当工资和 Token 开始争夺同一块预算

过去，软件公司的开发成本主要是人的成本。办公设备、云资源和软件许可证当然也要花钱，但真正决定团队规模的，通常还是工资、奖金、股票和围绕这些人产生的管理费用。项目要增加产出，最直接的办法是增加人手；人数多了，再增加管理者协调这些人。

AI Native 改变了这套成本结构。一个工程师的生产能力不再只取决于他的时间和经验，还取决于他能调用多少机器智能。代码生成、资料研究、方案比较、测试、文档、数据分析，甚至规划和任务拆解，都可以交给 Agent。过去需要增加人手才能完成的工作，现在可能只需要给现有团队增加模型权限和 Token 预算。

从这一刻开始，工资和 Token 就进入了同一张预算表。

企业面对的问题不再只是要不要采用 AI，而是同样一笔开发预算，究竟应该分给人，还是分给机器。当两者都能转化为产出，资本一定会比较它们的价格、效率、风险和可替代性。这听起来冷酷，却已经是一个越来越具体的问题。

扁平化消灭的可能不是管理者，而是纯粹的执行者

我们通常把组织扁平化理解为减少管理层级。工程师向经理汇报，经理向总监汇报，总监再向更高层汇报。层级减少以后，信息传递更快，审批链路更短，靠近一线的人也应该得到更多决策权。

AI 时代的扁平化可能走得更远。它精简的不只是管理岗位，也可能消灭“只负责执行”的角色。

当 Agent 能写代码、补测试、整理文档、分析日志和修改方案以后，人的工作会逐渐向任务链的两端移动：一端定义目标，另一端判断结果。中间那些曾经占用大量时间的执行步骤，越来越多地交给机器。

于是，每个人都开始变成管理者。工程师管理 coding agent，设计师管理图像模型，产品经理管理研究和原型 Agent，管理者则管理由人和 Agent 组成的系统。所有人都在拆任务、分配上下文、检查产出、处理异常，再决定下一轮做什么。区别只在于，有人管理十个 Agent，有人管理一群正在管理 Agent 的人。

传统意义上的基层生产者不会立即消失，但“把别人定义好的任务准确执行完”，越来越难成为一个稳定的职业位置。未来留下来的基层员工也要承担过去属于管理者的工作：理解目标、调度资源、验收结果和承担责任。

扁平化因此不是简单地把组织图压薄。它把管理能力下放到每一个岗位，同时把执行能力从人的岗位里抽出来，装进按量计费的模型和 Agent。每个人都更像经理了，但不一定因此得到经理的权力、收入和安全感。

资本看到的是两种生产要素

站在资本的角度，人和 Token 都是生产要素。

人需要工资、奖金、股票、办公空间和管理成本，也会请假、离职、产生情绪，并且需要时间成长。Token 按量计费，可以随时增加或减少，没有劳动合同，也不要求晋升。只看表面成本，机器智能当然很有吸引力。

可两者并不能简单互换。Token 可以生成一万行代码，却不对生产事故负责；可以给出十套方案，却不知道哪一个符合组织真正的利益；可以在几分钟内读完所有文档，却未必理解那些没有写进文档的历史、关系和妥协。

资本真正想找的，是一个更便宜的人机组合：少量拥有判断力、能够承担责任的人，加上大量可以随时调用的机器智能。

假设过去一个团队需要二十五个人，现在十个人借助 Agent 就能完成同样的工作。公司可能会保留十个人，把另外十五个人的一部分成本换成 Token。产出不仅不会下降，甚至可能提高几倍；人数少了，沟通链路也更短。

但十个人不会天然成为终点。模型继续进步以后，公司还会重新评估：十个人能不能变成八个人？八个人能不能变成六个人？如果管理 Agent 的流程已经标准化，最初搭建流程的人还剩下多少不可替代性？

