Return on Tokens (ROT)

代币回报率（ROT）——不无聊的 Packy McCormick

代币回报率（ROT）

Markie Wagner 合著

2026年6月10日

欢迎来到新增的192位“不无聊”成员！自星期一以来，已有269,285位聪明且充满好奇心的人加入了我们。点击此处订阅，加入他们的行列：

你好，朋友们👋，

很高兴见到你，祝你周三愉快！

几个月前，我的朋友 Genius Ventures 的 Adam 和 Ben 问我，是否可以让他们介绍我认识他们最喜欢的创始人之一，Markie Wagner。

这位 Markie Wagner？那位选择“优质任务”的 Markie Wagner？那位曾推出过一个经典项目，然后消失多年，如今又悄然准备着一个令人津津乐道的项目的 Markie Wagner？那位在计算机中成长，小时候在加利福尼亚州梦想着让计算机完成那些人类本不该承担的工作的 Markie Wagner？

当然，我非常想认识这位 Markie Wagner。

于是，我们一个月前在 Soho Diner 相遇，我点了一份奶昔，而她却要求他们把一盘水果切开。她问我关于自己的故事，我讲的是无聊的内容，而她则连续一小时讲述她的故事，自然而然地解释了她为何要构建她正在构建的东西，仿佛这一切早已注定。

在其他人得出相同结论之前，她就告诉我，代币最大化是胡说八道，因为她在幕后与那些 Fortune 500 公司的 CEO 交谈时，他们都表示：“我们承诺投入这么多代币，但我不知道我们到底能得到什么。”

我认为她是正确的，我相信她会再次证明自己是正确的。她得到了 Founders Fund、Kleiner Perkins、Genius Ventures 和 OpenAI 的支持，以证明这一点。现在，她正在 Good Quests 之后首次公开解释她的逻辑。

所以，根据 Markie Wagner 的说法，我们正朝着这个方向前进。

让我们开始吧。

今日的“不无聊”由……Deel 带来

刚开始全球招聘？从这里开始。

国际招聘非常复杂。了解什么是雇主记录（Employer of Record），以及初创公司如何利用 EOR 合规地招聘全球人才。

获取指南

与 Markie Wagner 共同撰写

人工智能的承诺是，它将把企业转变为软件，使它们能够通过数百万次微小的迭代不断进化。美丽、理想、复杂的事物只能在时间的漫长试验和错误中逐渐出现。你无法构建完美，只能发现它。

资本主义是组织的进化。数以百万计的企业在市场上竞争，提供他们认为客户想要的产品。一些企业蓬勃发展，一些企业则消亡。每家公司也在进化。人员来来去去。一个实验变成一个流程，一个流程变成一个隐性知识的网络。产品被推出，产品也被淘汰。

这种持续的进化就是我们今天享受的高生活水平的原因，也是为什么未来几代人会认为我们现在的水平是原始的。加速这一过程是我的“优质任务”，因为如果每家企业都能进化到其理想形式，它将创造数万亿美元的价值，并释放其他所有“优质任务”的潜力。

我退出研究领域，因为我感觉攀登的是一座错误的山，我走进美国，只是为了工作，以便弄清楚如何让计算机完成工作，从而让人类能够指导计算机在工作中不断进化。

我之前怀疑并在旅行中了解到的是，市场迄今为止实施AI的方式是错误的。这不是最终的解决方案。这种方式太浪费、太健忘、也太不精确。我曾在这片该死的撒哈拉沙漠中与恶魔搏斗，才学到这个智慧。

Tokenmaxxing 显然不是答案

Tokenmaxxing（字面意思是最大化你或你所在组织所花费的代币数量，通过排行榜进行跟踪，并以小饰品作为奖励）是一种大规模的幻觉，类似于一种商业形式的人工智能精神病。

