过去，程序员完成代码的行数或许曾是衡量工作量的标准之一。如今，随着AI编程工具日益普及，部分企业开始关注一个新的数字：Token消耗量。
每天调用AI的次数是多少？消耗了多少Token？生成了多少代码？这些数据仿佛成为衡量程序员是否积极采用AI的新标尺——但眼下，亚马逊站出来对这种风气泼了冷水：别再一味追求Token消耗量，AI用得频繁并不代表工作做得更好。
最近，亚马逊公开发布了一份面向软件工程师的指导文件，明确表示公司希望开发者更关注AI创造的实际价值，而不是为了提高使用数据而盲目消耗Token。
亚马逊提醒程序员：别把Token消耗量当成绩
此次调整源自亚马逊工程管理层。亚马逊副总裁、杰出工程师Terk Terkowitz在官方文件中透露，来自公司各业务部门的杰出工程师、资深首席工程师等技术负责人，近期共同修订了软件开发工程师（SDE）的岗位指导准则。
其讨论的核心问题是：AI正彻底改变软件开发，那么优秀程序员的标准是否也应随之改变？亚马逊认为，答案是肯定的，但不能简单地用AI使用量来定义开发者。Terk Terkowitz表示：
> “我们最高产的工程师已经证明，无论是开发者的角色定位，还是他们创造的成果，都不应该由AI的使用情况来定义。”
他还提出了一个新概念：“文艺复兴式开发者”（Renaissance Developer），即能够将AI工具、人类判断力和领域专业知识结合起来，创造全新产品的工程师。
有一点需要明确：亚马逊并不是反对员工使用AI。 恰恰相反，公司认为AI将成为未来软件工程的核心，还要求尚未使用AI的工程师尽快学习，将其融入日常工作——真正让亚马逊担忧的，是另一种趋势：把使用AI本身当成工作成果。
过去，亚马逊的一些团队会通过Token消耗量、AI工具采用率、代码变更数量、代码审查次数等指标，观察AI对开发效率的影响。这些数据确实有一定参考价值。亚马逊发现，积极拥抱AI的“前沿团队”（Frontier Teams），通常能实现更高的生产力和更好的交付表现。
但问题在于，相关性不等于因果关系，更不能直接把这些数字变成绩效目标。亚马逊在文件中警告：
> “如果把这些指标当成目标，而不是衡量工具，就可能导致负面结果，包括成本上升和复杂性增加。”
例如，为了提高Token消耗量而频繁调用AI，会增加模型使用成本；如果一味追求生成更多代码，也可能让原本简单的系统变得更加复杂。这与亚马逊一直强调的“节俭”（Frugality）和“创新与简化”（Invent and Simplify）原则背道而驰。
一位亚马逊发言人也向媒体确认，发布这份文件的目的之一，就是劝阻工程师盲目追求Token消耗量，即所谓的“Tokenmaxxing”。
其实，此前亚马逊就遇到过类似问题：据《财富》杂志报道，亚马逊内部曾出现一个名为Kirorank的非正式AI使用排行榜，一些员工为了提高排名，会让AI Agent执行没有实际意义的任务，以增加Token消耗量，而亚马逊也已于今年5月关闭了这一排行榜。
AI用得少也不一定是坏事，但必须解释原因
不过对于此次调整，亚马逊也强调：这并不代表工程师可以不再学习AI了。官方文件明确要求：尚未使用AI的员工应尽快开始学习，已经使用AI的员工则需要持续探索更好的工作方式。
对于公司管理者，亚马逊还提出了一个具体要求：重点观察AI采用率在10%和90%附近的团队。
- 前者代表AI使用程度较低的群体，要了解他们为什么没有有效采用AI；
- 后者则是AI使用程度较高的团队，要确认他们是否真的实现了与使用量相匹配的效率提升。
这份文件中还有一句话：“如果你当前的工作无法从现有AI工具中获益，这是一项发现，而不是一次失败。”亚马逊认为，工程师应该记录AI无法提供帮助的具体原因，与同事和管理者分享，而不要为了用AI而强行用。
对于技术负责人，亚马逊的要求则更加具体：不能只听别人介绍AI，必须亲自在实际生产工作中用过这些工具，能分别举出AI发挥作用和没有发挥作用的案例，并向团队解释原因。
此外，亚马逊还发现了一个问题：随着公司规模扩大，一些工程师和管理者逐渐远离了客户和实际业务；而那些更了解产品、客户需求和业务目标的团队，往往更能发挥出AI和智能体开发的优势。
所以，亚马逊希望工程师不仅会写代码、调用AI，还要清楚自己正在解决什么问题：“毕竟，AI可以帮助工程师编写代码、完成任务，但要判断哪些问题值得解决、哪些功能真正符合客户需求，还是需要工程师对产品和业务有深入理解。”
微软也对“烧Token”喊停：有人一个月花掉数千美元
经常关注这个圈子的人应该知道，亚马逊并不是第一家对Tokenmaxxing提出质疑的科技巨头。
今年8月，微软执行副总裁Jay Parikh就曾向内部开发团队发出邮件，要求工程师更加理性地使用AI：“Tokenmaxxing不是我们追求的目标……我希望所有人都专注于创造能真正推动客户和业务发展的成果，让每个Token创造更大的价值。”
为此，微软立刻调整了内部AI使用指导方针，把成本更低的GPT-5.6设为内部默认模型，并要求各部门更加严格地管理Token开支——据外媒报道，当时微软的一些工程师，每月光Token消耗费用就能达到数百甚至数千美元。
再往前的今年6月，AWS CEO Matt Garman也表示，企业可根据具体任务选择成本合适的模型，而不是无论什么任务都调用最昂贵的AI。对于一些日常开发任务，能力“足够好”、价格更低的开放权重模型，可能比顶级闭源模型更划算。
从微软到亚马逊，两家科技巨头接连给“疯狂烧Token”的风气踩下刹车，多少有些耐人寻味。
毕竟，就在不久前，他们还在鼓励员工尽可能多地使用AI，生怕谁没跟上这波技术浪潮。如今，当Token账单越来越贵、AI生成的代码越来越多，管理层又开始追问：花出去的钱，究竟换来了多少实际成果？
对于程序员来说，这或许也是一个有些矛盾的处境：AI用得少，可能被认为跟不上时代；AI用得多，又可能被质疑是在浪费Token。 那么，你所在的公司是否也在统计员工的Token消耗量？你认为这能真正反映程序员的工作效率吗？
参考链接：
https://www.aboutamazon.com/news/company-news/amazon-software-engineer-role-guideline-ai
本文来自微信公众号“CSDN”，作者：郑丽媛，36氪经授权发布。