AI 写代码越来越快，这事没人否认。真正开始变味的是另一层：不少团队并不是在追求更好的软件，而是在追求一张更好看的成本结构表。

404 Media 最近一档播客把三件看似分散的事放在一起讲：WeddingTok 把婚礼、订婚、生育做成情绪流水线；一个叫 Malus 的 AI“clean room”工具，试图在版权与许可边界上克隆开源软件；创业圈迷上的“tokenmaxxing”，核心就一句话——多买 token，少招人。单看像杂谈，串起来却很清楚：今天最顺手的技术叙事，越来越擅长把人当输入项。

这次更值得看的，不是模型多强，是公司怎么花钱

如果只盯着代码生成准确率、补全速度、上下文窗口，结论很容易跑偏。新信息真正补强的一点是：硅谷不少公司现在痴迷的，不只是“让 AI 辅助人”，而是把“多烧算力、少雇员工”包装成更先进的经营方式。

这就是“tokenmaxxing”的意思。它不是严肃学术词，更像圈内黑话，但很能说明心态：

  • 算力支出，容易被讲成增长投资
  • 人力支出，常被讲成组织负担
  • 模型先跑一遍，成了很多岗位重写流程的默认前提

这和旧式自动化降本并无本质区别，只是外衣更时髦。以前企业说流程优化、数字化转型，现在说 agent、copilot、AI-native。词变了，算盘没变。天下熙熙，皆为利来。

对开发团队来说，影响也更具体了。最先到来的往往不是大规模裁员，而是三件事：招聘冻结、初级岗位缩水、工作被拆成更适合模型处理的小块。很多原本靠结对、评审、讨论积累起来的工程能力，会被压成“先让模型出稿，人再去补锅”。速度会上来一点，判断力未必留得住。

问题不只在代码质量，更在贡献关系被抹平

旧的争论常停在一个层面：AI 写的代码到底好不好，bug 多不多，能不能维护。这个问题当然重要，但还不够。

播客里提到的 Malus，把另一层风险抬到了台面上。所谓“clean room”在软件史上并不新鲜。过去它常被用来做兼容实现：一组人研究接口或行为，另一组没接触原代码的人据此重写。这套做法在特定边界内有其合法性和工程价值。

今天尴尬的地方在于，生成式 AI 把这条边界推得更滑、更省事，也更容易失礼。它未必已经被法院明确判成违法，但它可能带来一个现实后果：

  • 原作者还在，名字不见了
  • 许可证还在，精神被架空了
  • 社区贡献还在，回馈链条断了

这对开源开发者尤其要命。很多开源项目本来就不是靠巨额回报维持，而是靠署名、许可、声誉和社区互惠在撑。一旦这些被“高效复用”吞掉，表面上代码还在流通，实际上传播的是不带关系的原料。模型吃掉的不只是文本和代码，还吃掉了贡献的来路。

我对这件事最不买账的一点，是行业很喜欢把它讲成纯技术中立。不是。技术可以中立，产品目标函数和商业激励从来不是。你把什么算作成本，把什么算作资产，系统就会朝那个方向长。亚当·斯密讲分工提高效率，但分工的前提是责任链还在；如果最后只剩拆碎劳动、抽干署名，那就不是分工，是抽租。

“AI 让团队更高效”这句话，越来越需要拆开看

很多管理层现在把一个局部事实，硬说成整体结论。局部事实是：某些编码环节确实更快了。整体结论却被偷换成：团队因此更高效、组织因此更精简、产品因此更有竞争力。

这中间差了好几道关。

代码生成提速，不等于需求更清楚。提交次数增多，不等于系统更稳定。人手减少，也不等于协作成本同步下降。工程管理最麻烦的部分，本来就不是把函数写出来，而是决定写什么、为什么这么写、出了问题谁负责、未来怎么改。

如果公司只是把 AI 当作“把产出数字抬上去”的工具，那很容易出现一种假繁荣：PR 更多，demo 更快，真正难啃的架构债、测试债、产品债还在原地。火箭赢了半场，客户输了整场。

这也是为什么我觉得“tokenmaxxing”比“AI 写码提效”更值得警惕。后者讲的是工具能力，前者暴露的是决策偏好。一个团队如果开始系统性偏爱 token，而不是偏爱能承担责任的人，那它优化的多半不是产品，而是报表。

平台、模型、创业公司，其实在重复同一种懒惰

404 Media 那三条线索放在一起看，很像一面镜子。

WeddingTok 靠人生节点放大焦虑。AI clean room 靠社区成果降低获取成本。tokenmaxxing 靠算力叙事压低用工曲线。表面上分别属于内容平台、模型工具、创业管理，底层却是同一套逻辑：哪部分最容易被机器吞下去，哪部分就先被改写成低价输入。

这不是新鲜人性。报业时代抢稿、电商时代卷流量、平台时代榨创作者，套路都见过。历史只是在换接口。其兴也勃焉，其算也精焉。不同的是，这一轮连“人为什么愿意贡献”都在被一起消耗。

对普通开发者，最现实的影响不是明天会不会被 AI 彻底替代，而是岗位结构会先变：

  • 初级岗位更难拿到完整训练机会
  • 中级岗位要承担更多模型纠错和责任兜底
  • 开源贡献者更难从贡献里换回可见回报

对团队管理者，真正该盯的也不是“每人每天多生成多少行代码”，而是三件更硬的事：

  • 招聘是不是越来越偏向少数高责任岗位，砍掉培养型岗位
  • 开源使用流程里，是否保留署名、许可继承和回馈机制
  • AI 生成的代码，出了事故后责任到底怎么落到人身上

如果这些问题继续含糊，所谓 AI 提效就很可能只是把成本往后推，把风险往人身上压。

技术行业很爱讲效率。效率当然重要。但如果效率的定义，已经变成让人更便宜、让署名更稀薄、让判断更后置，那这套效率迟早会反噬产品本身。软件不是 token 吐出来就算完成，组织也不是把人减到最薄就会更强。兵贵精，不贵空转；团队贵能断事，不贵会堆算力。