Tokenmaxxing 是一种实验室培育的超级迷因，其效果甚至超出了实验室的预期。

想象一下。Anthropic 和 OpenAI 分别发布了名为 Claude Code/Cowork 和 Codex 的产品，这些产品本质上是实验室员工，他们被派往客户公司内部工作，并被给予没有消费限制的公司信用卡（Tokenmaxxing 的理念是消费越多，表现越好），代表真正的雇主——实验室进行消费。Anthropic 将大量 Agent 派往 KPMG，KPMG 承诺在获得折扣（token commits）的前提下进行一定量的消费，KPMG 的员工被鼓励使用 Agent 来完成他们能想到的所有事情（很多仪表盘），而这些 Agent，你可以将它们看作是拥有无限制 KPMG 信用卡的数字版 Anthropic 员工，可以随意在 Anthropic 上进行消费，尽情地产生代币账单。那些引导自己的 Agent 使用最多代币的员工被认定为 AI 创新者。

当然，有些人意识到这只是一个幻觉。他们会问一些问题，比如：“但这些 Agent 真的做了什么有用的事情吗？它们不是只是在构建仪表盘吗？请有人展示一下用 Agent 构建的有用的东西吧？”但那些理智的人却遭遇了杀手式的回应：“技能问题。”

有些人被告知，他们正在用 Agent 构建极其有价值的东西，就像有些人曾在夏令营里有过一个非常漂亮的女朋友，但你却从未见过她。如果你无法理解如何做到同样的事情，那么欢迎你加入永久的底层阶级。

一段时间内，所有人都相信了这个说法。市场激励公司消费代币，因此董事会激励领导者消费代币，领导者激励经理消费代币，经理激励员工消费代币。没有人有动力去指出这些代币并没有做任何有用的事情。

OpenAI 为消费最多代币的客户颁发“代币赞赏”奖

我经常和这些人交谈，每家公司都有类似的一番对话。负责 AI 团队的某人会说：“我们这个季度取得了巨大的进展。我们在代币上花了 5000 万美元。”然后每个人都会点头鼓掌。“使用量上升了。我们构建了 3000 个 Agent。我们发布了 1000 万行代码。”而你却会想……什么？然后我会问：“嘿，你们有没有为欺诈 Agent 测量过准确性？”他们回答：“是的……大约 50%。”但人们却达到了 99%！

模型不断改进，而每个人都在进行 Tokenmaxxing，你不想成为那个落后的老古董，所以你继续懒洋洋地将 Agent 投入所有事情中，希望它们能学会。

顺便说一下，这一切恰好发生在实验室从基于订阅的收入模式转向基于消费的收入模式的时候，因此公司根本没有时间准备。

难怪代币使用量，以及因此产生的实验室收入，呈抛物线式增长。

Uber，那个曾经以风险投资补贴需求而闻名的代表性企业，打破了这种魔咒。其首席技术官表示，公司早在4月就已经用完了到2026年Claude Code的令牌预算。到了5月，其首席运营官表示，公司发现更难证明其在人工智能上的支出是合理的，因为人工智能使用与实际推出的功能之间“还没有明确的联系”。

接下来发生的事情，就像《贱女孩》（Mean Girls）中那一幕：蒂娜·费伊（Tina Fey）让同学们如果觉得自己被瑞吉娜·乔治（Regina George）个人伤害了就举手，结果有一只手先举起来，接着所有手都举了起来。

有顾问表示他的客户不小心在Claude Code上烧掉了5亿美元。亚马逊关闭了其AI排行榜。Legora首席技术官雅各布·劳里茨恩（Jacob Lauritzen）告诉哈利·斯蒂宾斯（Harry Stebbings），令牌排行榜“会导致令牌最大化（tokenmaxxing），即人们仅仅为了看起来不错而浪费令牌。这是一种非常愚蠢的做法。”Ramp的维拉尔·帕特尔（Veeral Patel）称其为“令牌赌场”（Token Casino）：“有用软件包裹在让支出看起来像进步的机制中。它始于最古老的把戏：将金钱抽象化。”Palantir首席执行官亚历克斯·卡普（Alex Karp）告诉TBPN男孩们，令牌最大化就像“色情成瘾”。

