据Polymarket称，Uber称高额AI投入难以证明回报，代币用量增多但消费者收益不明。

据Ethan Mollick在X上指出，Meta内部以消耗AI算力（token）排名并争当“Token Legends”，这与《奖励A却期望B》的激励错配风险高度相似（Mollick分享了论文链接）。据The Information报道，该排行榜将token使用量与生产力和影响力挂钩，形成以算力消耗为地位符号的内部竞争（The Information）。依据The Information，这可能引发对LLM过度调用，导致成本上升、延迟与吞吐波动、以及资源拥塞等运营风险，而非提升可验证的业务产出。对AI管理者的机会在于以结果为导向重构指标，如可验证实验数、成功推理的单位经济性、服务SLO与延迟预算达标率，并配套团队级配额、成本可视化、速率限制与评测基准等治理手段，以避免被token驱动的激励扭曲（信息来源：The Information与Ethan Mollick）。