亚马逊：别拿Token消耗量当程序员成绩单

程序员写了多少行代码，过去常被拿来当作衡量工作量的指标之一。AI 编程工具如今越来越普及，企业盯上的新数字换成了 Token 消耗量。

每天调用几次 AI、烧掉多少 Token、生成多少代码，这些数据似乎正成为判断程序员是否积极拥抱 AI 的新标准。亚马逊却站出来给这股风气泼了冷水：别再一味追求 Token 消耗量，AI 用得多，不等于活干得好。

亚马逊近日公开发布了一份面向软件工程师的指导文件，明确表示希望开发者更关注 AI 创造的实际价值，而不是为了把使用数据做高，不断盲目消耗 Token。

亚马逊提醒程序员：别把 Token 消耗量当成绩

这次调整出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，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，近期一起修订了软件开发工程师（SDE）的岗位指导准则。

讨论的核心问题是：AI 正在彻底改变软件开发，优秀程序员的标准是否也该跟着变？亚马逊的答案是肯定的，但不能简单拿 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。”

他还提出了一个新说法——“文艺复兴式开发者”（Renaissance Developer），指的是能把 AI 工具、人类判断力和领域专业知识结合起来、做出全新产品的工程师。

有一点要说清楚：亚马逊并不反对员工用 AI。恰恰相反，公司认为 AI 会是未来软件工程的核心，还要求还没用上 AI 的工程师尽快学习、把它融进日常工作。真正让亚马逊担心的，是把使用 AI 本身当成工作成果。

过去，亚马逊一些团队会看 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），通常生产力和交付表现都更好。

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。”

比如，为了把 Token 消耗量做高而频繁调用 AI，会增加模型使用成本；一味追求生成更多代码，也可能让原本简单的系统变得更复杂。这和亚马逊一直强调的“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，也就是所谓的“Tokenmaxxing”。

其实亚马逊此前就碰到过类似问题：据《财富》杂志报道，公司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 去做没有实际意义的任务，以增加 Token 消耗量。亚马逊已于今年 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

不过亚马逊也强调，这次调整并不代表工程师可以不再学 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，已经在用的员工则要持续摸索更好的工作方式。

对管理者，亚马逊还提了一个具体要求：重点观察 AI 采用率在 10% 和 90% 附近的团队。

● 前一类是 AI 使用程度偏低的群体，要弄清楚他们为什么没有有效采用 AI；

● 后一类是 AI 使用程度较高的团队，要确认他们是否真的拿到了与使用量相称的效率提升。

文件里还有一句话：“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，工程师应该把 AI 帮不上忙的具体原因记下来，跟同事和管理者分享，而不是为了用 AI 而硬用。

对技术负责人，亚马逊的要求更具体：不能光听别人讲 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 起了作用和没起作用的案例，并向团队解释原因。

公司规模一大，工程师和管理者就慢慢离客户、离实际业务远了——这是亚马逊看到的另一个问题。反过来，对产品、客户需求和业务目标摸得更透的团队，用起 AI 和智能体开发来往往更顺手。

因此亚马逊对工程师的期待不止于写代码、调用 AI，还得明白自己到底在解决什么问题。照亚马逊的说法，AI 能帮工程师写代码、完成任务，但哪些问题值得做、哪些功能真对客户有用，仍要靠工程师对产品和业务的深入理解来判断。

微软同样对“烧 Token”踩了刹车：有工程师一个月花掉数千美元

关注这一领域的人大概清楚，对 Tokenmaxxing 提出质疑的科技巨头，亚马逊并非头一家。

今年 8 月，微软执行副总裁 Jay Parikh 在一封发给内部开发团队的邮件里要求工程师更理性地使用 AI。他写道：“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。”

紧接着，微软就调整了内部 AI 使用指导方针：成本更低的 GPT-5.6 被设为内部默认模型，各部门也被要求对 Token 开支管得更严。据外媒报道，当时微软有些工程师每月光 Token 消耗费用就有数百甚至数千美元。

时间再往前推到今年 6 月，AWS CEO Matt Garman 也曾表态，企业应当按具体任务挑选成本合适的模型，而不是什么任务都去调用最贵的 AI。日常开发中的一些活儿，用能力“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。

微软和亚马逊接连给“疯狂烧 Token”的风气降温，这多少有些耐人寻味。

毕竟不久前，这两家还在鼓励员工尽量多用 AI，生怕谁没跟上这波技术浪潮。如今 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，到底换来了多少实际成果？

对程序员来说，处境或许有些矛盾：AI 用得少，可能被说跟不上时代；AI 用得多，又可能被怀疑在浪费 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.theregister.com/ai-and-ml/2026/10/28/amazon-tells-tokenmaxxing-devs-to-slow-their-ai-roll/5306090

https://www.aboutamazon.com/news/company-news/amazon-software-engineer-role-guideline-ai