就连身为知名令牌供应商的萨姆·阿尔特曼（Sam Altman）也承认，在CNBC上表示：“你听到一些公司说，‘我在人工智能上投入了大量资金，我知道一些了不起的事情正在发生，但我也知道存在大量浪费，你知道，当……我需要等多久才能看到它真正体现在收入中？我需要等多久才能真正控制成本？’”他承认，这已经变成了一个“巨大问题”。

问题在于，这些公司专注于最大化令牌，假设令牌等于价值。

每个周期都有其愚蠢的指标。19世纪中期，市场希望用铁路轨道的英里数作为未来垄断及其好处的替代指标，因此铁路公司竞相铺设轨道，即使经常与竞争对手铺设在同一路线上。21世纪初，市场想要眼球，因此互联网公司吸引眼球并将其奉上。2010年代，市场想要收入，因此像WeWork这样的公司提供了收入。

这个周期的愚蠢指标是令牌最大化。

这并不是说令牌没有价值。科尼利厄斯·范德比尔特（Cornelius Vanderbilt）的纽约中央铁路最终变得非常有价值，宾夕法尼亚铁路也是如此。谷歌和Facebook将眼球转化为现金流的能力，比历史上任何人都更擅长将任何东西转化为现金流。Uber最终将收入增长转化为市场主导地位，并在2025年实现了100亿美元的自由现金流。

问题始终是：这个东西能否产生回报？

对于令牌来说，问题是：你的令牌回报率（Return on Tokens，ROT）是多少？

令牌回报率（Return on Tokens）

当你投资一台新机器时，你期望它产生回报。当你雇佣一名员工时，你期望他们产生回报。商业就是投资大小不一并期望它们创造的价值超过其成本的过程。

令牌也应接受同样的标准。

令牌回报率（ROT） = （产出价值 - 令牌成本） / 令牌成本 × 100

因此，提高你的ROT有两种方式：你可以用它们创造更有价值的东西，或者你可以减少在它们上的支出。理想情况下，你以更少的支出创造更多的价值。

由于衡量产出价值比衡量支出更困难，公司首先关注的是减少支出。

现在，这种魔咒已被打破，人们开始冷静地讨论“路由”作为一种降低成本的手段。对于真正需要强大算力的任务，可以使用Anthropic和OpenAI的最佳模型，但大部分工作应使用价格低廉的中国开源模型来完成。Coinbase CEO Brian Armstrong最近的一条推文很好地体现了这种逻辑：

Brian Armstrong

@brian_armstrong

很好的观点。我的猜测是——对智能的需求几乎是无限的，但预计在12到18个月内，80%的工作负载将运行在比当前模型便宜99%的模型上，而20%的工作负载仍将在最新一代模型上运行，这些模型对于智力极限非常重要（如科学突破和高层次任务）。

Tommy

@Shaughnessy119

在我看来，AI可能造成巨大影响的最基本方式。我不是说它一定会发生，但这是我能看到的最明显的方式——按座位订阅的费用被大幅补贴。固定费用定价远低于实际使用成本。对于真正的商业使用，你必须迁移。

2026年6月8日 凌晨12:38

·

267万次观看

467条回复

602次转发

6390次点赞

你可以在OpenRouter AI模型排名中看到这一点。转向中国模型的举措实际上与基于消费的定价同步发生，尽管这是一个已经考虑将路由任务分配给合适模型的用户群体。其余的用户现在正匆忙效仿。

