全员Token-maxxing：无底算力军备竞赛晚点LatePost
我们去硅谷考察了一圈，发现连造浪的人，都快被浪淹没了。
2026 年 3 月 24 日早上，我坐在 YC W26 batch Demo Day 的观众席里，听到第五家公司上台路演的时候，决定不再做笔记了。
不是不重要，而是我意识到，自己记下来的这些东西，可能下个月就过时了。
这一届一百多家公司，做的事情其实高度集中：大约 80% 都是垂直 agent，比如帮律师整理文件、帮客服分发工单、帮 HR 筛选简历。
如果是在去年 10 月看到这些项目，我大概率会觉得 “挺有想法”。但问题是，这五个月，世界变了。
Claude Code 从一个更偏开发者的工具，变成了几乎任何人都能直接使用的界面。Opus 4.6 出来之后，整个 vibe coding 的门槛被压到了地板上。
那些垂直 agent，在没有形成业务壁垒之前，今天一个普通工程师，甚至我自己，花一个周末就能做出来，他们已经失去了投资价值。
YC 一届项目周期是三个月，这批 12 月入营，加上前期筛选，等于是 5 个月前被选出来的 “好公司”。而 5 个月，在现在的 AI 迭代速度里，已经足够发生几轮范式转换。
2012 年我第一次创业，拿到 YC 的 Fly Out（实地面试邀请）的时候，那时候 YC 在加速器这个赛道上，几乎一枝独秀，选出来的公司往往代表着 “下一个方向”。但竞争格局在变，YC 这几年感觉反过来了，逐渐变成了一个 lagging indicator（滞后指标）。
YC 的 batch 制度，从申请、筛选、入营、打磨、路演，在移动互联网时代运转了十几年，非常成功。但这套节奏是按一个更慢的世界设计的。
回到风险投资行业的这一年半，我大概每个季度都会来一次硅谷，上一次是去年 10 月。以前每次来，都会觉得变化很快，但这种 “快” 大多是按月来感知的。
这一次，得按 “周”。
有一天晚饭的时候，一个做 post-training（后训练） 的朋友随口说了一句：
“我发现，硅谷自己都开始跟不上自己了。”
全员 token-maxxing：一场没人敢停的军备竞赛
半年前如果有人跟我说，Meta 几万名工程师，全在用竞争对手的产品写代码，我会以为他在开玩笑。
但这是真的。整个 Meta，全员都在用 Claude Code。这不是创业公司，不是某个实验性团队，而是一家市值万亿级别的公司。
代码安全不要了，token 预算炸了，排行榜卷起来了，整个硅谷都在不计成本的往 AI 里砸钱。但砸完之后呢？
先说代码安全。放在半年前，这件事完全不可想象，因为代码是公司的核心资产，你怎么能让外面一家公司的 API 去碰它？Meta 一开始也是这么想的，他们内部做过一个叫 myclaw 的东西，试图解决这个问题。一个 Meta 的朋友告诉我，他们做出来了 coding 产品，但 “不好用，没人用”。没人用之后，公司不得不放宽了：只要不涉及客户数据，爱用 Claude Code 就用。
然后各部门开始开那种 “怎么变成 AI native 组织” 的内部会议，做培训，搞考核。代码安全、使用安全，这些过去天经地义的红线，统统被排到了后面，先把效率赶上来再说。
出于安全考虑，Google 禁止大多数员工使用 Claude Code 或 Codex 等竞争对手的工具，但 DeepMind 是个例外，负责 Gemini 模型和内部应用的几个团队，都在用 Claude Code。
谷歌自己也不是没有努力：他们推出了内部编码工具 Antigravity，今年 2 月还宣称公司约 50% 的新代码，已经由 AI 编写。
但即便如此，DeepMind 的人还是在用 Claude Code。DeepMind 敢这么做，一个重要原因是 Anthropic 给他们做了私有化部署，毕竟 Anthropic 的推理和训练，本来就大头跑在谷歌云的 TPU 上，双方有这个信任基础。但 Meta 和其他科技巨头可没有这层关系，他们是真的把代码安全扔到一边了。所有人都在赌同一件事：先把速度冲上去。
