据 CNBC 10 月 27 日报道，亚马逊向软件工程师发布使用指南，明确警告「tokenmaxxing」（词元最大化）行为——开发者不顾输出质量、尽可能多地使用 AI 工具刷用量。这份备忘录 9 月在公司内部传阅，10 月 27 日公开发布，修订了 AI 时代软件开发工程师和经理的职责定义。

导火索：排行榜刷量

今年 5 月，亚马逊发现部分员工为了在内部排行榜上提升名次，用内部 agent 平台跑无意义任务刷 token 用量，随后关闭了这份排行榜。导火索很有代表性：内部排行榜奖励的是「用量」而非「结果」，员工自然优化被奖励的指标。

备忘录核心内容

• token 用量、AI 工具采用率、代码变更或审查数量等指标，是衡量团队或组织 AI 使用情况的「存在严重缺陷的方式」；
• 这些指标会导致成本上升和不必要的复杂度，应「谨慎并审慎判断」地结合其他数据考量；
• 最好的度量是长期成果：客户价值、业务结果、团队健康，AWS 杰出工程师 Marc Brooker 称公司实际追踪的是 feature velocity（成功上线的变更和功能发布）；
• 最有意思的一句：「如果当前 AI 工具无法为你的工作带来帮助，这是一项发现，而非失败。能够解释 AI 在哪些方面帮不上忙的工程师，展现了我们所要求的判断力。」

值得注意的是，亚马逊发言人表示公司并未对员工 token 用量设上限——这与部分公司直接限流或换便宜开源模型的粗暴做法形成对比。

为什么值得关注

这是大厂首次系统性公开反思「AI 采用率」作为 KPI 的弊端，等于给全行业的 AI 转型度量泼了一盆冷水。背景是亚马逊 AI 基础设施投入猛增：上季 AWS 营收 422 亿美元（+37%），但过去 12 个月自由现金流从 +182 亿美元转为 -76 亿美元。烧钱换采用率的阶段正在过去，「谁在为真实产出付费」将成为 2027 年所有企业 AI 预算审查的核心问题。

对工程管理者，备忘录给出的信号很明确：别让仪表盘上的 token 曲线替代对交付价值的判断；对个人工程师，「知道什么时候不用 AI」正在变成一种被明文鼓励的能力。