这是一个良好的开端，但无论是美国还是中国模型，代理（Agents）从头开始花费代币来解决所有问题并不是最终的解决方案。

因为你知道什么比中国模型更便宜？代码。

代码，这种传统的确定性代码，不仅便宜，而且更适合大多数经济价值高的工作。我们已经吸取了这个教训。

过去，公司会雇佣人类来完成各种重复性任务。在“计算机”成为数字设备之前，它们是人类。

当计算机是人类时，NASA

大约半个世纪前，我们开始将人类从事的重复性任务，如导弹轨迹计算或企业利润计算，交给软件来完成。代码的运行比最可靠的“人类计算机”更加可靠。它不会犯错，能立即给出答案。无论何时何地，在世界任何地方的Excel表格中输入相同的数字和公式，它都会输出相同的数字。

然后我们有了代理（Agents），我们忘记了这个教训。我们决定将这些伪人类应用于一切，因为别人都这么做。代理在某些方面表现很好，但它们并不适合很多其他任务。

难怪公司无法从代币中获得正向的ROT（代币回报率）。所有的仪表板都已经被“仪表板化”，现在他们却派代理去执行软件的工作。

有一种观点认为，很多公司无法获得正向的代币回报率，是因为他们还不知道如何使用代币，或者还没有重新架构公司以适应AI原生的环境。这可能是Anthropic和OpenAI都推出咨询子公司，以帮助公司更好地部署代币的原因之一。当然，也有许多在AI时代建立的初创公司似乎成功地利用代币实现了显著的收入增长，这体现在他们自己的超音速收入增长中。如果旧经济无法产生ROT，那这就是创造性破坏的体现。

虽然确实并非所有公司都能同样出色地部署人工智能，但我们认为，造成负面ROT（回报率）的更根本的结构性原因在于：代理架构（Agents）并不适合大多数工作。

代理架构（Agents）也不是（对大多数工作而言）

代理架构（Agents）负面ROT的三个结构性原因如下：

代理架构无法在高质量（达到99%）的水平上执行长期任务，而这正是真实经济工作所必需的。

代理会即兴发挥。它们每天都会像第一天上班一样，被重新部署到重复性任务上，这会损害一致性准确性。对于新功能、原型或仪表板，80%的准确性是可以接受的。但对于经济运行所依赖的真正重复性工作，比如欺诈检测或承保决策，80%的准确性就等同于0%的可用性。

工程师不知道该构建什么，因为他们自己并不做这些工作。

我们所描述的大多数流程驱动型工作，实际上是书面规则和隐性规则的结合。代理可以摄入书面规则，但还有大约3000条隐性规则和子规则，存在于人们头脑中，散布在全国各地的办公室里，远离工程师在旧金山的办公桌。AI只能进化它能接触到的东西，这也是为什么它在编码方面表现出色，但在企业中却大多未能实现有用的成果。

最初的罪魁祸首是：没有目标。

如果人们没有目标，代理也没有目标，那么这个系统就无法实现任何目的。没有目标去攀登，代码（无论是人类编写的还是代理生成的）最终都会退化成一堆混乱，因为没有净化力量来判断什么是好、什么是坏。

从懒惰的角度来看，代理的一个优点是，当你被鼓励花费大量token时，你可以直接将它们释放出去，而不需要确切知道你要解决什么问题。它们可以在模糊的指令下运行一段时间，带回一个尚可但不完美的结果，然后再继续运行。

这个过程会增加token的消耗，却不会带来任何价值，这是一条通往负面ROT的快速通道。

人们正在寻找新的事情让代理去做，假设AI会像它对代码所做的那样，为一切事情提供解决方案。但事实并非如此。

实际上，有相当多的工作最适合用普通的代码来完成。挑战在于，直到最近，还没有足够的工程师将企业所做的一切都转化为代码，并在事情变化时进行更新。现在有了。AI使编写代码变得轻而易举，因此，如果我们能够将人们头脑中的知识提取出来，我们就可以将企业转化为代码。

