Meta员工一年烧掉26.5亿美元AI token！内部排行榜曝光：够发9000名工程师年薪

两张截图,一夜之间在X上疯传。画面很简单:一串数字,一个Meta的蓝色infinity标志,配文什么都没多说,只留下一个结论——员工一个月烧掉了73.7万亿个token。

一个月,73.7万亿个token

7月1日晚上10点,账号Valuetainment发了一条帖子。

"NEW: Meta employees consumed 73.7 trillion AI tokens in a single month. Which costs roughly $221 million a month and around $2.65 billion a year."

「最新消息:Meta员工一个月消耗了73.7万亿个AI token,月成本约2.21亿美元,年化约26.5亿美元。」

配图左边是扎克伯格面无表情的侧脸,右边是Meta的蓝色infinity logo。整条推文没有配解读,数字自己说话。

▲ Valuetainment原贴,发布于2026年7月1日,截至采集时已获369万次查看、8000多点赞。

73.7万亿是什么概念?按照约3美元/百万token的行业粗略基准换算,这笔账单和一家中型城市一年的基建预算差不多。而且这只是一个月的数字。

第二天凌晨,账号Hesamation接过话头,把这串数字换算成了另一种更刺痛人的单位——人。

"Meta burns $2.65B a year on AI tokens. at $300K for a Meta engineer, that's enough to pay ~9,000 engineers for a full year. now ask yourself: since the layoffs, has Meta shipped anything that feels like 9,000 engineers' worth of output?"

「Meta一年在AI token上烧掉26.5亿美元。按Meta工程师30万美元年薪计算,这笔钱足够支付约9000名工程师一整年的薪资。现在问问自己:裁员之后,Meta推出了任何能让9000名工程师感觉值得的产出吗?」

▲ Hesamation的追问帖,截至采集时已获187万次查看、2.7万点赞。这条帖子把一个财务数字,变成了一场关于"AI到底值不值"的公开审判。

这条帖子火了。转发2400多次,点赞2.7万。评论区里,有人晒出自己团队被裁的经历,有人吐槽Instagram的界面十年没大变,还有人反问:如果这笔钱真花在了9000个工程师身上,Meta现在会是什么样子?

这条帖子戳中的,远不止一次吐槽。它背后,是一整套已经运转了大半年、又被管理层紧急叫停的内部机制。

排行榜:一场自发的"氪金竞赛"

时间倒回2026年4月。The Information最早报道,Meta内部悄悄流传着一个由员工自建的排行榜,名字叫"Claudeonomics"——名字借用的正是Anthropic旗下Claude的词根,可见当时公司里用得最凶的第三方模型是谁家的。

这个排行榜追踪全公司约8.5万名员工的token消耗量,前250名会拿到专属称号:"Token Legend"(token传奇)、"Model Connoisseur"(模型鉴赏家)、"Cache Wizard"(缓存巫师)。

那一版数据显示,30天内全公司消耗了60.2万亿token,榜单顶部的重度用户,人均消耗2810亿。

为什么会有人愿意为了一个内部排名,拼命"刷"token?答案藏在Meta当时的绩效考核里。公司把"AI-driven impact"(AI驱动的影响力)明确写进了绩效期望,这句话翻译过来接近于:不用AI证明自己,就有被会用AI的人取代的风险。

于是,排行榜从一个工程师自娱自乐的小工具,变成了一份隐形的KPI证明书。

这种氛围不止Meta一家有。英伟达CEO黄仁勋曾公开表态:如果一名年薪50万美元的开发者,一年的token消耗低于25万美元,他会"深感担忧"。这句话在硅谷被反复引用,几乎成了一种"用得越多越优秀"的行业共识。

问题是,两个月后,这个共识撞上了账单。

峰值73.7万亿,CTO亲自下场灭火

6月中旬,The Information拿到了一份内部备忘录,发给了公司约6000名员工。备忘录里写着:

「我们看到AI使用量呈指数级增长,预计仅2026年内部使用一项,就将花费数十亿美元。个人和团队对自身的消耗,普遍缺乏可见性和控制。」

这份备忘录同时公布了应对方案:2027年起,正式引入结构化的token预算与分配制度;短期内,先上线一个名为"AI Gateway"的中央仪表盘,实时追踪每个团队、每个项目的使用量和支出,并设置异常告警。

▲ The Decoder于2026年6月13日的报道,详细披露了备忘录内容与"AI Gateway"计划。

CTO安德鲁·博斯沃思(Andrew Bosworth,内部人称"Boz")随后单独发文表态,措辞比备忘录本身更严厉:

"No one should be using AI tools just to use them. Not all motion is progress, and token usage alone is never a measure of any impact. We use these tools because they genuinely allow us to do better work, faster."

「没有人应该只是为了使用AI工具而使用它们。并非所有的动作都是进步,token使用量本身从来无法衡量任何影响力。我们使用这些工具,是因为它们真正能让我们把工作做得更好、更快。」

这段话耐人寻味。半年前,公司内部传递的信号还是"必须用AI,否则被淘汰";半年后,CTO亲自出面纠偏,承认"用得多"和"做得好"是两回事。

态度转弯的速度,和账单增长的速度,几乎同步。

指标一旦变成目标,它就不再是好指标

经济学里有一条被反复验证的规律,叫古德哈特定律(Goodhart's Law):

「当一个指标成为目标,它就不再是一个好指标。」

Meta这次的经历,几乎是这条定律的教科书级复现。

管理层的战略意图本身没有问题:AI要成为日常工作的一部分。但落地时,这句话被简化成了绩效考核里的一条刚性指标;这条指标之上,又长出了一个可视化的排行榜。

人对可见指标的反应,从来都很诚实。既然排名看的是token数量,那就想办法把数字做大——多开几个agent同时跑、让代理挂机保持"活跃状态"、团队之间互相复制粘贴提示词制造噪音、甚至把同一份PDF反复喂进模型,只为了让消耗曲线好看一点。