代码安全只是第一面倒下的旗，第二面是 token 预算。
在 Palo Alto 聊的几家 AI-native 创业公司里，一个工程师一年的 token 预算，大概在二十多万美元。这个数字本身不稀奇，稀奇的是它意味着一个顶级工程师消耗的 AI 成本，已经接近于一个工程师的工资了。看起来公司在用 AI 裁人省钱，实际上总成本可能根本没降，只是把人的成本换成了 token 成本。
Meta 在这件事上又是最极端的。他们搞了一个内部 token 消耗排行榜：谁用得多谁上榜，末尾的可能被裁员，所以 Meta 员工甚至在卷一个叫 “token legend” 的非官方头衔。
但与此同时，Meta 今年接连两轮裁员，规模加起来上万人。一边全员用 Claude Code 冲 token 量，一边大规模裁人。
这两件事不是矛盾的，它们是同一件事的两面。
我去看了一家 C 轮公司，技术负责人把 Slack 打开给我看，全是 agent 在跑，十几个 Cursor agent 后台并行，再开一个 Claude Code 窗口调度。现在程序员圈最流行的焦虑是：如果睡觉之前，不知道我那十几个 agent 要干什么就很慌。
但生产力真的同等涨了那么多吗？从去年年底开始，有很多顶尖推理引擎、数据库公司的 CTO，很兴奋地跟我讲 “百倍工程师”“ 十倍效率提升”，以前 60 个人需要 1 年做的事，现在 2 个人加上 Claude Code 一周就能搞出来。
我开始也跟他们一起兴奋，但后来我冷静了下来，就会问一个问题：好，效率提升了 100 倍，那公司的营收增长了 100 倍吗？或者产品线扩张了 100 倍？总不能 “100 倍” 的提升，最后就是优化掉多少人吧？
我没有得到正面回答。事实是，100 倍的效率提升，落到公司的营收增长上，只体现了 50% 或者 1 倍。
差距在哪？现在还没人能说清楚。
“用了这么多 token，公司应该基因突变成另外一种公司才对。但到底变成什么，我也不知道。”
有一个做 toB 销售出身的创始人告诉我，他团队 16 个人，两个销售，在 12 个月内从零做到三千万美金 ARR，这是全靠 AI coding 搭出来的。这种案例你确实偶尔能看到。但大多数时候，我看到的是创业公司搭出了更多东西，但这些东西也没有 product-market fit（PMF，产品市场匹配）。
硅谷现在很流行用 vibe coding 去尝试 100 种做法，看看哪一种能行得通，而不是只试 10 种。但谁能抓住下一个发展趋势？还很难说。
让我印象最深的一个反例来自 Anthropic 内部。我问一个 Anthropic 的朋友，你们自己用 agent 最痛苦的场景是什么？他说是 oncall（即时响应）。
Oncall 任务的一个典型场景是：如果 Claude 的 API 突然响应变慢、某个模型推理节点挂了、用户反馈某类 prompt 输出异常，oncall 工程师需要快速定位问题根源，判断是代码 bug、算力分配问题还是模型本身的异常，然后决定怎么修。
Anthropic 自己就是全世界做 Coding agent 最强的公司，这个场景离他们的核心能力近得不能再近了，结果他们内部的 oncall agent 还是不好用。
这就是 2026 年 4 月的真实状态：蒸汽机已经被发明了出来，但它有时候跑得还没有马车快。关键是所有人都知道蒸汽机终将跑得更快，所以都在疯狂砸钱：代码安全也不管了，token 预算爆了，排行榜卷起来了。至于到底什么时候蒸汽机能真的跑过马车？没人知道，但没有人敢停下来等那一天。
因为停下来的代价，可能比烧错 token 更大。
而且 token 消耗量，大概率不是线性增长的。这让我想到我以前做自动驾驶的经历：2021 年我们在上海，首次实现了连续 5 小时无接管的自动驾驶。当时觉得是一个重大突破，在那之前，测试车队可能是 10 台、15 台、20 台慢慢增加；但过了那个拐点之后，很快就到了 100 台、1000 台。今天的 Coding agent 正处在类似的阶段。