AI 是一个编译器，而不是运行时

基本上，软件的工作分为两个步骤：思考和执行。

首先，思考：你将软件应该完成的目标和需求编译成计算机可以运行的代码。

然后，执行（并重复执行）：每次需要执行任务时，代码都能以低成本和可预测（或确定性）的方式运行。

虽然计算机科学对编译器有精确的定义，但你也可以将软件公司或软件工程师视为一个编译器。他们将目标和需求转化为代码。然后客户购买他们构建的代码，并反复运行。这就是零边际成本软件业务的美妙之处，这也是为什么公司可以以每月20美元的价格出售耗资数百万美元开发的软件，仍然可以获得令人垂涎的利润。

如今大多数人对（以及使用）代理（Agents）的方式是认为它们可以取代软件公司和软件本身。这种想法是错误的。

代理应该取代的是软件公司；它们应该接收以英语（或其他语言）表述的目标和需求，并将其转化为能够不断重复运行、确定性执行的代码。

思考是昂贵的，但发生的频率很低；执行是便宜的，且会一直持续。

代理应该负责思考，代码应该负责执行。

对于大多数经济工作，你希望使用人类来制定规则，使用人工智能将这些规则转化为代码，然后以接近零的 token 成本永远运行该代码，只有在规则发生变化时才再次调用人工智能。

你为什么要用提示（prompt）来加两个数字？直接写一行 Python 代码就行了，伙计。

目前 AI 实现中的“思考-执行”比例（TDR）大约是 1000:1，这并不令人意外。旧金山是一个以思考为主的城市。Anthropic 的帽子上写着一个简单的词：“思考”。

Anthropic 思考帽 + OpenAI Token 欣赏奖，Business Insider

硅谷构建 AI 时假设工作主要是思考，但实际上工作主要是执行。

聊天是一个罕见的例外，你真的不知道接下来会发生什么。因此，也许客服聊天仍然会持续消耗思考 token（尽管即使是客服代理，遇到复杂问题也会转交给人类）。在商业中，几乎没有什么事情看起来像持续的即兴发挥。

因此我们使用代理来执行任务，但代理只是执行领域的“黑莓”（BlackBerry）。它们不是五年后公司内部大多数工作将完成的地方。这些工作将在它们编写的确定性代码中完成。

代理的作用是将任务编译为代码，而不是日常运行和执行任务。这意味着它更像是资本支出（CapEx）而不是运营支出（OpEx）。你认为将要由 AI 执行的一切，实际上只是代码在运行。

每个人都认为将要改变的是 AI 会变成一个人，但真正改变的是企业将变成一段软件。

这就是我们在 Poetic 所构建的世界。

将企业转变为能够进化的软件

我们正在打造对抗 tokenmaxxing（最大化 token 使用）的方案：一种能够自我 tokenminn（最小化 token 使用）的软件。

Poetic 是一种新型软件：像 AI 一样具有适应性，像代码一样可靠。

我们使用 AI 作为编译器。我们通过接收企业所写下的所有流程，然后前往内布拉斯加、普罗维登斯或任何工作发生的地方，坐在人们肩上，反复询问“你刚才做了什么？”“你为什么要这么做？”数百次，以学习支撑每家公司运作的数千条隐含的、非显性的规则。然后，我们将这些规则转化为代码。

代码是运行时。当世界保持不变时，这段代码每次都会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、测试自身是否符合目标，然后运行新的代码，直到世界再次发生变化。

结果是 token 使用量减少了 100 倍，复杂任务的准确性达到九个 9。换句话说，你每花费一个 token，它就能完成 100 倍的工作，并且准确无误。

产出的价值增加了，因为 Poetic 执行的是你企业真正需要反复执行的任务。同时，token 的成本降低了，因为 Poetic 只有在世界发生变化时才使用 token。结合起来，Poetic 产生了清晰、可衡量的 token 投入产出比（Return on Tokens）。

我们今天正在为像AIG、SoFi和Chime这样的公司做这件事。AIG首席执行官Peter Zaffino表示，Poetic已经“在多小时的流程中实现了99%以上的高质量成果，真正为企业创造了价值。”

