以前拼人数，以后拼 Token——AI 时代创业公司的"燃料经济学"

YC 合伙人 Diana Hu 最近提了个新词，tokenmaxxing。

翻译过来就是：创业公司别再拼谁家工位多了，以后拼的是谁家模型调用量大。

她想表达的核心逻辑其实就一条——把固定人力成本，换成可变算力成本。以前你招个工程师，月薪三万，五险一金，带薪年假，离职了还得聊竞业协议。现在你搞个 Agent 跑业务，跑错了当然也亏钱，但项目停了 Token 也就停了，不像那个工程师，裁他还得给 N+1。

听起来是个新时代的降本增效圣经。

但刷完 YC 的官方表态，又翻了一圈国内外的落地数据，发现这事根本没那么简单。tokenmaxxing 这个口号底下，藏着一个挺残酷的事实：大多数人烧 Token 的本质，只是把以前人的无效工作，交给 AI 更快地跑了一遍。

账单翻倍，产出没变。

<!-- 配图：tokenmaxxing vs headcountmaxxing 成本结构对比图 -->

字节干了件狠事：38000 小时跑出来的 Scaling Law

先说个让我觉得这轮讨论里最有含金量的东西。

2026 年 7 月 2 号，字节 Seed 团队放出来一个叫 EdgeBench 的项目。拿了 5 个前沿模型——Claude Opus 4.8、GPT-5.5、GPT-5.4、GLM-5.1、DeepSeek-V4-Pro——总共跑了大约 38000 小时。

干吗呢？专门验证一件事：Agent 到底有没有稳定的学习曲线。

结果反直觉得吓人。134 个任务的平均学习曲线，被一个 log-sigmoid 函数以 R²=0.998 的精度拟合。这意味着 Agent 的进步不是玄学，是可预测的，而且预测精度高到反常识。

更狠的是同一模型连续运行和重复重启的对比。Opus 4.8 连续跑 12 小时、保留所有中间产物，比 6 次独立重启多拿了 6.9 分（百分制）。引力波重建那个案例里，GPT-5.5 提交了 224 次，真正推动最佳成绩的只有 27 次。

27 次。剩下那 197 次全是无效燃料，烧得悄无声息。

字节还发现了一个时间维度的规律：学习效率 221 天里提升了 8 倍，约每 3 个月翻一番。可以把它理解成 Agent 界的摩尔定律——翻的不是晶体管密度，是模型从经验里提取有效信息的速度。

<!-- 配图：EdgeBench 学习曲线 log-sigmoid 拟合示意图 -->

这数据一出来，tokenmaxxing 就不只是口号了，它开始有实证支撑。但支撑的不是"多烧就能赢"，而是烧法决定了回报率。

10 倍 Token 换 2 倍产出，这笔账划不划算？

Jellyfish 今年 4 月干了件得罪人的事。他们分析了 7500 多个开发者的 Claude Code 使用数据，发现 Token 消耗最高的前 10% 用户，用了同事 10 倍的 Token，产出只有约 2 倍。

10 倍燃料，2 倍结果。剩下 8 倍的差额去哪了？都变成了反复推倒重来的方案、优美的中间产物、以及模型自己跟自己较劲的无效循环。

Uber 总裁 Andrew Macdonald 说得更直白：很难在 Token 消耗上升和消费者可感知的功能改进之间，找到因果关系。

Uber 自己就在大规模用 AI 做调度、做匹配、做风控。一个实战派给出的判断是——烧得多和烧得好，是两码事。

Token 不是什么神圣燃料，它只是另一种原材料。原材料堆得多不等于产品竞争力，就像你往工厂堆更多钢材不等于造出了更好的汽车。

<!-- 配图：Token 消耗与产出对比图，10:1 vs 2:1 -->

硅谷最擅长的手法就是给老问题换新名字：以前烧钱叫"增长"，后来叫"规模化"，现在叫 tokenmaxxing。名字越来越科幻，账单不会因为换个词就自动变成资产。

真正该问的问题就几个：花出去的 Token，换来了什么？交付变快了吗？错误率降了吗？客户续费率涨了吗？创始人从琐事里被解放出来了吗？

如果答案全是否定的，那你不是在做 AI-native 公司，你只是在做 AI 账单公司。

开源赢了流量，闭源赚走了钱

Vercel 刚公布的 AI Gateway 仪表盘数据，把这个行业的残酷面貌扒得干干净净。

DeepSeek 已经占了 Vercel 总 Token 流量的三分之一以上。OpenRouter 的数据更夸张：DeepSeek V4 Flash 一周处理 5.3 万亿 Token，Anthropic 的 Opus 4.8 一周只处理 2 万亿。

流量层面，开源模型已经把闭源模型按在地上摩擦。

但一看收入分配，画面就完全反过来了。Anthropic 拿走了 Vercel 上 AI 总支出的一半以上。Opus 4.8 的单价是 V4 Flash 的 23 倍——每百万 Token 1.37 美元对 0.06 美元。

开源模型吃掉了最多流量，但前沿闭源模型分走了大部分利润。

<!-- 配图：Vercel/OpenRouter 流量与支出对比，DeepSeek vs Opus -->

这个结构像极了互联网时代的某种重演。做量的在底层卷价格，做质的在顶层收溢价。你烧的是便宜的 DeepSeek 还是贵的 Opus，不只是个技术选型问题，它直接反映了你在价值链的哪个位置——是给客户跑量的外包商，还是创造高附加值判断的核心服务商。