2021 年在上海，滴滴自动驾驶首次实现连续 5 小时无接管连续行驶，这是国内自动驾驶的一个里程碑事件。图为时任滴滴自动驾驶公司 COO 孟醒，与谷歌 “无人车之父”Sebastian Thrun 的对话，2021。
METR 是加州一家专门评估 AI 编码能力的研究机构。他们去年提出了一个指标：衡量 AI agent 能以 50% 成功率完成多长的任务（按人类专家的完成时间算）。2025 年 3 月首次发布时，Claude 3.7 Sonnet 的这个数字还是 50 分钟；到了 2025 年底，Claude Opus 4.6 已经做到了 14.5 小时。过去两年，这个指标的翻倍周期，从 7 个月压缩到了 4 个月。一旦 agent 的可靠性再上一个台阶，token 消耗就不是每年加 50% 的问题，而是一夜之间上一个数量级。
有一个获得朋友们共识的预测，到今年年底，不少公司（包括科技大厂），实际上只需要 20% 的人。
xAI 团队雪崩之后，造火箭的人开始造模型了
在 Mountain View 一家牛排馆，晚上九点多，一位曾经跟马斯克工作了很久的朋友，坐到了我对面。聊了三个多小时，我后来回想，整个过程里他似乎没有说过一句马斯克的好话。
一个细节：我问他，你在 xAI 干了三年，每天的节奏是怎么样的？他说三年来基本都住在公司，所以家里都没怎么布置，甚至连床都没有买。在公司睡的是那种 sleeping pod（睡眠仓），跟青年旅馆差不多。我说你现在拿着巨额股权，也都离职出来了，好歹买个床吧。他笑了笑。
xAI 的工作强度在硅谷是出了名的，但如今早期团队大概已经走了 90%。他们有一个离职群，天天在加人。
导火索是 Tony Wu 被开掉，然后连锁反应，用一位内部人的话说，“别的公司可能需要酝酿半年的高管团队出走，xAI 只需要一个月”。有些人在去年 10 月，就感知到马斯克的不满意了，但没想到这么快全部清洗。
现在马斯克开始从 SpaceX 和特斯拉调人过来接管 xAI，“造火箭的人开始造模型了”。
马斯克的不满，来自于他砸了无数资金和算力，结果 Grok 一直没能进入一线，但为什么？这是我遇到每个 xAI 出来的人，都会问的问题。答案其实比我想象的简单，一位朋友说得很直接：团队的战斗力非常强，工作也极其拼命，但制造业的管理方式，可能不适合大模型公司。
我做了八年自动驾驶，对这件事有一些自己的感受。马斯克过去做 SpaceX、做特斯拉，本质上做的是系统工程：链路很长，涉及软件、硬件、供应链，每一块都有创新空间，但最终是一个端到端的工程问题。
他擅长的是在这种长链条里，识别出关键杠杆点，然后极限压缩时间线来攻克。火箭发动机级联、复用着陆，都是这种思维的产物。
但在 xAI，他做的不像是系统工程。他现在做了三件事：先砸一个全球最大的 GPU 集群（甚至今天大家调侃说，xAI 本来是个 neo lab，现在更像是个 neo cloud 了，变成给 Cursor 提供算力了），然后给团队定脉冲式的 deadline，再亲自拍一些产品特征。这是在抓几个点，不是在做完整的规划。
做自动驾驶的人都知道，一到后期，软件团队、infra 团队、硬件团队之间 “谁领导谁” 就变成核心矛盾。三个方向都需要 CTO 级别的人来做决策，但没有一个人同时懂这三个领域。好的做法是，创始人虽然每块都不全懂，但知道怎么平衡资源、确定阶段性优先级，这段时间软件优先，下一阶段推给 infra。这叫有全局规划。
xAI 的问题是没有这个全局规划，只有冲刺。如果压力不那么大，聪明人之间其实能自修复，给他们时间，各个方向会自己找到协作的节奏。但马斯克的超高压管理，加上不充分的全局规划，一压就散了。每个方向的负责人都在保自己的优先级，没有人在做全局的统筹。
SpaceX 和特斯拉之所以如此成功，一个被忽略的原因是，在这两个行业里，马斯克基本没有遇到过同等量级的竞争对手，他是跟自己卷的。但 AI 不一样，AI 是连 OpenAI 都可能被 Anthropic 偷家的惨烈竞争程度。