仪表盘确实好看了。至于有没有多上线一个新功能,代码质量是否真的提升,用户是否感觉到变化——这些问题,排行榜从来给不出答案。

Hacker News上一条关于此事的讨论帖,拿到了144分、141条评论,热度不小。

▲ HN讨论帖,标题就是"Meta caps internal AI token spending"(Meta给内部AI token消费设上限)。

讨论区里,最多人认同的一个观点,指向了一个听起来完全不"性感"的场景:PDF。

有工程师留言说,自己身边最烧钱的,常常是那些每天把文档拖进Claude、让它写会议纪要摘要的产品经理、设计师和运营,写代码的同事反倒没那么费token。PDF这种格式对模型极不友好——它本质上就是排好版的图片,模型得先把版面信息"看"懂,再提取文字,视觉token的消耗比纯文本贵得多,而且这个问题至今悬而未决。

换句话说,压垮账单的,未必是那些看起来很酷的AI编程代理,可能只是一次又一次被随手扔进对话框的会议纪要。

不止Meta一家在"氪金"

把镜头拉远一点看,这套剧本已经在好几家公司轮番上演过。

Uber在2026年上半年,就把原本计划用一整年的Anthropic预算花光了,之后不得不给每个工具、每个月设下1500美元的固定上限。Amazon内部也出现过类似的token消耗排行榜,后来同样被关闭。ServiceNow和一些风险投资基金,也先后对员工的AI使用量设了上限。

就连OpenAI的CEO Sam Altman,也公开承认过一个尴尬的事实:很多企业客户告诉他,"我知道自己在AI上花了很多钱,但我也知道这里面有相当一部分是浪费的"。

这几乎是一个行业共性的阶段:企业先是疯狂鼓励员工用起来,数据看着涨得很好,几个月后账单送到桌上,再手忙脚乱地关闭排行榜、设上限、建监控仪表盘。

Michael Parekh在他的Substack专栏里,把这一波"tokenmaxxing"退潮,放进了更大的AI行业周期里讨论。

▲ 这是该Substack文章配的示意插画,用来渲染"token烧钱"的荒诞感,并非Meta真实后台数据,图中数字为文章作者自制,仅作氛围呈现。

文章标题就叫"Meta steps back from AI 'tokenmaxxing'"(Meta从AI"氪金竞赛"中后退),把这次事件定性为一个有更广泛行业意义的转折点,而不只是Meta一家公司的内部丑闻。

26.5亿美元,对Meta意味着什么

有必要把这个数字放回Meta真实的财务体量里看一眼。

Meta的单季度广告收入,常年维持在260亿到300亿美元以上。年化26.5亿美元的token支出,占其年收入的比例大约在1%左右。对这样体量的公司来说,这笔钱不至于伤筋动骨。

真正让管理层紧张的,是这笔钱的性质。它是纯运营支出(opex),会随着使用量线性甚至指数级增长,没有天花板;这和Meta同期宣布的1250亿到1450亿美元资本开支(capex,主要投向数据中心、芯片和电力)完全是两条账目——后者是"投资未来",前者是"现在就在流走的现金"。

一个会自己长大、且此前完全没人管的成本项,任何一家上市公司看到都会紧张。

更微妙的是时间点。这几年,Meta经历过多轮裁员,数千人失去工作。与此同时,公司对外的口径一直是"AI是未来核心"。Hesamation的"9000名工程师"对比,之所以能戳中这么多人,正是因为它把两条本来分开讲的新闻线并置在了一起:一边是被裁掉的人,一边是花在token上、够养活9000个新岗位的钱。

这笔账,谁都会下意识地算一遍。

自己的模型,还打不过别人的

事情还有一层更尴尬的背景。

Meta长期在推自家的Llama系列模型,也在部分基准测试上表现不差。但据报道,在真实的编程场景里,Meta自己的模型还没有强到能完全替代第三方产品——工程师们仍然重度依赖Claude这类外部模型来写代码、跑调试,这也是账单持续走高的主要原因之一。

于是备忘录里那句"引导员工转向自研MetaCode(此前叫Devmate)",读起来就有些五味杂陈:一家掌握着全球顶级基础设施团队、砸下千亿美元建数据中心的公司,在编程这个具体场景里,竟然要靠"劝说"员工少用别人家更好用的产品。

拥有模型的参数权重,和拥有一个真正好用的内部工具,原来是两件事。

这笔钱,到底买回了什么

排行榜关了,仪表盘上线了,2027年的预算框架也已经写进计划。表面上看,这是一次教科书式的危机公关:发现问题、快速反应、建立治理机制。

但几个问题,报道里都没有给出答案。

这笔已经烧掉的钱,到底转化出了多少可以量化的生产力提升?外部没有人拿得到Meta内部的ROI模型。转向MetaCode之后,第三方账单真能降下来吗,自研模型的编程能力能追上Claude吗?9000名工程师这个对比本身公平吗——历史上,大公司的每一个大项目,几乎都被人这样质疑过"值不值"。

还有一个更值得放在心里的问题:当token预算被制度化管理之后,员工会不会发明出下一种新的、更隐蔽的"刷指标"方式?排行榜可以关掉,但驱动它出现的那套激励逻辑,并没有真正消失。

Meta这次事件,更像是一面镜子——照出了几乎所有正在大举投入AI的公司,共同要面对的一道题:当"用没用AI"变成一句可以写进考核表的话,人本能地会先去证明自己用了,事情本身做得好不好,反而被排到了后面。

古德哈特那句话,值得所有还在设计AI考核指标的公司,重新读一遍。