资本不会因为某个组织结构曾经运转良好，就停止寻找更高的回报。只要工资和 Token 在争夺同一块预算，人的比例就会不断被重新计算。

中层管理者既是改革的执行者，也可能是下一轮改革的对象

中层管理者在这场变化中的处境很微妙。

他们首先是资本意志的执行者。公司要求提高 AI 使用率，他们负责推动转型；公司开始治理 Token 成本，他们负责制定额度和追问投入产出；公司要求组织扁平化，他们负责重新分配职责、扩大管理跨度，并解释随之而来的人员变化。

从短期利益看，中层管理者有动力证明自己能用更少的人完成更多工作。一个经理如果能把二十五个人的工作压缩到十个人，同时继续提高产出，很容易被视为执行力强、管理有方。

与此同时，AI 也在侵蚀中层管理者存在的基础。状态汇总、进度跟踪、资源排期、依赖识别、会议纪要和跨团队信息传递，曾经构成大量管理工作。Agent 越擅长这些事情，组织就越会追问：既然基层员工可以直接管理 Agent，高层也可以通过系统获得实时信息，中间还需要多少人？

中层管理者因此可能陷入一个并不陌生的困境：为了证明自己的价值，必须积极推动一场最终会削弱自己价值的改革。他越成功地证明 Agent 可以替代执行岗位，公司就越可能继续检验 Agent 能否替代协调岗位。今天负责优化别人的人力成本，明天自己也会出现在成本分析表里。

现实的出路，是把价值从传递信息和监督流程，迁移到更难被系统吸收的部分：建立信任、培养判断、处理冲突、承担风险，并在信息不完整时作出决策。但岗位消失的速度，未必会给每个人留下完成迁移的时间。

基层生产者面对的是一场危险的生产率博弈

站在基层员工的角度，最直接的问题是：我应该多用 Token，还是少用 Token？

少用似乎更安全。如果我不借助 Agent，至少可以证明这份工作仍然需要人；如果不把全部流程自动化，公司也许就看不到减少岗位的可能。

这种安全感很脆弱。其他员工会使用 AI，竞争对手会使用 AI，行业的生产率标准也会变化。拒绝工具并不能阻止工具进步，只会让自己率先落后。

那么，尽可能多用 Token 是否更好？短期看当然如此。你能更快交付，承担更大的工作范围，并成为转型中的先进生产者。危险也在这里：你越成功，越可能亲手证明原本需要几个人的工作，现在一个人就能完成。你建立的 Agent、工作流和知识库一旦被组织接管，原本属于个人的效率优势就会变成新的团队基线。

今天，你因为效率提升三倍受到表扬；明天，三倍产出可能成为岗位的最低要求。

AI 时代的基层员工因此面对一个近乎残酷的悖论：不用 AI，会因为低效率失去位置；充分使用 AI，又可能帮助组织证明这里不再需要这么多人。

这不是个人努力能够独自解决的问题。它本质上是生产率收益如何分配的问题。如果员工创造的全部增量价值都归公司，理性的员工就不会真心推动最彻底的自动化。他可能隐藏高效流程，不愿把个人 Agent 交给组织，也不愿把提示词、评估方法和工作习惯沉淀成公共基础设施。

这不一定是自私。一个人如果知道完成自动化的奖励，是未来用更少的人承担更多工作，就很难对这场改革毫无保留。

如果不再增加工资，能不能把 Token 发给人

要让资本、管理者和基层生产者的利益更接近，或许需要重新理解工资。

传统工资购买人的时间、能力和责任。Token 购买机器的推理与执行。公司控制两种预算，员工领取工资，再申请使用公司掌握的机器资源。员工没有动力替公司节约 Token，也很难分享 Token 带来的生产率收益。多用或少用，最终都只是成本中心里的一个数字。

不妨做一个激进的思想实验：公司不再按传统方式给员工发工资，而是把预算直接以 Token 的形式发给员工。

这里的“发 Token”不能只是给员工一个不能提现、月底清零的内部额度。那仍然只是公司预算换了一个界面。真正的生产资料要在一定程度上归员工支配：员工可以把 Token 用于工作；没有用完的部分可以被回购，转换成现金、奖金或股票（即传统的工资）；员工也可以主动投入更多 Token，承担更大的责任和产出目标；Token 发给每个人的量和员工的职级也就是调度资源的能力相关。

