整理 | 屠敏

出品 | CSDN（ID：CSDNnews）

據外媒 The Verge 最新報道，一向在 AI 領域大手筆投入的微軟，正在大幅縮減員工對 Anthropic 旗下 Claude Code 的直接使用權限，并逐步引導員工轉向自家的 GitHub Copilot CLI。

問題顯然不在于 Claude Code 不夠好用，而是 AI 使用成本已經高到連科技巨頭都開始“踩剎車”。

前腳全面開放，后腳緊急“收緊”

就在半年前，微軟還在大力推廣 Claude Code，向數千名員工開放權限，覆蓋工程師、產品經理、設計師等多個崗位，鼓勵大家在開發流程中嘗試 AI 輔助，以提升工作效率。

憑借出色的代碼生成、調試和上下文理解能力，Claude Code 很快融入微軟員工的日常工作，成為不少開發者的重要工具，甚至深度嵌入整個開發流程。

但短短幾個月后，微軟內部風向明顯轉變。公司開始取消大部分 Claude Code 的直接授權，不再允許員工自由使用這款外部 AI 編程工具。

當然，這并不意味著微軟與 Anthropic 的合作徹底結束。雙方在企業服務層面仍保持緊密合作：微軟繼續通過 Azure Foundry 為企業客戶提供 Claude 模型訪問能力，此前對 Anthropic 的數十億美元投資也沒有變化，而 Anthropic 依舊大量采購 Azure 算力資源。

真正發生變化的，是微軟內部的 AI 使用策略。

微軟希望員工逐步回歸自家生態，將開發工作流遷移至 GitHub Copilot CLI，完成從“依賴外部 AI 工具”到“使用內部 AI 平臺”的轉變。

而這一調整背后的核心原因，其實只有一個：AI 成本正在迅速失控。

「CSDN 讀者專屬福利」，免費領100小時云算力

支持主流 AI 框架與模型部署

咖啡領取鏈接：https://s.csdn.cn/4nPsOp

Token 計費像“無底洞”：AI 越好用，企業越燒錢

微軟此次“踩剎車”，本質上是被 AI 行業的 Token 計費模式逼出來的。

與傳統軟件的固定訂閱費不同，大模型產品通常按 Token 使用量收費。用戶輸入越多、模型生成越長，成本就越高。即便模型效率持續提升，也難以抵消整體使用量暴漲帶來的支出壓力。

而 Claude Code 恰恰屬于 Token 消耗極高的一類工具。

工程師在使用這類 AI 編程助手時，往往需要輸入大量代碼上下文、項目結構、需求說明，再讓模型生成完整代碼、調試方案甚至重構建議。相比普通聊天機器人，一次請求消耗的 Token 數量可能高出數十倍。

隨著微軟員工越來越依賴 Claude Code，相關運營成本也迅速攀升。原本用于提升效率的工具，逐漸變成了一個巨大的“成本黑洞”。

這種焦慮并不只存在于微軟內部。

今年 4 月，網約車公司 Uber CTO Praveen Neppalli Naga 在接受 The Information 采訪時透露，公司僅用四個月，就耗盡了原本規劃到 2026 年的 AI 編碼工具預算。

此前，Uber 還曾積極推動員工使用 AI 工具，甚至通過內部排行榜統計團隊 AI 使用情況。

類似情況也出現在其他科技巨頭身上。

亞馬遜曾鼓勵員工盡可能提高內部 AI 工具的 Token 使用量；Meta 內部甚至有人，用于監控 AI 使用頻率。

更有不久之前，“龍蝦”之父 Peter Steinberger 公開了一個月的 OpenAI API ，揭示 3 人團隊，在 30 天內消耗 130.5 萬美元，約合人民幣 890 萬元，調用 6030 億個 Token，發起 760 萬次 API 請求，支撐約 100 個 AI 編程代理全天候運轉，消耗之大，令人瞠舌。

這些舉措表面上是在推動 AI 落地，背后卻隱藏著越來越沉重的成本壓力。

就連算力巨頭英偉達的應用深度學習副總裁布萊恩·卡坦扎羅也于近期坦言：“對我的團隊來說，算力成本已經遠高于員工工資成本。”可見當前 AI 基礎設施的昂貴程度。

行業分析師普遍認為，未來十年企業 AI Token 消耗量還會持續暴漲。尤其在 AI Agent 普及之后，一個自動化任務可能需要連續調用多個模型、執行長鏈路推理，其 Token 消耗遠高于今天的聊天式交互。

