"根本没有直接相关性"。
微软的情况相似。2025 年底向工程师大规模开放 Claude Code 之后，账单暴涨，结果今年 6 月 30 日起微软开始取消 Experiences &Devices 部门数千名工程师的 Claude Code 许可证，转向更便宜的内部 GitHub Copilot CLI。花钱买了好用的工具，然后因为太贵砍掉。
过去 30 天内，整个行业里还密集发生了一系列类似信号：财富 20 强的 CEO 下令大幅削减 Token 支出，一家公司在 Claude 上单月花费高达 5 亿美元，H200 租赁价格在三周内从 7 美元/小时暴跌至 4 美元/小时，算力市场正在发出清晰的回调信号。
英伟达深度学习研究 VP Bryan Catanzaro 直接说：在我的团队，算力成本已经远超员工薪资成本。
黄仁勋则说，年薪 50 万美元的工程师如果不花至少 25 万在 AI Token 上，他会"感到震惊"。
这句话乍听像是在鼓励效率，细想却是另一套逻辑：Token 消耗正在成为衡量工程师价值的代理指标。
你的产出，开始被你消耗了多少算力来量化。
ROI 是负数，但叙事依然在正向滚动
现在来看一组让人清醒的数字。
以下是部分科技巨头 AI 投资回报率的估算，注意，这还是零成本假设下的结果，没算 GPU 折旧，没算电费，没算工资。
公司 AI 投资回报率（零成本假设）
微软 -9.2%
Alphabet -15.7%
亚马逊 +7.2%
Meta -28.8%
甲骨文 -35.6%
PwC 2026 年全球 CEO 调查覆盖 95 个国家、4454 位 CEO，结论是：56% 表示 AI 投资"一无所获"，只有 12% 同时实现了营收增长和成本降低。
NBER 覆盖 6000 名 CEO 和 CFO 的调研发现，80% 的企业报告 AI 带来的生产力提升为零，AI 平均每周使用时间仅 1.5 小时。
Deloitte 的调查稍微好看一点：66% 的受访高管说 AI 带来了生产力提升。但只有 20% 实现了营收增长。
生产力提升了，钱却没赚到，这个逻辑缺口至今没人能解释清楚。
高盛 2026 年 5 月发布的《Decoding the Agentic Economy》预测，AI Agent 将推动全球月度 Token 处理量到 2030 年暴增 24 倍，而 Agentic AI 的单次任务 Token 消耗已经是普通 LLM 查询的 1000 倍。
账单只会更大，不会更小。
Tokenmaxxing：一场注定失败的管理实验
亚马逊、Meta 等公司曾经做过一件后来被证明相当荒诞的事：建立内部员工 Token 消耗量排行榜，用消耗了多少 Token 来衡量工程师的"AI 积极性"。
Meta 的排行榜叫 Claudeonomics，约 85000 名员工参与，单月总消耗超过 60 万亿 Token；亚马逊的叫 KiroRank。
D.A. Davidson 技术研究主管 Gil Luria 引用了古德哈特定律来描述这个现象：当一个指标变成目标，它就不再是一个好的衡量标准。
结果是可以预见的。员工开始创建无意义的 Agent 循环刷排名，经理们盯着 Token 数字鼓掌，算力成本疯狂燃烧，实际产出归零。
今年 5 月，亚马逊高级副总裁 Dave Treadwell 宣布停用 KiroRank，说了一句话：请不要仅仅为了使用 AI 而使用 AI。
但与此同时，亚马逊的硬性要求仍然是：80% 的开发者每周必须使用 AI 工具。
说不要为了用而用，但必须用。这个矛盾本身，就是整件事的本质。Fortune 随后发出了盖棺定论的标题：Tokenmaxxing is dead。
铝箔技能：一个来自红杉闭门会的尖锐比喻
我想在这里引用一个流传于硅谷圈子的比喻，来自近期红杉闭门会上与会科技大佬的说法。
铝箔，1984 年的时候比黄金还贵。现在呢？厨房里随手就扔。
这个比喻的对象，是人类员工在 AI 时代的能力价值。依赖 AI 程度越深，个体技能的稀缺性就越低，最终成为随手可替代的耗材。
这不是危言耸听，数据已经在印证这个方向。
TianPan.co 今年发布的研究发现，AI 编程辅助可使经验丰富的开发者代码理解度下降 17%，实际速度反而放慢 19%，但他们的主观感受是速度提升了 20%。 效率的幻觉与实际退步并行存在。
代码审查工具 CodeRabbit 的数据进一步印证：AI 产生的代码问题数量是人类代码的 1.7 倍，企业 44% 的 Token 消耗是在修复 AI 自己生成的 Bug。
更令人担忧的是结构性问题。美国计算机编程岗位从 2022 到 2024 年下跌了 26%，以每年 14.3% 的速度继续萎缩，是 2017 年以来降速的五倍以上。
初级岗位消失最快。那些本来应该在初级岗位上磨出来的调试能力、系统性判断力，Z 世代程序员因为直接用 AI 跳过了这个阶段，根本没有机会建立起来。
