Y Combinator首席执行官陈嘉兴（Garry Tan）近日向人工智能领域的创业者提出一项大胆建议：在AI token使用上无需过度节制，即使面临高昂成本也应优先投入。他以"提前体验2028年科技水平"为比喻，强调创业者应通过大规模使用AI智能体获取技术先发优势。
这位科技投资人主张采用"强度拉满"的使用策略，建议创业者一次性向AI智能体输入80万至100万个token。他认为这种高强度训练能使企业提前掌握未来数年才会普及的AI能力，虽然单年成本可能高达5万至10万美元（约合人民币33.8万至67.6万元），但对于初创企业而言是值得的投资。
陈嘉兴提出"技能化"转化理论：当AI成功完成特定任务后，应将其操作流程标准化为可重复执行的指令集。他特别推崇使用Markdown文件作为载体，将复杂任务拆解为AI可理解的步骤指令。"这种数字化流程就像雇佣了一个永不犯错、随时待命的虚拟员工，"他在访谈中解释道，"每个标准化文件都能持续产生价值。"
这种激进的技术路线在硅谷引发争议。优步技术主管普拉文·内帕利·纳加上周公开表示，公司监测到的AI成本数据表明"tokenmaxxing时代即将终结"。他预测行业将进入效率优先阶段，企业竞争焦点将从token消耗量转向使用效能。
AI编程企业Cognition首席执行官斯科特·吴在六月播客中提出类似观点。他承认大规模使用AI的必要性，但批评以token消耗量评估工程师绩效的做法。"应当关注实际产出而非资源消耗，"这位技术管理者强调，"过度强调token使用量可能导致方向偏差。"
所谓"tokenmaxxing"策略，指刻意追求AI模型的最大处理容量，将技术性能置于成本控制之上。这种实践在生成式AI爆发初期颇为流行，但随着企业级应用深化，资源利用效率正成为新的评估标准。陈嘉兴的公开支持使这场方法论之争再度升温，反映出AI商业化进程中技术理想与现实成本的持续博弈。