即便單個 Token 的價格未來下降，企業總體 AI 開銷仍可能持續增長。

科技巨頭的兩難：想靠 AI 降本，卻先被 AI 燒穿預算

微軟這次調整，也折射出整個科技行業面臨的共同難題。

一方面，AI 確實能夠提升效率、加速開發流程，高管們也都希望借助 AI Agent 重塑未來辦公模式；但另一方面，大規模部署 AI 所帶來的算力、推理和 Token 支出，正在迅速吞噬企業預算。

作為 AI 浪潮中的核心玩家，微軟過去幾年已經向 OpenAI 和 Anthropic 投入數百億美元，希望同時掌握模型能力、云服務與開發生態。

但內部實踐很快暴露出一個現實問題：外部 AI 工具雖然強大，卻難以真正“可控”。

成本、數據安全、工作流適配，以及長期技術依賴，都會成為潛在風險。

相比之下，自家的 GitHub Copilot 雖然體驗未必完全領先，但至少能與微軟內部代碼倉庫、安全規范和開發流程深度整合，也能避免持續向外部模型廠商支付高昂費用。

這也是微軟選擇推動 GitHub Copilot CLI 的關鍵原因之一。

說到底，Claude Code 再優秀，它終究是外部產品；而對于微軟這樣的巨頭來說，AI 不只是工具，更是未來核心基礎設施。

比起省錢，開發者更在意“夠不夠好用”？

過去兩年，AI 行業依靠補貼、低價策略和資本擴張快速搶占市場；如今，隨著廠商開始追求盈利，企業也終于開始直面一個現實問題：大規模使用 AI 的成本，遠比想象中更高。

但對于不少一線開發者來說，成本未必是最優先考慮的事情。

在 HN 上，也有不少網友展開激烈討論。有開發者表示，外界總在討論“應該有選擇地使用更便宜的模型”，但這和真實的工作環境其實存在很大偏差：

“我每天都面臨著持續的壓力——如果代碼產出速度不夠快，就可能被裁掉。在這種情況下，我根本不敢拿自己的飯碗去賭，去使用那些效果沒那么好的模型。節省 Token 成本這種事，在績效考核里幾乎沒人會獎勵你，更何況也很難真正量化你到底省了多少錢。”

換句話說，在很多團隊里，“效率”和“結果”依然壓倒一切。

只要更強的模型能更快解決問題、減少返工，即便價格更高，開發者往往也更愿意繼續使用。

還有網友 Terretta 進一步指出，所謂“使用便宜模型降低成本”，很多時候其實是在把機器成本轉嫁成人力成本：

“你省下來的 Token 費用，最后可能會變成人類花更多時間去修 Bug、修提示詞、修錯誤結果。長期來看，這未必是一筆劃算的交易。”

在他看來，目前很多 AI Agent 最大的問題，并不是“不會干活”，而是“不會思考”。復雜任務被拆分給一堆能力不足的小模型后，經常會生成大量低質量結果，最終又需要人類重新收拾殘局。

因此，比起讓一群低成本 Agent 相互協作，更有效的方式，可能反而是直接讓最強模型理解完整上下文，再由它完成關鍵推理。

這其實也折射出當前 AI 行業一個越來越明顯的分歧：

• 企業管理層關注的是 AI 成本、ROI 和預算壓力；

• 而一線開發者更在意的，則是工具到底能不能真正提升效率。

AI 最終會走向“便宜優先”，還是“效果優先”，或許還沒有明確答案。

但可以確定的是，當 AI 真正開始進入生產環境后，行業討論的重點，已經從“能不能用”，變成了“值不值得長期用”。

https://www.storyboard18.com/digital/microsoft-reins-in-claude-code-usage-as-soaring-ai-costs-expose-cracks-in-enterprise-adoption-99069.htm

https://news.ycombinator.com/item?id=48238896

免費領取 100 小時 AI 算力｜CSDN 讀者專屬

加入 AI 開發者計劃獲取：

? AI 算力資源? 官方技術社群? Workshop 與 AI Academy? 開發者專屬福利

立即掃碼，前 50 名額外領取「瑞幸咖啡」

咖啡領取鏈接：https://s.csdn.cn/4nPsOp