作者：Packy McCormick、Markie Wagner
时间：2026 年 06 月 11 日
原文：
AI 的承诺在于，它会把业务变成软件，让业务能够通过数百万次微小迭代不断演化。那些美好、理想而复杂的东西，只能在漫长时间里的大量试错之后出现。完美无法被凭空建造，只能在不断试错中被发现。
资本主义，本质上是一场组织层面的进化。数以百万计的企业在市场中竞争，拿出它们认为客户会需要的产品和服务。有些企业繁荣壮大，有些企业走向死亡。每家公司内部也在持续演化：人员来来去去，一次实验变成流程，流程沉淀成一张隐性知识之网；新产品被推出，旧产品被淘汰。正是这种持续演化，让我们拥有了今天的生活水平；未来世代回看今天，也会觉得我们仍然相当原始。
我离开研究世界，是因为我觉得那不是最值得攀登的山头。于是我走进美国各地，直接去做具体的工作。只有先弄清楚工作本身，我才能理解怎样让计算机去做这些工作，进而让人类能够指挥计算机，推动工作不断演化。
在真正走出去之前，我已经有所怀疑；一路看下来之后，我更加确信：到目前为止，市场实现 AI 的方式是错的。它还不是终局。这套方式太浪费、太健忘，也太不精确。为了换来这点认识，我简直像是在撒哈拉沙漠里和恶魔搏斗了一场。
Tokenmaxxing 显然走不远
所谓 tokenmaxxing，字面意思就是尽可能最大化个人或组织消耗的 token 数量。企业用排行榜追踪 token 消耗，再用小奖品奖励使用量最高的人。这是一场集体幻觉，像是一种商业化的 AI 精神错乱。
tokenmaxxing 是一个实验室培养出来的超级 meme，而且传播效果可能比这些 AI 实验室原本期待的还要好。
可以这样想象：Anthropic 和 OpenAI 分别推出了 Claude Code / Cowork 和 Codex 这类 Agent 产品。这些 Agent 基本上就是 AI 模型公司派进客户公司里的“员工”，还拿到了一张没有消费上限的公司信用卡。按照 tokenmaxxing 的逻辑，它们花得越多，就说明干得越好；而它们真正花钱的对象，正是它们的实际雇主，也就是 AI 模型公司。
比如，Anthropic 把一批 Agent 送进 KPMG。KPMG 承诺一定的使用量，以换取折扣，也就是 token commits。KPMG 的员工被鼓励用 Agent 做任何他们能想到的事情，各种仪表盘也随之出现。于是，这些可以被理解成“拿着 KPMG 无限额信用卡的 Anthropic 数字员工”的 Agent，开始尽情消耗 token，把账单刷到痛快为止。那些指挥 Agent 使用最多 token 的员工，则被表彰为 AI Innovators。
当然，也有人意识到这是一场幻觉。他们会问：“可是这些 Agent 到底有没有做出什么有用的东西？它们是不是只是在做仪表盘？能不能请谁给我看一个真正有用的 Agent 产出？”但这些少数清醒的人，很快会遇到一句杀伤力极强的反驳：“Skill Issue。”
他们被告知，有些人正在用 Agent 构建极其有价值的东西。这有点像有人说自己在夏令营有一个超级火辣的女朋友，只是你从来没见过。如果你自己做不到同样的事，那好吧，欢迎来到 Permanent Underclass。
有一段时间，所有人都信了。市场激励公司消耗 token，于是董事会激励管理层消耗 token，管理层激励经理消耗 token，经理又激励员工消耗 token。没有人有动力站出来说，这些 token 并没有在做什么有用的事情。
我总是在和这些人聊天，而每家公司都会出现某个版本的同一段对话。负责 AI 团队的人会说：“这个季度我们取得了巨大进展。我们花了 5000 万美元买 token。”然后所有人点头、鼓掌。“使用量上来了。我们做了 3000 个 Agent。我们交付了 1000 万行代码。”你听完只想问：什么？然后我会问：“那个反欺诈 Agent，你们测过准确率吗？”对方说：“测了……大概 50%。”可人能够做到 99% ！
但是模型还在进步，所有人都在 tokenmaxxing，而你也不想显得像一个抗拒技术的人。于是，你继续懒散地把 Agent 扔向所有问题，然后指望它们自己学会。
