黎诗景是广东一家大数据公司的AI架构师。2025年，公司购入了美国一款AI编程工具的企业会员，技术员工在业务中使用token不限量。但从今年年初开始，公司退订了企业会员，改为每人每月限用200元的token。与此同时，黎诗景的KPI早已被上调。公司虽未明说效率要翻倍，但这一隐形要求已渗透进日常工作安排中。她此前负责的一个项目，评估下来需一个半月，却被主管直接驳回，认为有AI协助，三周内理应上线。如今，token预算缩减，公司及上司却默认效率需翻倍，黎诗景只能自掏腰包购买token，先用Trae和WorkBuddy的免费额度，不足时再充值DeepSeek。
**一、自费买token的打工人**
石健在上海一家传统企业的技术部门工作。公司相对保守，未购买任何大模型企业会员，但技术负责人鼓励团队使用AI，同时提高了工作质量和效率标准，近期还裁掉了两名员工。作为产品经理，石健3月新项目启动时token消耗激增，免费额度告罄，他只能自费购买。起初开通海外模型月费20美元，5月增至60美元，6月起开始搭配国产模型以降低开支。虽花费不菲，但他未向领导提及报销。流程繁琐且预算严格，看不到明确回报，公司不可能出资。团队工作量按年度计划排定，看似未增，实则压力倍增，下班时间延后。为了应对上司更高的要求，石健利用AI省下的时间做更多事或探索新方案。团队曾试图通过AI培养全栈工程师，但因协同复杂度过高失败，两名前端工程师被裁，岗位由后端填补。石健更担心，若AI提效被高层注意，明年可能加量不加人，实质仍是削减人力。
冯少林所在公司高层对AI态度暧昧，不发token，且明确要求部分工作内容禁用AI。但从3月起，他和同事工作量明显增加。在他看来，这是“你用AI写代码我不管，但别让我看出来”的暗示。公司规模小，主营业务竞争激烈，疫情后技术人员已裁减两三成。冯少林和多数同事都在自费买token，每月约100元，用于分担约四成“杂活”。若报销，领导可能认为工作被AI分担，影响涨薪。同时，不自费买token会被视为效率最低，面临被裁风险。老板既怕被时代落下又不愿真金白银投入，导致公司对AI采取“用可以，但不能拿到台面上说”的策略。团队不招新人，一人多岗。冯少林预感，初级产品经理等岗位可能被高级产品经理替代，前端岗位可能被全栈工程师取代。他认为自费买token是自我投资，抢占信息优势，但这也只是信息差，算不上核心竞争力。有人用黑色比喻形容：自费买token，是自己买绳子套在脖子上，不用人拉也能跑得更快。
程一巍在武汉做程序员，明确反对公司发放token，认为“所有发token的公司几乎都关联裁员”。他每月自费token不超过200元，反对发token是为了规避裁员趋势。他认为AI提效幅度有限，公司不会承担费用，最终会从员工身上找补（降薪或裁员），提议发token无异于“亲手打开了裁员的潘多拉魔盒”。近期新闻显示，大厂因token消耗过快开始限制预算，暴露出算力成本增长快于业务收入的问题。楚益认为这放大了焦虑，头部大厂每月token用不完是常态，限额后对大多数程序员仍足够。大厂限制预算是因为token账单太贵且产出未达预期，主要源于浪费和滥用。此外，海外模型定价过高且存在数据合规问题，也限制了企业付费动力。国产模型差距缩小，Kimi K3等已与海外头部模型处于第一梯队。
**二、AI能做什么？**
程一巍认为AI写代码能力在精进，但只占工作一小部分，更多是搞清楚“写什么”和“为什么”。AI擅长替代基础、重复性工作（如查日志），但教会AI的提示词和文档耗费精力可能比写代码还多。冯少林观察类似，AI能完成基础重复工作，核心仍需人。程一巍指出AI有天花板，取决于使用者能力。
楚益认为AI提效与团队水平及管理有关。程一巍和冯少林都发现，AI写代码虽快，但后续维护压力大。代码量暴增，人工审核不过来，bug定位难，尤其是旧系统打补丁时。楚益将此比喻为：AI切菜，程序员面对堆成山的备菜，需负责尝菜、端菜。AI犯错风险高。黎诗景补充，写代码仅占实际工作30%，剩下的是审核和协调。AI效率高，迫使人类效率也提高。楚益提到金融客户对AI期望激进，香港人力成本高，客户希望AI替代更多。
楚益指出，AI给程序员带来的压力已从“写代码”转移到“集成、评审和QA”。若处理不好，团队将陷入“代码审核风暴”，主力工程师时间被消耗在审核上。
**三、人会被AI替代吗？**
石健团队曾尝试培养全栈未果，现在AI使目标更易实现。楚益发现，AI擅长工具类、逻辑固定、样式不复杂的需求（如内部报表），但对精细化打磨（如微信、小红书）和跨终端栈（网页、App、小程序）需求无能为力。楚益判断，只会写代码的码农将被淘汰，门槛将提高至“会业务+会AI+能判断”的“mini中高级工程师”。
楚益认为“AI取代程序员”危言耸听，中高级程序员应供不应求，因代码评审和兜底需求暴涨。AI解决不了人际问题（文化、惯性）。黎诗景认为数量会减少但不会被完全替代。AI需人承担责任，且无法与现实交互、沟通。AI不严谨，不会通盘考虑，易在细节或理想化假设上出bug。
石健发现AI适合独立确定性任务，对绑定历史业务的复杂系统无能为力。需人工梳理衔接。美国新闻印证：Agent虽能写代码调用API，但无法理解企业积累的数据、权限和流程。真正缺的是梳理旧系统的“前置部署工程师”。猎头数据显示，美国符合要求的人才仅约2000人。
黎诗景担心AI介入放大了互联网行业的“无效内卷”。在形式主义严重的公司，项目上线页面数是绩效指标。AI擅长快速堆砌功能，迎合了这套体系。AI生成海量代码，人力无暇审核，只能硬推。风险积压，形成无法预测的巨大风暴，后续维护者加班补窟窿，锅越背越重。