北京
“Token 不限量不切实际，比人类贵很多。”昨天，X 平台博主“美研芒格君”在一个分享中说，AI 用得越多，并不意味着组织效率就越高。
这个结论基于他做的一个实证研究。这个实验中，公司拿出 100 万美元预算，让团队 20 多个成员不限量Token 使用 AI。
结果显示，团队成员单日最高 Token 花费达到 7000 美元，中位数约 2000 美元，最受欢迎的是 GPT-5.6 Sol Fast 和 Fable 5 Fast。
高强度使用不仅没有让团队“躺平”，反而让人更累：人们同时开启约 5 个 AI session，不断切换上下文，还要承担大量 AI 输出的 review 工作。
团队会议数量一个月骤降近 80%，但代价是，人类对项目的理解和实时沟通能力也在下降，工作越来越像“AI 跟 AI 对话”。
这场实验暴露出的或许不是 Token 太贵，而是一个更深层的问题：当 AI 被无限量投入一个仍然为人类设计的组织，效率未必线性增长，甚至可能撞上明显的边际效益门槛。
真正的 AI 原生组织，可能需要从架构、流程到人与 AI 的分工都重新设计。
以下为他的分享全文——
目前我在硅谷的 AI 训练/推理大厂带领一个 20 多人的团队，跟公司申请了预算100万美元，进行Token 不限量的激进实验, 这个帖子分享我在一线的使用认知和结论
结论是，Token 不限量不切实际，比人类贵很多，反而造成了在组织效率提升上，遭遇了明显的边际效益门槛。
我预计 AI 真正的上行空间不在于单个组织消耗 token 冲破天际线，而在于基本的大盘子从 0 到 1 开始到 AI token 使用
AI 现在无法落地，有很大一部分是因为我们的公司不够 AI native，整个组织架构还是为人而设计的。因此，AI 的无预算上线使用出现了水土不服。
先说数据。最多的成员单日花费 Token $7,000，团队中位数 $2,000。大家最喜欢的模型是 GPT-5.6 Sol Fast 和 Fable 5 Fast。算下来超过了大部分人的月工资，不可持续。
今天跟团队每个成员都 1 对 1 过，说几个共性问题：
1. 团队成员普遍反映比之前更累，真的很累，工资没变，干的活反而更多
在等待推理过程中，团队成员中位数大概会开 5 个 session 并行去使用，context 不断地转换，这对于人脑是一个很大的挑战。
此外，人类去 review AI 产生的大量工作，也带来了非常大的负担
2. 未必所有工作都需要贵模型。模型路由非常关键，但便宜模型未必真的便宜。
成员通常会将一些更偏向于快问快答、前期调研的任务交给 Grok 4.5（便宜、快）。虽然等待时间更短，但来回反复的次数更多。
很多贵模型一次能完成的事情，便宜模型要来回迭代，再加上之前多个 session 并行，反而造成了一种负担。总的调用量换算成价格，甚至比贵模型更贵
3. 团队的会议数上个月环比减少了将近 80%，整个团队好像变成了 AI 跟 AI 在对话工作。
很多团队成员将自己的大脑都托管给 AI 了，因此有的时候对项目的细节掌握度、理解度都不够。
在会上别人问什么问题，人类完全无法 real-time 回答，所以更多地变成了 offline 的沟通方式——因为在 offline 情况下，收到问题之后才能去问 AI，然后再进行回答。
个别情况下，群里出现了 AI 一通乱答，对面的 AI 再一通乱答，两个人直接聊偏的情况。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