个人获得的回报可能变成：基础保障、责任报酬、可支配 Token，再加上增量产出的分成。

站在资本一边，这种安排把一部分固定人力成本变成了与产出相关的可变成本。站在中层管理者一边，他的任务从控制人数和限制 Token，变成帮助团队寻找更合适的人机组合。站在基层生产者一边，Token 不再只是提高工作要求的鞭子，也成为自己可以配置、可以节约并有机会变现的生产资料。

听起来三方利益终于一致了。但这套安排里藏着一条无法绕开的交换条件：如果公司愿意回购剩余 Token，就必然会大幅提高对目标的要求。

原因很简单。只发 Token，不提高目标，所有人最理性的选择都是尽量不用，把额度攒下来等待公司回购。所谓生产资料账户很快就会退化成另一种奖金。资本不可能接受这种结果。为了让员工真的投入 Token，公司一定会把目标提高到一个“不用 AI 很难完成”的水平，再让员工在更高目标和剩余额度之间选择。

这时，绩效评价会变得比今天直接得多，也残酷得多。员工不再只解释自己做了多少工作，还要解释：为什么用了这些 Token？为什么没有用更多或更少？在给定工资和算力以后，为什么只交付了这个结果？如果另一个人用更少的 Token 做得更多，你的差距来自能力、判断、任务难度，还是运气？

更棘手的是，我们根本说不清什么叫“有效结果”。代码行数不是，关闭的任务数不是，Token 使用量当然也不是。收入可以衡量销售，却很难归因到一个基础设施工程师；短期交付可以衡量速度，却可能掩盖半年后的维护成本；一次漂亮的自动化可以减少人数，也可能把风险集中到少数无人理解的 Agent 上。

而且，定义结果的人也身处利益关系之中。资本希望指标能连接利润，中层希望指标能证明管理有效，基层希望指标承认那些难量化但必要的工作。不同层级掌握的信息不同，承担的后果也不同。不存在一个天然中立的“有效结果”等着大家去发现。

所以，Token 工资和公司回购并不会消除博弈。它只是把博弈从“涨多少工资”，推向“谁有权定义目标、谁来解释结果、谁承担测量错误”。生产关系可能更顺了，绩效关系却会更紧。本文不打算为所有岗位发明一套统一指标，因为那样的答案并不存在。真正需要看清的是交换关系：员工获得可支配和可回购的生产资料，公司一定会要求更高、更明确的产出；而目标越明确，无法被指标表达的贡献就越容易被牺牲。

为什么不能简单地让员工把 Token 拿到外面卖掉

如果 Token 属于员工，一个自然的问题是：用不完的部分能否卖给别人？

这很诱人。员工会认真衡量每次调用的价值，公司也能通过价格发现哪些团队真正需要算力。但企业购买的模型服务通常绑定账号、数据、安全边界和采购合同。Token 背后不仅是一张计算券，还可能包含企业折扣、内部知识访问和合规责任。允许对外转售以后，数据泄露、套利、税务和账号滥用都会随之而来。

更现实的办法是内部回购和交易。员工未使用的额度由公司按约定比例回购，也可以转给其他项目，换取奖金、预算积分或长期激励。这样保留了 Token 的经济价值，又不让它离开企业的安全边界。

这套制度仍然可能被玩坏。员工可能为了兑换奖金而少用本该使用的 AI；管理者可能为了压缩预算设置不合理的目标；公司也可能把原本应该支付的现金工资，包装成价值不稳定、不能提现的内部额度。

因此，任何 Token 薪酬都必须建立在足够的基础工资和劳动保障之上。它只能用来分享新增生产率，不能成为削减基本保障的借口。否则，这不是利益一致，只是把技术和经营风险从资本转移给员工。