所以 tokenmaxxing 如果只是把人力流程原封不动灌给更便宜的模型，那你不是在重新设计公司，只是在换供应商。

硅基流动：卖水的先 IPO 了

清华博士袁进辉创立的硅基流动，今年 6 月递了港股招股书。按 2025 年词元年吞吐量算，它是中国第四、独立生态词元供应商里的第一，市场份额 1.5%。

听起来份额不高？看看估值。从天使轮到 B+ 轮，估值从 2.8 亿涨到 77.4 亿，翻了 33 倍。阿里占了 7.42%，是最大机构股东。平台支持 170 多个模型，跨芯片适配能力自称全球第一。

<!-- 配图：硅基流动估值增长曲线 -->

袁进辉选了一条聪明的路：不做模型，不做应用，就做 Token 工厂——在芯片层和模型层之间搭一层适配，谁家模型要跑量都得过他这一关。

这就像淘金热里卖铲子的，金矿挖出来多少不确定，但铲子厂先 IPO 了。

硅基流动的故事反过来在说一件事：Token 作为燃料这件事本身，已经变成了一个可以 IPO 的赛道。不是做 AI 应用的公司值钱，是给所有 AI 应用供燃料的公司值钱。这个逻辑一旦成立，tokenmaxxing 就不再是某种先锋创业哲学，而是一种正在被资本市场定价的基础设施趋势。

真正可怕的是"结果型公司"

回到 YC 的判断。Diana Hu 提 tokenmaxxing，背后压着一个更大的赌注——YC 现在特别想投"AI 原生服务公司"。

这类公司就一个特点：直接卖结果。

保险经纪、会计、税务、审计、合规。过去十几年这些领域的创业主线是 SaaS，给你一套工具你自己用。CRM 给你，财务系统给你，项目管理后台给你。

但老板买工具到底图啥？他图的是客户别丢、账别错、税务别出事、现金流一眼看得清。工具只是中间层，是过去技术能力不够时必须存在的一层缓冲。

现在 Agent 要是能稳定处理一部分流程了，创业公司就可以绕过工具，直接交付结果。你不用买我的客服系统，我直接帮你把工单解决掉；你不用买我的合规后台，我帮你把初审、归档、提醒全跑完。

YC 的判断是：如果竞争对手直接卖结果，而你还在卖工具，你不用跟他比功能，他直接告诉老板"我帮你做完"就够了。

<!-- 配图：SaaS 工具→ AI 原生服务的演进路径 -->

这才是 tokenmaxxing 真正想表达的东西。它不是在聊怎么用 AI 省钱——省的那点钱够干吗？它是在问，你的公司能不能直接吞掉一个服务行业的中间环节。

能吞掉的，Token 就是燃料。吞不掉的，Token 就是账单。

大部分公司还停在电气化第一阶段

说个历史案例。工厂电气化早期，大多数工厂主做的事特别蠢：把原来蒸汽机带动的传动轴系统，局部换成电动机。效率提升非常有限，因为产线布局还是围绕传动轴设计的，机器绑在同一根动力轴上排队运转，只是动力源从蒸汽换成了电力。

真正的效率革命要等到单机电机驱动普及之后——机器可以按生产流程重新摆放，不再被一根轴绑住。那时候工厂效率才真正起飞。

今天搞 AI 落地的公司，大多数还困在第一阶段。原来人写邮件，现在 AI 写邮件。原来人做表，现在 AI 做表。原来人做会议纪要，现在 AI 做。流程没变，组织结构没变，判断链条没变，只是执行点换了个人工。

这不叫 tokenmaxxing，这叫 token wasting。

<!-- 配图：电气化两阶段类比图，AI 落地当前阶段 -->

真正要重新设计的是这个问题：哪些动作必须由人完成，哪些判断必须由人负责，哪些环节可以让模型先处理、人再复核，哪些环节可以直接放手给 Agent 端到端跑。

得从结果倒推组织结构，而不是从现有组织往上套模型。

接下来三年，有一批人会死在这个新概念上

tokenmaxxing 这个词注定会火。它给了个简单叙事——AI 时代创业别招那么多人，多用模型就行。

简单叙事就是危险叙事。

这个叙事不会告诉你，烧 Token 和烧人力一样都要算 ROI。它不会告诉你 EdgeBench 里那些跑 224 次只有 27 次有效的垃圾迭代，每一轮都在计价。它也不会告诉你 Uber 那个量级的企业已经在质疑 Token 消耗和实际产出之间的因果关系。

Token 是燃料不假，但燃料经济学里最重要的一条铁律是：烧法决定生死，不是储量。

把固定成本变成可变成本，方向是对的。但可变成本也是成本，可变不等于免费。如果没能力把燃料转化成客户愿意付费的结果，那你只是把工资单换成了 API 账单，从一个坑跳进另一个坑。

这条赛道上真正能赢的公司只有两种：

一种是硅基流动这种，直接在燃料层收过路费，谁烧都跟他有关系。

另一种是直接交付结果的 AI 原生服务公司，客户不需要知道你用的是什么模型、消耗了多少 Token，他只需要看到账平了、税报完了、工单关闭了。

至于那些还在卖工具、卖后台、卖管理系统的公司，接下来三年，会发现自己被两头夹——燃料层赚走了利润，结果型公司截走了客户。

tokenmaxxing 这口号，说到底不是教你多烧，是让你想清楚，烧完了之后到底换回了什么。

换得回来，你就是 AI 时代的炼油厂。换不回来，你只是个帮人烧钱的中介。