拒绝“刷量”式AI：亚马逊警告员工切勿以Token数量衡量人工智能成用成效

【核心提要】

• 亚马逊内部备忘录明确指出，仅凭Token使用量或代码生成量来评估AI采用度是“严重缺陷”的指标。
• 公司严厉打击“Tokenmaxxing”（盲目追求Token数量）行为，旨在控制成本并确保产出质量。
• 亚马逊强调应以长期成果和投资回报率（ROI）作为衡量工程师生产力的核心标准。

【正文报道】

近日，亚马逊（Amazon）发布了一份面向软件工程团队的内部备忘录，重新定义了人工智能时代下软件开发工程师与管理者的角色。该文件明确警告员工，在推动AI工具应用的过程中，不应过度依赖“Token使用量”或“代码生成量”等数据作为衡量成效的唯一标准，并称这些指标是“严重缺陷”（deeply flawed）的评估维度。

这一举措旨在应对当前企业面临的两个核心挑战：日益飙升的AI运营成本，以及如何准确衡量AI工具是否真正带来了生产力的提升。此前，亚马逊曾在今年5月关闭了一个内部排行榜，原因是发现部分员工为了冲榜而采取“Tokenmaxing”行为——即在不顾及输出质量的情况下，尽可能多地消耗AI模型处理数据的单位（Tokens）。

目前，许多科技公司都在严厉打击这种“刷量”式行为。由于过度追求Token数量会导致成本激增且增加系统复杂度，部分企业已开始限制员工的Token使用上限，或针对特定任务切换到更廉价的开源模型。亚马逊在备忘录中强调，虽然不能完全忽略这些数据，但必须结合“审慎判断”来综合评估。

亚马逊首席执行官安迪·贾西（Andy Jassy）此前曾预测，AI将改变日常工作的范围和速度，并可能通过自动化手段优化人力结构。然而，在快速整合AI的过程中，公司更倾向于关注实际产出。亚马逊云科技（AWS）高级工程师马克·布鲁克（Marc Brooker）在接受CNBC采访时表示，公司正转向以“功能交付速度”（Feature Velocity）等指标来衡量AI对生产力的提升。

“我们本质上是在考虑投资回报率（ROI），”布鲁克解释道。如果一个问题对客户或业务至关重要，公司才会投入相应的工具、时间和Token。他强调，公司不希望看到为了解决无关问题而浪费大量资源的情况。

此外，备忘录还特别提醒员工：在某些任务中，如果不适用AI工具并不代表失败。亚马逊指出，一名能够清晰解释“为何该项工作目前不需要AI辅助”的工程师，恰恰是在展现出公司所要求的专业判断力。

【背景链接】

• 什么是Token？在大型语言模型（LLM）中，Token是模型处理文本的基本单位。由于每调用一次API都会产生相应的费用，盲目追求高Token消耗往往意味着不必要的成本浪费。

【小编观点】
亚马逊的这一动作反映了当前AI落地进入“深水区”后的普遍共识：企业不再满足于单纯的“技术尝鲜”，而是开始追求实效与成本平衡。将衡量标准从“工具使用量”转向“业务产出质量”，是企业在AI浪潮中建立理性评估体系的关键一步。