全球唯一赚钱的智能决策公司，内部建了一个AI限制器

始于咨询.终于因果

2026年上半年的AI产业，在看同一部电影——只是有人看到的是前半段，有人看到了演职员表。

前半段是"tokenmaxxing"——一场席卷硅谷的集体狂欢：鼓励员工疯狂使用AI、把token消耗量当成生产力指标、建排行榜、发奖金。后半段刚刚上演：亚马逊撤下AI排行榜，Uber四个月烧完全年AI预算，Meta警告六千名员工即将限token。而那个唯一在赚钱的智能决策公司——Palantir——从第一天起就没参与过这场狂欢。

它做了一件更极端的事：在自己公司内部，建了一个工具来限制自己员工使用AI。

一、"Tokenmaxxing"：一个行业如何把用量当成产出

先解释这个词。"Tokenmaxxing"是硅谷2025-2026年造出来的——"token"+"maxxing"，字面意思是"把token消耗推到极限"。它背后的逻辑表面上合理：既然AI能提升生产力，那员工用的AI越多，企业产出就越高。用量 = 生产力。所以鼓励用量、追踪用量、奖励用量。

这股风潮席卷了整个科技行业。

亚马逊建了一个叫Kirorank的内部排行榜，按员工消耗的token数量排名。初衷是发现新用例、推动AI落地。结果呢？员工开始部署AI代理去执行毫无意义的任务——比如让AI反复生成不同格式的同一份文档——纯粹为了刷排行榜名次。高级副总裁Dave Treadwell最后不得不公开说了一句话："请不要为了用AI而用AI。"排行榜被撤了。

Meta搞了一个叫Claudeonomics的内部追踪系统。30天内，员工烧掉了73.7万亿个token。73.7万亿。Meta随后也撤下了排行榜，并警告约6000名员工token预算和限制即将到来。

Uber的翻车最具有财务上的戏剧性。公司在2026年初给AI编程工具（Claude Code、Cursor等）批了一整年的预算。到了4月——第四个月——全年的AI预算已经烧光了，实际支出是计划的三倍。COO Andrew Macdonald承认："支出和产出之间的联系还没有建立起来。"Uber从6月2日起对每个员工实施每月1500美元的AI工具硬上限。

AT&T限制了GitHub Copilot的使用。沃尔玛给内部AI助手设置了用量上限。Cognition公司的CEO公开说，科技公司被token排行榜"冲昏了头脑"，衡量员工应该看产出，不是看token。

这场运动从鼓吹到撤退，只用了不到一年。推动它的是同一个逻辑：token消耗量是好的——直到账单来了，发现它跟产出没有关系。

二、Karp在AIPCon上爆炸了

2026年6月，Palantir的AIPCon 10大会上，CEO Alex Karp接受了TBPN的直播采访。主持人试图把话题引导到AI的正面应用上。Karp没接。

他先给行业现象起了一个名字。硅谷叫"tokenmaxxing"。Karp给了一个更直白的翻译：色情成瘾。

"People are just sitting there all day kind of like a porn addiction."                                                                                        ——"人们整天坐在那里，就像色情成瘾一样。"

然后他说出了整场采访中最令人窒息的一句话。Palantir内部建了一个工具——专门用来限制员工的token消耗。内部命名：

"Really, we call it the demastibatory, like get off masturbation thing internally."                                                                        ——"我们内部管它叫demastibatory——就是'戒掉自我沉溺的东西'。"

这个词是他自己造的。他把"masturbatory"（自我沉溺的、自慰式的）拆开重组，前面加上否定前缀。翻译过来就是：一个戒掉自我沉溺的系统。一家卖AI平台的公司，在自己公司内部部署了一个工具，来防止自己的员工过度使用AI。

主持人多次试图把他拉回到"AI也有很多好的应用"的叙事上。Karp不配合。他反复回到同一个比喻，越说越狠。他说整个行业的AI消费是一种"bad addiction"——坏成瘾。他说过去两年里，企业高管们私下都知道AI的ROI有问题，但"不允许自己公开说出来，因为说出来会显得很蠢"。

"When we first met, it was like AI, maybe real. Then, I would say somehow until about two weeks ago there was like a holy fuck, this is real, but somehow it's not working, but we're not allowed to say it publicly because we'll look stupid."                          ——"我们刚认识的时候，AI好像是'也许是真的'。后来有一段时间变成'天哪这确实是真的'——但不知怎么就是跑不通——但我们不允许公开说出来，因为说出来会显得很蠢。"