顺便说一句，这一切发生的时候，正好也是 AI 模型公司从订阅制收入转向按量消耗收入的时候，企业几乎没有时间准备。
所以，token 使用量，以及由此带来的 AI 模型公司收入，出现抛物线式增长，也就一点都不奇怪了。
最终打破这场幻觉的，是 Uber。上一轮周期里，Uber 曾是 VC 补贴需求的标志性公司。它的 CTO 说，公司到 4 月就已经烧完了 2026 年 Claude Code 的 token 预算。5 月，Uber COO 又说，公司越来越难证明 AI 支出的合理性，因为 AI 消耗和实际交付功能之间的联系“还不存在”。
接下来发生的事情，有点像电影《贱女孩》里的一个场景：Tina Fey 问学生们，如果她们觉得自己曾被 Regina George 伤害过，就请举手。先是一只手举了起来，然后所有人的手都举了起来。
有位顾问说，他的客户不小心在 Claude Code 上烧掉了 5 亿美元。Amazon 关闭了自己的 AI 排行榜。Legora CTO Jacob Lauritzen 告诉 Harry Stebbings，token 排行榜“会导致 tokenmaxxing，也就是人们为了显得自己做得好，就去白白烧 token。这是一种非常愚蠢的做事方式。”Ramp 的 Veeral Patel 把它称为 Token Casino：“有用的软件，被包裹在一种让花钱看起来像进步的机制里。它从最古老的把戏开始：把钱抽象掉。”Palantir CEO Alex Karp 对 TBPN boys 说，tokenmaxxing 就像“一种色情成瘾”。
甚至连 Sam Altman 这个重要的 token 供应商本人，也在 CNBC 上承认：“你会听到一些公司说，‘我在 AI 上花了很多钱，我知道一些很棒的事情正在发生，但我也知道这里面有大量浪费。而且，你知道，什么时候……我要等多久，才能真正看到它体现在收入里？我要等多久，才能真正把成本控制住？’” 他承认，这已经变成了一个“巨大问题”。
问题在于，企业一直把注意力放在最大化 token 上，并假设 token = 价值。
每个周期都有自己的愚蠢指标。19 世纪中期，市场把铁路里程当成未来垄断及其收益的代理指标，于是铁路公司竞相铺轨，很多线路甚至和竞争对手走在同一条路线上。21 世纪初，市场想要的是 eyeballs，也就是眼球，于是互联网公司拼命吸引眼球，再把它们端上广告主的餐盘。2010 年代，市场想要的是收入总额，于是 WeWork 这样的公司交出了好看的收入总额。
这一轮周期的愚蠢指标，就是 tokenmaxxing。
这并不意味着 token 没有价值。Cornelius Vanderbilt 的 New York Central 最终变得非常有价值，Pennsylvania Railroad 也是如此。Google 和 Facebook 把眼球转化为现金流的能力，可能比历史上任何人把任何东西转化为现金流的能力都强。Uber 最后也把收入增长转化成了市场主导地位，并在 2025 年形成了 100 亿美元自由现金流。
问题始终在于：这个东西能不能产生回报？
对于 token 来说，问题就是：你的 Return on Tokens，也就是 ROT，到底是多少？
Return on Tokens
当你投资一台新机器时，你会期待它产生回报。当你招聘一名员工时，你也会期待他产生回报。商业的过程，就是不断做出大大小小的投资，并期待这些投资创造出超过成本的价值。
token 也应该接受同样的标准。
Return on Tokens = （产出价值 - token 成本）/ token 成本 x 100由此看，提高 ROT 有两条路径：你可以用 token 创造更有价值的东西，也可以减少 token 消耗。理想状态下，是用更少的 token 创造更多价值。
企业现在首先关注的，是减少消耗。原因很简单：相比衡量产出价值，衡量支出要容易得多。
当 tokenmaxxing 的幻觉被打破后，更冷静的人开始讨论 “routing”，也就是模型路由，把它作为降低成本的办法。需要高强度推理的事情，用 Anthropic 和 OpenAI 最好的模型；大部分普通工作，则交给便宜的中国开源模型。Coinbase CEO Brian Armstrong 最近的公开说法，就是这种逻辑的典型例子。