这些公司的领导者相信我们所相信的：每一家企业都必须重新创立为一家软件企业。未来十年的故事，就是这些新企业的开端。其中一些将是真正全新的企业，从零开始构建；另一些则是已经存在了几百年的企业，它们足够勇敢，敢于重新发明自己。

每个人都谈论这样一个事实：过去需要重新配置工厂以利用电力，因此得出的结论是“那些能够投入大量电力解决问题的新企业将获胜。”但真正需要做的是将企业重构为代码。

要做到这一点，需要深入基层，深入到公司内部，无论他们在哪里，了解他们的运作方式，并将他们的逻辑迁移至程序中。我们需要有人去明尼苏达州，问他们：“你们整天到底在做什么？”

我们团队的大多数成员都是工程师，其中很多人来自Palantir，他们经常花几周时间与客户一起现场工作，从他们那里学习，深入到最细节的层面。

“社会工程师”这个词听起来不太好，但与整天坐在办公桌前向Claude发出指令的工程师相比，他们才是真正的“社会工程师”。理解人、商业和人工智能的工程师将统治世界。如果你觉得这描述的就是你，欢迎加入我们，加入Poetic。

这是一项艰苦的工作，但到目前为止，人工智能时代最大的错误就是相信任何值得做的事情都能很容易完成。

这件事是值得去做的。这是我一直以来都想做的事情，因为管理我们世界的所有机构，每一家企业、每一个政府，都做了很多没有意义的事情，运作速度远远低于应有的水平，严重阻碍了工作的进行。

我们的目标是为每家企业发现完美的流程——一套理想的步骤计划，以实现你的目标。随着世界的演变，这一目标也将不断演变。

人工智能的作用不是“代理式”的，即边走边发挥创造力。它是一种进化力量：不断改变、测试、评估哪种计划最成功，并坚持执行，直到出现更好的计划。

最终，企业就是如此。它是一段活着、不断进化的软件，不断重新配置、测试、评估自己，以最快的速度朝着理想形态前进。人类存在的意义是定义“好”的样子，而不是如何到达那里。塑造行为，引导行为。

在生产环境中运行后，系统会记录发生的一切。每一步骤，每一个争议、承保案例、保险索赔，都会被记录下来。因此，每一次流程变更都变得可以测试。通过几分钟的回测，就能知道“如果……会怎样”的答案。在影子模式下运行两种场景，比较结果，决定哪种更好。

当影响完全可知时，风险就很小——你知道确切会发生什么。改变就变成了一种选择。然后，选择就变成了：哪种结果是理想的？流程负责人，即确保流程实现其上级目标的人，只需做出选择。

要做出改变，你必须知道这个改变会带来什么影响。生成代码很容易，但要了解运行代码后会发生什么却很难。几个月后，你就能在几分钟内回答诸如“如果我们批准所有金额低于25美元的争议会怎样？”之类的问题。

然后，通往最理想流程的攀登之路将开始。专家们通过实验，提出各种假设性问题。现在，人类不再是瓶颈，他们可以开始探索了。

这就是最终阶段。

每一家企业不仅仅是一段软件代码；它是一段持续编辑、测试、评估变化的软件代码。以尽可能高的帧率进化，向其最正确的形式攀登。所有的能量都用于进化，探索规则的理想形式。

我们不是用代币来运营企业，而是用代币将企业转化为代码并使其进化。我们通过“tokenminn”来实现“ROTmaxx”。

在数十亿年的进化过程中，我们从海洋中的黏液，通过不断尝试和错误，进化成了鱼、蜥蜴、田鼠、猴子，最终成为人类。

我们不想等待数十亿年，让企业进化成它们多样而理想的形式，而代理（Agents）也不会去构建它们。你无法构建一只蝴蝶。

美丽、理想、复杂的事物只能通过进化产生。我想加快这个过程，看看我们能走多远。

感谢Markie分享她的知识，感谢Adam和Ben的介绍！

今天就到这里！我们将在周五的邮件中与你再次见面，带来每周精选内容。

感谢阅读，

Packy