Karp说这个沉默期"直到大概两周前才结束"。两周前——也就是2026年6月中旬——他认为是行业终于开始承认AI不work的转折点。而这个转折点的标志性事件，就是亚马逊撤下Kirorank、Uber爆出预算烧光。

但这里有一个更深的追问。为什么只有Palantir从来没掉进tokenmaxxing的坑？

三、不是克制——是根本不需要

要理解Palantir为什么不需要提醒员工"别滥用AI"，需要回头看它的三层架构。

Palantir系统的最外层是大语言模型——负责翻译。你把日常语言输入进去，它翻译成推理引擎能执行的查询；推理引擎沿本体做完因果推导后，它再把结果翻译成人话。AI在这个架构里的角色是翻译官，不是法官。翻译官用多了不会让判决更正确——只会让翻译费更高。

Palantir的最内层是本体——一个把所有业务对象和它们之间关系精确编码的数字镜像。中间层是推理引擎——沿着本体的关系网络做确定性因果推导。这两层不依赖大语言模型。它们依赖的是图结构、约束检查、规则引擎——全部是可追溯、可验证、不产生幻觉的确定性计算。

当一个员工在Palantir内部使用AI时，AI做的事情是帮他更快地找到本体中的因果路径——而不是替他生成一条因果路径。两者的差别在于：前者是搜索辅助，后者是幻觉工厂。Palantir不需要限制自己的员工"别过度使用AI"，因为在这个架构里，AI天然就不是一个可以被"过度使用"的东西——它的作用域从第一天就被限定在最外层。

Palantir对AI的态度不是"克制"。是"从来就不需要往多了用"。

为什么其他公司掉进了tokenmaxxing

他们在做的事情：把AI放在架构的中心——让大模型直接面对业务问题、直接生成分析、直接输出决策建议。在这种架构里，token消耗量确实跟"AI做了多少事"相关——所以用量看起来像是一个合理的KPI。 Palantir在做的事情：把AI放在架构的最边缘——让本体和推理引擎面对业务问题。AI只做翻译。在这种架构里，token消耗量只跟"翻译了多少次"相关——跟"做了多少决策"完全无关。 tokenmaxxing是一个架构病。如果你的架构把AI放在中心，token就是你的成本中心。如果你的架构把AI放在边缘，token就只是你的接口开销。前者会被token账单打脸。后者不会——因为账单本来就不大。

四、古德哈特定律的AI版本

经济学家Charles Goodhart在1975年提出了一个后来以他命名的定律：

"当一个指标成为目标，它就不再是一个好指标。"

古德哈特定律在2026年的AI产业上演了一出完美教程。公司把"token消耗量"设为目标——建排行榜、发奖金、鼓励用量。员工响应了——token消耗量飙升。但生产力没变。因为从"生成更多token"到"创造更多价值"之间的那道因果链——恰好是缺失的。

这不是员工的错。员工面对的是一个激励机制：你用更多AI = 你的排名更高。员工就用了更多AI。问题不在员工——在激励机制的设计者。他们把token当成了价值的代理变量，而token从来就不是价值的代理变量。

Palantir的CTO Shyam Sankar在2026年一季度的财报电话会上已经把这句话说得很清楚了：

"More tokens means more slop."                                            ——"更多的token意味着更多的垃圾。"

Sankar的"slop"这个词选得极其精准。它不是"错误"——错误意味着偏离了正确路径。Slop的意思是：看起来像那么回事，读起来像那么回事，但实际上没有任何实质内容的填充物。AI生成的"企业分析报告"就是典型的slop——格式正确、语言流畅、图表美观，但每一句"建议"都是任何一个MBA毕业生在第一天就能说出来的正确的废话。它不包含任何一家特定企业的因果传导路径——因为它没有本体。没有本体，AI就只能从语料库里抽取最通用的商业话术，用最通顺的语法排列组合。

Token是新的煤炭。烧得越多，排放的slop越多。

五、从"tokenmaxxing"到"tokenminimizing"——一场集体转向

如果你拉一条时间线，2026年上半年硅谷对AI的态度经历了一次180度的转向。

2025年下半年 — 2026年初

Tokenmaxxing高潮。亚马逊建Kirorank、Meta建Claudeonomics、各公司鼓励员工最大化AI使用。Token消耗量被视为AI采纳度的代理指标。内部口号："多用AI！"