你也可以在 OpenRouter AI Model Rankings 里看到这种变化。转向中国模型的趋势，实际上和按消耗计费的普及几乎同步出现。当然，这里的用户本来就是一个自我筛选过的群体，他们已经在思考怎样把不同任务路由给合适的模型。其他人现在也在匆忙做同样的事。
这是一个不错的开始。但让 Agent 消耗 token，不管是美国模型的 token 还是中国模型的 token，从零开始推导所有事情，也仍然到不了终局。
因为你知道什么比中国模型还便宜吗？代码。
代码，那种古老而朴素的确定性代码，不仅便宜，而且更适合大多数具有经济价值的工作。这个教训，我们其实早就学过。
过去，公司雇佣人类来完成各种重复性任务。在 “computer” 变成数字机器之前，computer 指的就是做人肉计算的人，也就是计算员。
When Computers Were Human, NASA
大约半个世纪前，我们开始把人类做的重复性任务交给软件，比如计算导弹轨迹，或者计算一家公司的利润。代码比最可靠的人类计算员还要可靠。它不会犯错，能够立刻给出答案。无论在世界上的哪个地方、哪个时间，只要你在 Excel 表格中把同样的数字和同样的公式输入到同样的单元格里，它就会吐出同样的数字。
然后，我们有了 Agent，却忘掉了这个教训。我们开始觉得，既然所有人都在这么做，那就应该把这些“类人”的东西扔向所有问题。Agent 在某些事情上确实很强，但在很多其他事情上，它们并不适配。
企业没有从 token 上获得正向 ROT，并不奇怪。所有能做的仪表盘都已经被做成了仪表盘，现在它们又开始派 Agent 去做本来属于软件的工作。
当然，也可以提出一种说法：很多公司之所以拿不到正向 Return on Tokens，是因为它们还不知道怎样使用 token，或者还没有把公司重新架构成 AI 原生的形态。或许也正因为如此，Anthropic 和 OpenAI 都推出了咨询子公司，帮助企业更好地部署 token。确实也有一些在 AI 时代诞生的创业公司，看起来非常有效地使用了 token，这一点也体现在它们超音速般的收入增长上。如果旧经济企业做不出 ROT，那好吧，这就是破坏性创新。
虽然不同公司部署 AI 的能力确实有差异，但我们认为，负 ROT 背后存在更根本的结构性原因：对大多数工作来说，Agent 是错误的架构。
Agent 也走不通，至少对大多数工作来说
Agent 的负 ROT，有三个结构性原因。
第一，Agentic 架构无法以真实经济工作所要求的“几个 9”的质量水平，完成长时间运行的工作。
Agent 依赖即兴发挥。它们被一次次重新派到重复性任务上，好像每天都是上班第一天，这会伤害持续稳定的准确性。对于新功能、原型或仪表盘，80% 的准确率也许可以接受。但对于支撑经济运转的真实重复性工作，比如欺诈检测或承保决策，80% 的准确率等于 0% 可用。
第二，工程师不知道该构建什么，因为他们并不亲自做那些工作。
我们正在讨论的大多数流程型工作，通常由两部分组成：一部分是书面规则，Agent 可以读取；另一部分则是大约 3000 条存在于人脑中的隐性规则和子规则。这些知识分散在全国各地的办公室里，远离工程师在旧金山的办公桌。AI 只能演化它能够触及的东西，这也是为什么它在写代码上表现很好，却在企业里很大程度上没能做出真正有用的事情。
第三，原罪在于没有目标。
如果人没有目标，Agent 也就没有目标，最后整个系统什么结果也达不成。没有一个清晰的目标，代码无论是人写的，还是 Agent 生成的，最终都会退化成一团垃圾，因为没有一种力量去评估什么是好、什么是坏。
从偷懒的角度看，Agent 有一个很诱人的地方，尤其是在组织还鼓励你多花 token 的时候：你可以在自己并不确切知道要解决什么问题的情况下，直接把 Agent 放出去。它可以围绕一个模糊指令转上一阵，带回一个还不错但不完美的东西，然后再出去继续转。
这个过程会推动更多 token 消耗，却不创造任何价值。这是一条通向负 ROT 的快车道。
人们正在为 Agent 寻找新的事情可做，背后的假设是：AI 对代码做过的事，也会对其他一切事情重演。但它未必需要这样。
