热点新闻
2026年3月，硅谷科技公司Meta和OpenAI内部兴起“Tokenmaxxing”竞赛，工程师通过AI工具消耗大量Token（计算单位）竞争排名。据外媒报道，一名工程师单周消耗2100亿Token，相当于33个维基百科文本量，部分工程师月AI账单高达15万美元。爱立信斯德哥尔摩工程师在Claude上的支出超过工资，由公司承担。企业如Shopify和Meta将AI使用纳入绩效评估，要求团队优先证明AI无法替代人力后再申请招聘。英伟达CEO黄仁勋在GTC大会称Token为“AI时代基石”，阿里巴巴随后成立Token Hub事业群。然而，Token消耗量仅记录投入而非有效产出，行业缺乏衡量Token与任务完成率的有效标准。
焦点分析
焦点解决短期治疗（SFBT）强调以目标为导向，关注解决方案而非问题本身。在Tokenmaxxing现象中，企业将Token消耗作为KPI，隐含目标是提升生产力和创新效率。SFBT的“奇迹提问”技术可应用于此：假设Token消耗完美转化为价值，工程师会观察到哪些具体变化（如任务完成速度提升、错误率下降）？这帮助识别新闻中未明说的目标——高效利用AI资源实现可衡量产出。
SFBT的赞美原则可强化积极方面：企业鼓励AI使用已带来初步效率提升（如Shopify报告10倍产出），但需从“消耗量竞赛”转向“价值创造竞赛”。通过“刻度化提问”，企业可评估当前Token使用效率（如1-10分），并探索提升1分的方法（如优化模型选择或缓存策略），而非单纯增加消耗。
此方法适用于5个类似场景：1. 云计算资源过度配置的成本优化；2. 员工工作时间与产出不匹配的绩效管理；3. 营销预算与ROI衡量模糊的广告投放；4. 能源消耗与可持续目标的平衡；5. 教育中学习时长与知识掌握度的评估。SFBT通过聚焦可能性（如“如何用更少Token完成更多？”），促进从焦虑驱动到解决方案驱动的转变。