你的Agent值得消耗Token吗？

去年春天，Meta内部有一个名为"Claudeonomics"的排行榜——它对消耗AI Token最多的250名员工进行排名。据The Information报道，一些人通过在无意义的并行任务上运行Agent来刷榜。月消耗量突破了60万亿Token，然后是73万亿。排行榜随后被撤下。

上周，同一家公司宣布对员工实施Token限额，理由是今年预计内部AI成本将达数十亿美元。

于是几个月内，Meta从"Token极大化"走向了"Token极小化"。

这看起来是两个截然相反的政策。但我认为它们是同一个错误，犯了两次。

两者都把Token——一个输入指标——当作管理单位。而输入指标无论你朝哪个方向推动，都会失灵。告诉人们去最大化，他们就会用无意义的工作来膨胀数字。告诉他们去最小化，他们就会在该花的地方停止投入。古德哈特定律（Goodhart's Law），在Token时代重演。

有一点让我无法释怀：Meta的CTO早在4月就写出了正确的诊断。"Token使用量本身不是衡量影响力的指标"，他的备忘录如是说。他说得对。然后公司建造了……一个更精确的Token计量器。为什么？因为当你没有衡量影响力的工具时，你就测量你能测量的东西。

这不仅仅是Meta的问题。据报道，Uber和ServiceNow在几个月内就烧完了年度AI预算。德勤4月的CFO指南将这一新学科命名为"Token经济学（tokenomics）"，并警告利润泄漏——Token成本隐藏在SaaS合同和云账单中，直到大到无法忽视。安永发现单次聊天交互的成本在三年内上涨了约30倍，并引用Gartner的预测：到2027年底，超过40%的Agentic AI项目将被取消，主要原因是成本和价值不明确。

所有人都认同诊断。但每一剂处方都以Token为计量单位：预测总量、降低单价、设定预算。

Token级别的成本追踪就是一张企业信用卡账单。它告诉你花了多少钱。但账单只会给你一个指令——少花。管理层需要的是一个向量，而不是一个方向：在哪里削减，在哪里加大投入。为此，成本必须归属到组织实际运行的单元上。这笔支出服务于哪项工作？在谁的责任之下？它创造了什么价值，还是规避了什么风险？

我认为正确的核算单位是决策（Decision）。不是董事会级别的决策——而是Agent每一个做出承诺的节点。查询客户数据。确定最终答案。重试失败的调用。决定停止搜索。升级给人类处理。将工单关闭为"无需行动"。每一个承诺节点都是一个决策，它是责任能够附着的最小单位。

以决策为单位计量，两件事会改变。第一，思考的成本得到了捍卫。花在阅读来源、生成被否决的替代方案上的Token——这些是Token限额制度下最先被砍掉的支出。而在决策级别的账本中，同样的支出变成了质量的证据："这个决策是在考虑了三个替代方案后做出的。"第二，你终于能看到改进的方向：哪个Agent在循环空转、消耗Token却从未达成一个决策；哪个昂贵的决策阻止了一次事故，值得获得更多预算而非更少。

所以我想提出一个词。

Tokenworthy——这项工作值得消耗这些Token吗？不是"多少"，而是"是否合格"。航空公司不会运营飞得多或飞得少的飞机；他们运营的是被认证为"适航（airworthy）"的飞机。适航性不是一个形容词，而是一套评估体系。Token支出也值得拥有一套这样的体系。

而支撑这个问题的学科是决策经济学（Decision Economics），而非Token经济学（Token Economics）。Token经济学计量输入。决策经济学将每一个Token归属到它所服务的决策，并追问那个决策值多少。

今年，Token成本将摆上每一位CFO的办公桌。届时有两条路可走。计量Token的公司将持续在极大化和极小化之间震荡。计量决策的公司将实现优化。