Token 即权力：一个程序员的焦虑与思考
这篇文章源自一次深夜读书后的思考。起点是一篇文章——《发 token 当工资？工程师不只拿现金和期权，开始按 token 分身价了》。读完之后，有感慨，也有担忧，于是梳理成文。
一个让人不安的趋势
如果有一天，你的工资单上除了数字，还有一行「月度 token 配额：500 万」——你会怎么想？
这不是科幻，这正在发生。
有公司已经开始把 AI token 消耗量纳入工程师的考核和激励体系。消耗越多，意味着你越深度地使用 AI；越深度使用 AI，意味着你的产出越高。逻辑上说得通，但细想之下，有些东西开始让人不安。
Token 成为新的生产资料
过去二三十年，开源运动给了个人程序员一个难得的窗口期。Linux、Git、各种开源框架——一个人在宿舍里就能搭出企业级的系统。那是一个相对平权的时代，代码面前，人人平等。
但现在，这个趋势正在悄悄反转。
训练大模型需要数亿美元的算力，推理需要 GPU 集群，连 fine-tuning 都越来越贵。个人能做的越来越局限在「调用 API」这一层，核心能力牢牢攥在少数几家大公司手里。
Token，正在成为新的生产资料。
而生产资料，历来是不平等的根源。
两个可能的未来
悲观版本
程序员职业严重分层：
- 顶层：少数能做系统设计、深度结合业务的人
- 中间层：大幅压缩，被 AI 替代
- 底层：「写代码」的工作慢慢消失
大公司工程师每天用 Claude/GPT 做架构 review，小公司根本没有这个预算。资源不平等转化为能力不平等，能力不平等固化为职业不平等。马太效应，在技术行业上演。
乐观版本
每次生产力工具普及，短期拉大差距，长期降低门槛。
- 以前写 C 才能做系统，后来 Python 让更多人进来了
- 以前算法要手推，现在框架封装好了
Token 成本正在快速下降。DeepSeek、Llama 这些开源模型证明了资源不是唯一壁垒。AI coding 可能让初级工程师干以前中级才能干的事——这是门槛降低，不是门槛抬高。
真正的壁垒不是 Token 消耗量
这里有个容易误解的地方：token 用得多 ≠ 能力强。
真正拉开差距的，是你知道让 AI 做什么、怎么验证它的输出、哪里绝对不能信它。这是工程判断力，不是 token 消耗量。
如果你只是用 AI 更快地完成任务、少动脑子——那你积累的不是能力，是依赖。
反过来，如果你在每次用 AI 的过程中都在想：
“它这里为什么判断错了？”
“这个架构决策它给不出来，因为它不知道我们的历史债务。”
“这段代码它生成对了，但我要理解它，因为下次我得自己改。”
那你积累的是真实的工程判断力。这个，任何公司都拿不走。
对于现在的我，能做什么？
焦虑本身不是问题，问题是焦虑变成了瘫痪。
不确定性没法消除，但可以和它相处得好一点。几件具体的事：
1. 用好现在的窗口期
如果你现在在大公司，有免费无限的 token 配额——这是别人没有的资源，但关键是用来积累判断力，而不只是提高产出速度。
2. 保持一手感知
你每天用 AI coding 工具的真实感受，比任何预测报告都有价值。哪些地方它帮了你，哪些地方它给你挖了坑——这些经验，是你真正的资产。
3. 不要只盯着「进大厂」这条路
开源社区、独立开发、垂直领域——这些对资源的依赖没那么重。反而是「进平台、做基建」这条路，会越来越窄、越来越卷。
4. 想清楚你在积累什么
每一个项目，每一次和 AI 的协作，你在建设的是什么？如果只是完成任务，五年后你可能什么都没留下。如果在建设判断力、积累领域知识、形成自己的方法论——那任何环境变化都打不倒你。
最后
夜深了，这些思考还没有答案。
AI 时代的程序员路在何方，没有人真的知道。但有一件事比较确定：
此刻在认真思考这个问题的人，比完全没在想的人，已经走在前面了。
参考：发 token 当工资？工程师不只拿现金和期权，开始按 token 分身价了（InfoQ）