利益一致不能建立在单方面承担代价之上

资本希望降低成本、提高回报；中层管理者希望证明组织效率，同时保住自己的位置；基层生产者希望获得稳定收入、基本尊重，并分享自己创造的价值。

三者并非天然对立。更高的生产率可以让公司获得更大利润，让管理者承担更大责任，也让员工得到更高收入。冲突来自收益和风险的分配方式：如果收益全部向上集中，而失业、技能贬值和工作压力都由基层承担，AI Native 转型最终会变成一场零和博弈。

Token 工资的思想实验至少把过去隐藏的交换摆到了桌面上。员工得到一部分机器生产资料及其剩余价值，公司获得大幅提高目标的正当性，管理者负责在两者之间定义任务、分配资源和评估结果。但它也把最困难的问题暴露出来：目标由谁制定，结果由谁衡量，错误的指标伤害谁？

这些问题没有统一答案。不同岗位、项目阶段和风险水平需要不同的评价方式。对资本最容易计算的指标，未必代表长期价值；对个人最公平的描述，也未必能让组织分配有限预算。承认这种不可通约，比假装存在一张客观、完美的绩效表更诚实。

至少有一条底线应该明确：生产率提高带来的收益不能只属于一方，测量失败带来的风险也不能只由另一方承担。否则，再精巧的制度设计，也只是把单方面压价包装成技术进步。

给被时代淘汰的人保留尊严

每次技术革命都会创造新岗位，也会让一些旧能力失去价格。站在多年后的统计图上，这可能只是生产率提高、行业迁移和就业结构调整。落在一个具体的人身上，它可能意味着收入中断、职业身份瓦解，以及过去十几年经验突然不再被市场需要。

我们很容易对这些人说：“拥抱变化”“学会使用 AI”“提升不可替代性”。这些话不能说错，却常常轻得像一句风凉话。

不是每个人都有同样的学习时间、家庭条件和转型窗口。有人刚刚在一条旧轨道上熬到熟练，轨道就被拆掉了；有人背着房贷和孩子，没有资格停下来重新成为初学者；还有一些人的能力并没有消失，只是企业找到了更便宜的生产方式。

他们不是改革的反对者，也不是时代的失败者。很多人只是承担了生产率进步中最集中的那部分代价。

如果企业因 AI 获得巨大的效率收益，就有责任拿出一部分，为被替代者提供更长的缓冲期、真正有用的培训、内部转岗机会和有尊严的离开方式。社会也不能只享受更便宜的产品和更高的利润，却把全部转型成本留给失去工作的人。

同情不会阻止技术前进。只有当人们相信自己不会因为一次技术变化就被毫无解释地抛弃，他们才更愿意参与变化。

资本当然会计算回报。但一个组织如何对待那些不再出现在最优成本组合里的人，决定了它究竟只是一个利润机器，还是仍然是由人组成的共同体。

个人应该多用 Token，还是少用 Token

回到最开始的问题，答案不是简单的多或少。

个人必须学会大量使用 AI。不掌握新的生产工具，只会更早失去议价能力。保留低效率不能保护岗位，拒绝自动化也无法让行业停在原地。

但不能用 Token 数量证明自己的价值。Token 是成本，不是功劳。真正值得积累的能力，是定义问题、组织 Agent、判断结果、承担责任，以及用合理的总成本完成有价值的事情。

更重要的是争取生产率收益的分配权。未来员工应该关心的不只是“公司给我多少 Token”，还包括：我用这些 Token 创造了什么？新增价值如何在公司、管理者和生产者之间分配？如果我的效率让团队少雇了几个人，我得到了什么，那些离开的人又得到了什么？

当工资和 Token 开始争夺同一块预算，个人真正要守住的，不是拒绝机器进入自己的工作。机器已经进来了，也不会再离开。

我们要守住的是另一件事：不能让机器创造的全部增量价值绕过劳动者，也不能让那些被时代推离生产线的人，在失去位置之后，连最基本的尊重都一起失去。