最早拥抱AI的人，正陷入新的疲劳困境

文丨硅基研究室kiki

你或许已经注意到，越来越多人开始出现一种“AI疲惫”的状态。

从科技大厂描绘的庞大Token产能蓝图，到隔三差五更新一次的日均Token调用数据，我们正在步入一个Token急速膨胀的阶段。如今，不消耗十几万Token、没有几个自己的Skill，似乎都不好意思说自己真正懂AI。

这几天，不管是同事．skill、前任．skill等各类Skill突然走红，还是另一种“反蒸馏”Skill开始冒头，本质上都是在避免自己的知识与经验被同事或上级进一步封装成Skill。

两种人，使用着同样的工具，听上去确实有些抽象，也有点荒诞，对吧？

可这恰恰真实映照出普通职场人在AI浪潮前的焦虑与疲倦：AI越发强大、Token消耗不断攀升，原本一天的工作AI几分钟就能完成，为什么我们反而更累、更不安了？

我了解到，如今不少公司已经把AI使用情况正式纳入日常工作的考核体系。

在国内不少互联网大厂里，绩效评估已经和Token消耗直接绑定，有些部门甚至还建立了AI排行榜——包括Token使用量、AI出码率、AI生成代码行数等指标，谁消耗的Token越多，谁就越容易拿到更高绩效。

也有大厂产品经理告诉我，内部的确在推动全员开发skill，每周都会有同事分享案例：“不做就意味着落后”。

比起中国的大厂，国外同行在这件事上可能还要更激进。Meta组建了专门的人工智能小组，较早就用排行榜把AI使用情况做成游戏化机制；谷歌也开始强制部分非技术管理者使用AI助手Agent。

在摩根大通内部，则搭建了追踪AI工具使用情况的仪表盘，AI还会给员工分类标记：你到底是轻度用户、重度用户，还是根本不用的非用户？

科技公司们也开始把Token配额包装成一种“隐性福利”。

过去评判大厂福利看薪资、看免费三餐、看办公环境，如今则开始看公司愿意给多少Token。

阿里计划向员工发放Token额度，腾讯每年给员工提供最高22万Token配额，英伟达也准备向技术工程师提供相当于基础工资约一半的Token预算，黄仁勋甚至直言：

“Token是工资、奖金、股权之外的第四种薪酬。”

当老板们通过“胡萝卜加大棒”的方式推动普通员工时，对一部分人而言，焦虑已经从绩效评分延伸到了Token消耗，一场新的数字刷量竞赛就此展开。

谁消耗的Token更多，仿佛就意味着谁更高效；谁能做出更厉害的skill，就像对业务有更深理解。一位电商从业者告诉我，现在公司里已经形成了一条隐形鄙视链：如果没人“养虾”、Token消耗不够多，就会被看低。

那么问题来了，这样的评价机制真的无懈可击吗？

显然并不是。

为什么说它并不成立？

先讲一个发生在媒体行业里的魔幻案例。

在一些合作稿件中，甲方通常会提供Brief，而最近同行们普遍感受到，越来越多的Brief其实是由AI生成的。有的甲方当然不会明说是AI写的（尽管“DS味”很明显），有的则会直接承认，理由是：“资料太多，我先让AI整理了一个思路，供你们参考”。

反过来，一些甲方又会拿AI检测工具来检查稿件里的AI含量。有些稿件因为“AI味”过重，甚至还会在社交媒体上引发争议。

AI写Brief，再拿来写AI稿，一套颇为荒诞的闭环就这样形成了，可这真的有价值吗？人人都去养龙虾、到处都是Skill，真的会带来成倍提升的生产力吗？

我也把这些问题抛给了身边一圈来自不同行业、日常频繁使用AI的人。

一位程序员告诉我，在日常工作里她有九成代码都由AI完成，一个项目的交付周期从一年压缩到了4个月，但工作却越来越多、项目压力也越来越大，今年她所在的小组已经有两名员工主动离职。

一位算法工程师，同时也是Vibe Coding的重度使用者，他告诉我，现在每天他连自己的Clade Code Session都回复不过来，一天并行跑多个任务，注意力被严重切碎，有时甚至会忘记自己最初为什么开始。

还有一位非技术岗位从业者，在电商行业负责运营，老板要求全面接入AI、搞“小龙虾”，仿佛现在文案、脚本、产品图只要没有AI参与就不合格。

AI知名博主张咋啦最近的一篇文章让我感触很深，她提到自己在深度使用AI之后，已经进入一种“半ADHD”的状态，AI的上下文窗口（Context Window）早已不是问题，但人类自己的上下文窗口却快要装不下了。