有相当多的工作，最适合的完成方式仍然是朴素的老式代码。过去的挑战在于，直到最近，我们还没有足够多的工程师，把每家企业所做的每一件事都变成代码，并随着情况变化不断更新。现在我们有了。AI 让写代码变得微不足道。所以，只要我们能把知识从人的脑子里取出来，就能把业务变成代码。
AI 应该做编译器，而非运行时
基本上，软件的工作分成两步：思考和执行。
第一步是思考。你拿到一段软件应该实现的目标和需求，然后把它编译成计算机可以运行的代码。
第二步是执行，而且是一遍又一遍地执行。每当这段软件需要完成那件事时，代码就会以低成本、可预测，或者说确定性的方式运行。
计算机科学对编译器有精确定义，但你也可以把一家软件公司，或者一名软件工程师，理解成一种编译器。他们接收目标和需求，把它们转化成代码。然后，客户购买他们构建出来的代码，一遍又一遍地运行。这就是零边际成本软件业务的美妙之处，也是为什么公司可以把耗费数百万美元开发出来的软件，以每月 20 美元的价格卖出去，同时仍然获得令人垂涎的利润率。
今天，大多数人思考和使用 Agent 的方式，是让它们同时替代软件公司和软件本身。这种理解是错的。
Agent 应该替代软件公司。它们应该接收用英语，或者任何其他语言表达的目标和需求，然后把它们转化成可以一遍又一遍确定性运行的代码。
思考很贵，但很少发生。执行很便宜，而且会一直发生。
Agent 应该负责思考，代码应该负责执行。
对于大多数经济工作，你想要的模式应该是：用人类弄清楚规则，用 AI 把规则变成代码，然后让这些代码以接近零 token 成本的方式一直运行。只有当规则发生变化时，才把 AI 再请回来。
为什么要用 prompt 去做两个数字相加？写一行 Python 就行了，兄弟。
当前 AI 实施中的 Thinking-Doing Ratio，也就是思考-执行比，大约是 1000:1。这并不奇怪。旧金山是一个“思考”之城。Anthropic 的帽子上就只写着一个词：“thinking”。
Anthropic thinking cap + OpenAI Token Appreciation Award, Business Insider
硅谷构建 AI 时，假设工作主要是思考。但工作主要是执行。
聊天是少数例外，因为在聊天里，你真的不知道下一步会发生什么。所以，也许客户支持业务仍然会持续消耗 thinking tokens，尽管即使是客户支持 Agent，也会把复杂问题转给人类。除此之外，企业里几乎没有什么工作像是在持续即兴发挥。
所以，我们现在用 Agent 来执行，但 Agent 是执行领域里的 BlackBerry。它可能是一代过渡性设备，却不会是五年后企业运行大多数工作的地方。那些工作会在 Agent 写出来的确定性代码里完成。
Agent 的角色，是编译成代码，而非每天运行并执行工作。这也意味着，它更像资本支出（CapEx），而非运营支出（OpEx）。你以为未来会由 AI 运行的东西，实际上都会由代码运行。
所有人都以为，世界即将发生的变化是 AI 会变成一个人。但真正的变化，是业务会变成一段软件。
这就是我们在 Poetic 正在构建的世界。
把业务变成会演化的软件
我们正在构建 tokenmaxxing 的解药：一种能够自我 tokenminn 的软件。
Poetic 是一种新类别的软件：像 AI 一样自适应，像代码一样可靠。
我们把 AI 当作编译器。我们会先吸收一家企业已经写下来的所有流程，然后去内布拉斯加、普罗维登斯，或者任何真正发生工作的地方，坐在员工身边，一遍又一遍地问：“你刚才做了什么？”“你为什么这么做？”通过数百次这样的追问，学习每家公司赖以运转的数千条隐性规则。然后，我们把这些规则变成代码。
代码就是运行时。当世界保持不变时，这些代码每次都执行完全相同的步骤。当世界发生变化时，它会学习、重新生成、围绕目标进行自我测试，然后运行新的代码，直到世界再次发生变化。
结果是，token 使用量降低 100 倍，同时在复杂任务上达到多个 9 的准确率。换句话说，你花出去的每一个 token 都能多做 100 倍的事情，而且做对。