2026年4月

第一声警报。Uber全年AI预算四个月烧光。COO公开承认"支出和产出之间的联系还没有建立"。业界开始私下讨论"token到底有没有用"，但公开场合仍保持沉默。

2026年5月

Sankar的财报电话会。Palantir CTO宣布"more tokens means more slop"，称Palantir是"no slop zone"。这是第一家公开把token消费和垃圾划等号的上市公司。

2026年6月初

排行榜集体崩塌。亚马逊撤下Kirorank，Meta撤下Claudeonomics并警告6000名员工。Uber实施每人每月$1500硬上限。AT&T、沃尔玛跟进限制。Cognition CEO说排行榜是个错误。

2026年6月6日

Karp的AIPCon演讲。"Tokenmaxxing是色情成瘾。"揭露Palantir内部有"demastibatory"限制器。声称行业终于"被允许公开说AI不work了"——沉默期结束。

2026年6月中旬至今

新词诞生：Tokenminimizing。媒体开始用这个词描述企业集体限制AI使用的趋势。从"用更多"变成了"用更少、用更准"。

这个转向的剧烈程度，在科技产业的历史上很难找到先例。一项技术在不到一年的时间里，从"全员推广、设排行榜、发奖金"变成"设上限、撤排行榜、CEO骂它是色情成瘾"。

但如果你把眼光从"AI产业"移到"企业经营"——这180度的转向揭示的不是AI的问题。揭示的是企业衡量AI的方式从来就没有对过。

六、对传统制造企业的真正启示

你可能会觉得——这是硅谷的事，跟我有什么关系？我一个年营收五亿的制造企业，又没建过token排行榜。

有关系。而且关系比你想的更大。

tokenmaxxing的本质错误不是"用了太多AI"。是把输入的体积当成了输出的质量。这个错误不需要排行榜才会犯。任何一个企业在评估AI方案的时候，都在犯这个错误的微型版本：

你看demo——对着话筒问一句"华东毛利率多少"，系统秒出一张图表。你被这个交互打动了。你觉得自己看到了"智能"。但你看到的只是一个token消耗的微型演示——它把数据库里的数字用自然语言念给你听。它不是智力。它是翻译。

真正的智力——因果推理——不产生更多的token。它产生更少的token、但每一条token都对应着一条可以追溯到原始数据的因果路径。"含水量偏高→这一步的良率下降→退货率上升→吃掉扩产利润"。这条路径的每一步都有本体中的确定关系做支撑。它不需要一万个token来生成一篇"分析报告"。它只需要一条因果链和一份追溯记录。

Tokenminimizing 才是真智能的标志

假智能的特征：token消耗量巨大，输出内容读起来像回事，但你找不到任何一条结论的原始数据来源。本质上是用语言模型从语料库里抽取最像"企业分析"的文字组合。 真智能的特征：token消耗量极小——只有翻译层用了token。推理层走的是图计算，不走token。每一条结论可以追溯到触发它的原始业务数据。出错了能定位到是哪条数据、哪个关系、哪条规则出了问题。 评价标准不是"它用了多少AI"——是"它的多少输出不依赖AI"。AI成分越低，系统越可信。因为AI只该做翻译，不该做判断。

这就是为什么Palantir是唯一没翻车的。不是因为它"更会用AI"。是因为它把AI可能造成的损害——幻觉、不可追溯、概率漂移——用本体和推理引擎这两层完全隔离在了决策流程之外。AI在Palantir的架构里连犯错的机会都没有。

而这一点，恰好也是Palantir CEO骂了整个行业之后，仍然没有人能复制的原因。不是因为别人不懂——是因为别人没有那两张底牌：本体和推理引擎。没有这两张底牌，你就只能让AI直接面对决策。而AI直接面对决策——就是tokenmaxxing的根源。

2026年上半年最值得记住的，不是任何一项AI技术突破。是亚马逊高级副总裁对全体员工说的那句话："请不要为了用AI而用AI。" 一家科技巨头的最高管理层，在投入了数百亿美元建设AI基础设施之后，不得不公开请求自己的员工"别用了"。而唯一没有翻车的那家AI公司——它的AI限制器不是事后补救，是系统架构的原始设计。 这个对比，比任何一份行业分析报告都更精确地说明了：AI在企业经营里的位置，到底该在哪里。

关注我，带你持续提升企业经营智商！