AI进化的速度实在太快，如今碳基生物已经在拼命追赶硅基生命了。

这些围绕AI产生的焦虑和疲惫，也被研究者称为“AI脑炸”（AI brain fry）。

《哈佛商业评论》曾研究来自各行业大型公司的1488名美国全职员工，结果发现，相当数量的员工都出现了思维变迟钝、头痛以及决策速度下降等症状。

为什么会出现AI脑炸？这项研究提出了三点很值得注意的观察：

第一，使用AI时最耗神的事情其实是监督AI。研究指出，对人工智能进行高强度监督，往往意味着参与者会承受额外的精神疲劳。

第二，AI实际上增加了工作量。除了监管AI之外，AI的加入还扩大了员工的职责边界，要求他们在同样时间里面对更多工具和更多结果，认知负担明显上升。

第三，并不是AI工具用得越多，生产效率就一定越高。研究发现，当员工同时使用的AI工具从一种增加到三种时，生产力会明显提升，但一旦超过三种，生产力评分反而会开始下滑。

而这些疲劳的根本来源，在于我们忽视了人类最珍贵的一种资源——注意力本身是稀缺的。

如果你去问那些AI创业者或深度AI用户，AI究竟如何改变了他们的工作，大多数人通常会给出一个偏乐观的回答：

AI接手了我更多任务，我的工作日轻松了不少，效率提升也越来越明显。

但真实情况又是什么？大多数人也许正在经历的，正是前文提到的AI疲惫与AI脑炸：拥抱了AI，工作却并没有像想象中那样减少。

ActivTrak是一家美国专注于劳动力分析和生产力管理的SaaS公司，他们最近做了一项很有意思的调查。

通过收集从2023年1月1日至2025年12月31日期间，1111家公司、163638名员工以及超过4.43亿小时的行为数据，他们发现：

AI并没有真正重新分配工作量，反而推高了工作负荷；协作扩张的速度已经超过了人们注意力能够承载的边界。生产力的确有所上升，但这种提升越来越依赖碎片化处理，而不是深度投入。

这份调研中的一组数据也非常惊人：工作日看似缩短了，但工作开始得更早了、协作时间变多了、注意力也被进一步稀释了。

• 专注效率下降到60%，创三年来最低水平（2023年为63%）

• 平均专注时长减少了9%——从每天14分23秒降至13分7秒。

• 协作总量暴涨34%，达到每日5200万。

• 多任务处理时间提升了12%，达到每天1小时33分钟。

• 周末工作量增长了40%以上

这指向了AI进步背后一个隐蔽的危机：AI正在放大一场注意力危机。它确实解决了一部分效率问题，却也引发了更深层次的疲惫与倦怠。

这份报告还指出了另一个现象：面临工作倦怠风险的员工比例上升了23%，从19%显著升至23%。

出现倦怠的原因其实并不复杂，因为被释放出的精力并没有得到合理管理——要么是老板持续分派那些并不更有价值的工作，导致工作强度进一步加码；要么是员工自身并不具备精细规划注意力的能力。

这也是当下很多人都在面对的关键问题：AI确实帮我们节省了那些看得见的时间，但这些省下来的时间究竟该怎么用？

这不正成了一个新的难题吗？

你可能想不到，100多年前，凯恩斯就曾预言过这个问题。

这位经济学家曾预测，到21世纪初，随着资本积累、生产力提升和技术进步，人类本应进入一片“经济乐土”，每周工作时间可能不会超过15小时，但他同时也提出了一个问题：

人们将如何度过这些闲暇时间？

100多年过去了，即使技术已经如此先进，我们依然没有给出明确答案。

带来巨大生产力提升的AI，也同步带来了新的意义危机和价值危机。使用AI技术的职场人一方面看见了效率提升，另一方面也感受到自己更忙了、压力更大了，甚至更难彻底从工作中抽离。

当消耗Token、制造Skill，逐渐变成新的KPI，打工人拼命刷量，想借此证明自己没有被AI时代淘汰，却也在无形中加快了AI替代自己的速度。

更重要的是，凯恩斯所说的闲暇时间在短期内也并不会真正到来。一个残酷的现实是：你借助AI节省下来的那几个小时，最终会被更多待解决的问题和更多待跟进的项目重新填满。

至少在当下，AI疲惫并不会减轻或消失，因为AI仍在经历更激进的演化——就在写这篇文章的时候，硅谷新一轮大裁员已经开始了。

AI带来的究竟是工作的解放，还是一台转得越来越快的跑步机？这正逐渐成为这个十年里最具决定意义的问题之一。

参考资料：

1、哈佛商业评论：When Using AI Leads to “Brain Fry”

2、ActivTrak：2026 Stateof the Workplace——AI Adoption & Workforce Performance Benchmarks