程序员作者 James Shore 在 Hacker News 上写了一篇病毒式传播的帖子，有一句话值得画线：你现在写代码的速度提高了两倍？最好希望你的维护成本也减半了，否则你只是在用短暂的速度提升换取永久的债务。
谁在制造依赖？答案在激励结构里
这一切为什么会发生？沿着利益链条看一遍就清楚了。
AI 厂商靠 Token 计费盈利，Token 消耗越多收入越高。英伟达靠算力硬件盈利，企业 AI 投入越大 GPU 订单越饱满。投资机构靠 AI 叙事推高估值，行业越热退出回报越丰厚。
这条链条上的所有参与者，都有推动 AI 依赖的商业动机。但，没有一个玩家需要为"依赖之后人类能力退化"这件事负责。
这不是阴谋论，这是激励结构的自然演化。
Glean CEO Arvind Jain 在接受 采访时说了一句话，我认为它道出了当前困局的本质：这是我记忆中第一次，技术成本和人力成本相当，你要在两者之间做选择：选技术，还是选人。历史上我们从来没有过这种对话，因为技术成本从来只是运营总成本的一小部分。
现在这个对话真的出现了。用四个字作了这个新时代困境的标题：Tokens or Humans。
AI 已经渗进了人类最私密的判断
这里，说一个感觉有必要说的观察。
现实中有人用 AI 判断同事品行，用 AI 帮自己写骂人的话，用 AI 分析朋友的人格画像。有人让 AI 帮自己打情感官司，有人让 AI 判断一段关系值不值得继续，甚至豆包让人类把它告上法庭以换回消费损失。
不知不觉中，包括豆包在内的AI已经成为段子手们各种段子中的新主角，流量还不小。
这些故事被当成笑料传播，热闹一阵子就过去了。
但笑完之后呢？
如果像"这个人值不值得信任"这种基础的人际判断都要先问 AI，人们的判断力在哪里？如果职场上需要思辨、批判、创造的能力都在让渡给 AI，那人类在这个系统里扮演的是什么角色？
说到这里，我又想到了一句被常用的广告语：遇事不决问AI。这句话的现代出处，大抵出自于类似“遇事不决，量子力学”之类的话，更多人可能把它归类为玄学，所以就基本等同于算卦了。
某些时候，相对于神秘莫测的批八字、奇门遁甲等传统卜算方法，有数据有分析有引用的AI给你的建议，看上去可信度更高。只是按照步骤执行以后，较真的话，可能就要诉诸法庭了。
并且，很有可能你问后的结果，大概率是你希望的回答。有时候，会适得其反。
希望大家在使用AI时，看到结果后也要仔细分辨一下，毕竟幻觉问题仍未解决。所以human in the loop的模式 ,同样适用于个人的AI应用。
METR 的研究已经给出了一个方向性的答案：撤除 AI，开发者连任务都不愿意接了。这不是工具依赖，这是能力的迁移。人类把原本存放在自己神经元里的能力，打包上传给了一个按 Token 计费的云服务。
进化逻辑依然适用吗？如果大脑的功能持续外包，自然选择会如何对待那些逐渐失去独立思考能力的个体？这不是哲学问题，而是一个正在被数据勾勒轮廓的现实趋势。
人类大脑的使用潜力向来被认为远未开发，但那是建立在持续使用的前提上的。不用，就退化，这是神经科学的基本逻辑，不因为外部工具先进与否而改变。
刹车是对的，但谁来踩个人的刹车
科技巨头开始限制 Token，从某种意义上说是一件好事。至少说明"AI 投入越多产出越高"这个叙事，开始被成本现实打磨了。
但限制 Token 是企业的刹车，不是个人的刹车。对企业来说，ROI 是明确的指标，账单压力会推动理性决策。对个体而言，没有人在你的 AI 账户上设置上限，也没有人在你放弃独立思考时发出警报。
Azeem Azhar 提出的"生产力 J 曲线"理论认为，任何通用技术在大规模普及初期，生产力往往先下降再上升，因为学会真正驾驭一项技术需要时间和阵痛。
这个理论成立的前提，是人们在学习阶段保留了足够的自主能力，最终驾驭工具，而不是被工具驾驭。
但这个前提，眼下正变得不确定。
1984 年铝箔贵过黄金，是因为提炼工艺稀缺。工艺普及之后，铝箔成了厨房耗材。
人类的认知能力，是会随着 AI 的普及而贬值为铝箔，还是会因为从 AI 那里解放出注意力而升华为更稀缺的东西，现在真的很难说清楚。
但有一件事是确定的：此刻选择保留自己独立判断力的人，在 AI 账单退潮的那一天，会比任何人都值钱。
毕竟，铝箔再多，也代替不了懂得用铝箔的手。
算力成本远超薪资、AI 投资大面积亏损、职场技能持续退化……
AI 依赖早已不是危言耸听。理性使用工具，保留独立思考能力，方是长久之道。
推荐阅读，转给身边正在深度使用 AI 的朋友。
看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，也可以给个星标，你的支持就是我的动力。
全文完
王吉伟频道图书《一本书讲透Agentic AI》已出版，完整构建Agentic AI在企业应用中的全景式知识体系，内容跨越 “基础认知-技术原理-业务应用-组织战略-实操指南” 五大板块，为读者提供从认知共识、技术解构、业务对接到组织变革的端到端路线图，欢迎大家关注。