告别智能体的“人海战术”：谁能驯服100X Token，谁就能拿下下一个万亿美元
神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：软件变贵、人变便宜，无限调用的AI只是在制造“人海战术”。如何治理浪费，决定了下一代万亿企业的成败。文章来自编译。
AI 本应取代人类劳动，结果却恰恰相反。
人比软件还要便宜，这是有史以来的第一次。
顶尖企业人均 Token 消费额
AI 创造的岗位比消灭的多
采用 AI 后的员工人数增长
技术总是通过制造新问题来解决旧问题
19 世纪 30 年代，铁路的出现推动了当时世界上规模最大的基础设施建设。美国铁路里程在十年内增长了 120 倍。
随后，系统崩溃了。
1841 年 10 月 5 日，由于一次简单的协调失误，两列火车在麻萨诸塞州的西部铁路上相撞，造成了致命惨剧。
随着铁路复杂度的上升，仅凭列车长个人已无法保障行驶安全。于是，铁路公司开启了长达数十年的改革：在各个区域聘用管理人员，在组织内定义新角色，并建立起带有汇报层级的明确等级制度。现代管理学由此诞生。随之而来的是，铁路成为了全球首个规模达十亿美元级的行业，在其鼎盛时期约占股市总市值的 60%。
如今，AI 正在再次打碎现有的系统。
我们刚刚给每位员工——即便是最差劲的那批——赋予了无限的增员名额和无限的预算。
管理 AI 比管理人类更难，因为 AI 会瞬间放大失能与紊乱。幸运的是，我们可以以史为鉴：
智能体（Agent）团队与人类团队的失败方式如出一辙。
搞懂两者之间的 7 大平行对应关系，将解锁下一个万亿美元级的 AI 价值创造。
智能体与人类团队的 7 大平行对应关系
1. “Token 至上主义”（Tokenmaxxing）无非是 AI 界的“人海战术”
“Token 至上主义”的炒作周期不到一个月就走完了全程。
不过，消耗了多少 Token 根本不是核心问题所在。
人们之所以在 Token 上挥霍无度，是因为他们压根不知道怎么用它们。
可能每 100 名员工里只有一个人知道如何给 AI 提供正确的上下文（Context）。能把流程表达得条理清晰、有耐心去理清被污染的上下文窗口、甚至仅仅是能听懂这是什么意思的人，都是极少数。
如果把智能体调度框架（Harness）交给其余 99 个人，他们只会制造出无休止的“死循环”（Loops）。
2. “死循环”就是 AI 界的“形式主义会议”（为了开会而开会）
无论是在 Claude Code/Cowork、Copilot、Karpathy 的 Autoresearch，还是在任何调度框架中，死循环都只是一张“止血贴”，用来掩盖“几乎没人能成功写出有效提示词（Prompt）”的事实。
死循环是一种试图用蛮力弥补人类能力的无奈之举。智能体之所以不断自我调用来修正自己，仅仅是因为人类自始至终都没有把任务交代清楚。暴力破解成了系统推进的唯一途径。而这一切，归根结底都源于人类从一开始就没能透彻理解任务本身。
你只是在为了消耗 Token 而消耗 Token。
3. 浪费的 Token 就是新时代的“人员冗余”
当今大多数公司都存在管理不善的问题。
绝大多数员工根本没有对业务产生实质性的影响。他们只是一台庞大机器上的齿轮，在各个层级盖章审批，并招募更多齿轮，去滋养一台“为了存在而存在”的机器。
他们一直在“死循环”。
通常情况下，打破死循环要高效得多。埃隆·马斯克裁掉了 X（原 Twitter）80% 的员工，公司的表现反而更好。私募股权的运营合伙人正是靠套利这一简单事实来谋生的。
就像 80% 的员工在混日子一样，如今 80% 的 Token 也毫无用处。
人会招揽更多的人，Token 会产生更多的 Token。制造死循环，成了新时代的“拉帮结派、扩充版图”。
4. “100X Token”就是新时代的“10X工程师”
软件曾经的承诺是：一次开发，低成本永久运行，且无需任何监督。而 AI 打碎了这个承诺。当软件变得能够胜任任何事情时，它反而无法可预测地做好任何一件事了。
Token 的行为模式就像是员工，而一旦你把 Token 视为员工，AI 宣传的各种美妙承诺就开始崩塌：
“Token 比人类更精准”——但前提是提示词必须完全正确。
“Token 比人类更高效”——但在重试 100 次面前，速度毫无意义。
“Token 不搞办公室政治”——但它们会建立起惊人的 Token 消费帝国。
“Token 不会离职”——但它们会在新模型发布或开启新会话时彻底消亡。
“Token 值得信赖”——然而它们却能用完美无瑕的格式一本正经地犯错。
AI 真正超越人类的地方只有一个：可扩展性。扩展人类团队需要在招聘、入职和人员流失上消耗巨大精力；而扩展 Token 则是瞬间完成的。这正是管理不善代价极度高昂的原因，也是为什么你必须找到并扩展“100X Token”。
“10X工程师”缔造了上一代企业，“100X Token”将塑造下一代企业。
就像少数精英员工能让其他人的生产力提升 10 倍一样，对于任何特定工作，提供精准的 Token 上下文可以使 AI 的计算成本降低几个数量级。确实存在能够为你带来 100 倍杠杆效能的 Token。