产出的价值会上升，因为 Poetic 做的是你的企业确实需要反复完成的事情。token 成本会下降，因为 Poetic 只在世界发生变化时使用 token。两者结合起来，Poetic 能够产生清晰、可衡量的 Return on Tokens。
我们今天已经在为 AIG、SoFi 和 Chime 这样的公司做这件事。AIG CEO Peter Zaffino 说，Poetic 已经“在持续数小时的流程中实现了 99% 以上的质量结果，交付了真实的企业价值”。
这些公司的领导者相信我们所相信的事情：每一家企业都必须以软件企业的方式被重新创立。未来十年的故事，就是这些新企业的开始。有些会是真正从零开始的新企业；另一些则是已经存在数百年的企业，但它们有勇气重新发明自己。
所有人都在谈论，工厂只有围绕电力重新配置之后，才能真正受益于电力。但他们接着给出的 AI 版本，往往变成了“所以，那些围绕大量消耗电力来解决问题的新企业会赢”。关键动作其实是把业务重构成代码。
要做到这一点，需要脚踏实地的地面战。你必须深入企业的内部，无论它们在哪里，理解它们如何运转，并把它们的逻辑迁移进程序里。我们需要有人真的走到明尼苏达去，问一句：你们这些人一天到晚到底在干什么？
我们团队的大多数人都是工程师，其中很多来自 Palantir。他们会一次在客户现场待上数周，向客户学习，钻进最细碎、最具体的细节里。
“Social Engineer” 这个词名声不太好，尤其在安全语境里容易让人想到社会工程攻击。但相比那些整天坐在桌前给 Claude 写 prompt 的工程师，他们才是最社会化的工程师。理解人、理解商业、理解 AI 的工程师，将会统治世界。如果这听起来像你，欢迎加入 Poetic。
这是一份艰苦的工作。但 AI 时代到目前为止最大的错误，就是相信任何值得做的事情都可以很容易。
这件事值得做。也是我从记事起就一直想做的事。因为支撑我们世界运转的所有机构，每一家企业、每一个政府，都在做大量并不合理的事情，运行速度远低于应有水平，并且让整个系统变得黏滞。
我们的目标，是为每一家企业发现完美流程：一套为了实现你的目标而存在的理想计划和步骤。随着世界演化，这套流程也会演化。
AI 的角色并非 “Agentic”，也不该一边走一边即兴发挥。它是一种进化力量：改变、测试、评估哪一种计划最成功，并坚持执行，直到更好的计划出现。
归根结底，这就是业务本身。一段活着的、不断演化的软件，不断重构、测试、评估自身，以所能想象的最快速度冲向理想形态。人类存在的意义，是定义什么是好；至于如何抵达那里，交给系统去演化。人类塑造行为，指挥行为。
通过在生产环境中运行，系统会获得一份关于已经发生之事的记录。每一场争议、每一笔承保案例、每一次保险理赔，都留下了逐步发生的过程。因此，每一次流程改变都变得可以测试。关于“如果怎样会怎样”的问题，经过几分钟回测就能得到答案。把两种场景都放进影子环境里运行，比较结果，然后决定哪一个更好。
当影响完全可知时，风险就很小，因为你确切知道本来会发生什么。改变于是变成一个选择。接下来的选择则是：哪一种结果更理想？流程负责人，也就是负责确保流程实现上层目标的人，只需要做出选择。
要做出改变，你必须知道改变的影响。生成代码很容易，难的是知道运行代码之后会发生什么。运行数月之后，你就可以问这样的问题：“如果我们批准所有 25 美元以下的争议，会怎样？”然后在几分钟内得到答案。
从那时起，通向最美流程的爬坡就开始了。专家们开始实验，提出各种 “what-if” 问题。当人类不再是瓶颈之后，他们就可以开始真正搜索。
这就是终局。
每一家企业不仅是一段软件；它还是一段不断编辑、测试、评估变化的软件。它以尽可能高的帧率演化，攀向自己最正确的形态。所有能量都用于演化，用于寻找规则的理想形态。
我们不使用 token 来运行业务。我们使用 token 把业务变成代码，并让它演化。我们 tokenminn，从而 ROTmaxx。
在数十亿年的时间里，我们从海洋黏液出发，经过试错，演化成鱼、蜥蜴、田鼠、猴子和人类。
我们不想再等数十亿年，才让业务演化出各自多样而理想的形态。而 Agent 不会把它们构建出来。你无法直接造出蝴蝶。
美好、理想而复杂的东西，只能通过演化出现。我想加速这个过程，看看我们究竟能走多远。