平均而言，人比 Token 更便宜；但在大规模应用下，优质的 Token 才是更具性价比的。
而管理，就是将前者转化为后者的桥梁。
5. 囤积“上下文（经验知识）”成了最新的职场保位战策略
企业内部围绕 AI 存在着巨大的“办公室政治”问题，而且这种状况只会愈演愈烈。
员工根本不想把自己的独家秘诀教给 AI 系统。
他们开始意识到，这些系统可不是来协助他们或“提高效率”这么简单。
看看 Meta 吧，即便那些持有公司股票的员工在推动 AI 落地方面拥有极高的经济动机，但当得知公司正在使用员工的内部工作记录作为训练数据时，他们依然大发雷霆。这还只是在一家科技公司……这种冲突正是即将席卷各大行业的冰山一角。
几个世纪以来，独门隐性知识（Tribal knowledge）一直都是打工人的保饭碗保镖。中世纪的行会对其技术秘而不宣；而 AI 则是史上第一个要求员工一次性将这些知识全部交出的技术。
没人愿免费去培养自己的替代者。
掌握着“100X Token”的核心员工最缺贡献秘籍出来的动力。从情感、组织结构到政治博弈，当下的企业机制在天然上就会排斥这项对其未来最为关键的技术。
6. 基准评估（Evals）就是新时代的 OKR
管理 Token 团队的最佳方式与管理人类团队别无二致：定义什么才是“优秀”。
唯一突破了政治阻碍并实现爆发式应用的 AI 场景是编程。它做大了蛋糕，让每一位工程师都变得更加优秀。
其核心机制就在于基准评估（Evals）。如今 99% 的 AI 营收都来自编程，就是因为编程自带了评估标准——代码只有能跑通和不能跑通两种可能。
只有当有人构建出必要的评估标准时，更广泛、跨领域的 AI 应用场景才会真正落地。具体且明确的基准评估，比教员工写提示词或给他们提供对话框架要重要得多。有了它们，AI 将吞噬那些传统代码永远无法触及的经济领域。
管理的本质工作，就是将模糊的人类工作流程转化为代码，将定性的东西转化为定量的指标。
企业的基准评估测试套件（Eval suite）将成为其最宝贵的资产。
就像 OKR 是撬动人类团队实现最佳产出的关键一样，基准评估将是撬动无限可扩展的 Token 团队的核心。评估标准，就是通往运行“100X Token”的必然途径。
此外，没有两家公司的评估标准体系会一模一样。评估标准将成为核心竞争优势。一个仅使用通用评估标准或通用智能体的组织，将毫无竞争壁垒可言。
7. 下一个万亿美元级的机遇是“AI 转型服务公司”
多年来，企业一直在采购基础大模型预付款、应用层产品以及进行内部自研。然而，这一切都掩盖了一个商业经济学上的残酷真相：
目前还没人能让 AI 稳定可靠地工作。
硅谷对这一现状深信不疑，以至于他们最新的痴迷点是做空当下的传统企业。所谓的“新型企业”（Neofirms）或“AI 原生服务”初创公司正在源源不断地获得融资，试图去蚕食知识经济领域高达 21 万亿美元的服务支出。其逻辑在于：深陷内部政治与陈旧流程的巨头们，绝不可能靠自己完成这场转型。
新型企业的确可能带来竞争压力，从而倒逼“传统企业”（Tradfirm）加速采用 AI。但是，最核心的 AI 资产依然掌握在传统巨头手中：那些已经被证明有效且具备差异化的业务流程，以及可以通过现成渠道直接进行规模化复用的分发网络。
事实上，下一批巨头公司不会去啃现有的服务支出老本，而是会向现有的大玩家们出售一种全新类型的服务：
“AI 转型服务公司”的体量将比任何新型企业大上 10 倍。
“转型”听起来像是一个一次性的项目，但这里有个“杰文斯悖论”（Jevons paradox）：一个组织每采纳一个应用场景，就会衍生出另外十个新场景。一家企业的 AI 化程度越高，它对转型的需求量就越大，而技术可能性的前沿每天都在推陈出新。持续不断的 AI 转型升级，将成为参与市场竞争的唯一途径。
以 Palantir 为例，从纸面上看，它是软件界最容易被 Claude 这种模型颠覆的公司：一家靠手写代码为企业定制应用、市值数千亿美元的庞然大物。如果按照让 SaaS 行业几乎变得毫无投资价值的逻辑，在 $NOW（ServiceNow）倒下之前，$PLTR（Palantir）早就应该归零了。
但它没有，因为 Palantir 卖的从来就不是软件，它卖的是“转型服务”。
但在“AI 优先”的新时代，转型服务本身也已今非昔比，不再是当年 Palantir 所做的本体论构建、定制软件或写几个稀有的定制提示词。真正的硬核工作在于建立评估标准、简化Token 消耗，以及对业务进行极其深入的理解，深到能够用代码将其重新编程。
将每家公司的独特细节与精妙之处编码嵌入到智能体中，将是未来十年最宏大的经济任务。
是时候重塑管理了
AI 浪潮的每一个阶段都有其标志性的陈词滥调。
淘金热时，人们告诉我们要卖铲子，于是我们疯狂搞基建；后来，人们又告诉我们要卖“服务即软件”（Service-as-a-Software），于是我们砸钱造新型企业。但现在，基建够用了，服务也够多了，接下来的核心任务是：让火车准时运行。
是时候对企业进行全面审视了：去挖掘那些“100X Token”，记录下真正有效的闭环，并对当下被大量挥霍浪费的智能进行精准的引导与调配。
人刚变得比软件还要便宜。
但究竟该做什么，依然需要有人去告诉人或者软件。
译者：boxi。
