以前AI工具就像科技公司里的免費自助餐——誰家模型好用，就先端上桌；誰家代碼工具順手，就先拿來寫；不知道怎么吃，就來幾盤“龍蝦”開開胃。token像餐盤里的薯條一樣一把一把往外盛。

結果到了2026年上半年，自助餐廳開始查券了。

今年3月前后，谷歌因容量不足限制Meta對Gemini的使用。Meta想購買更多Gemini相關計算資源，但谷歌無法滿足全部需求。

4月22日，據《洛杉磯時報》報道，谷歌大多數員工因為安全原因，被禁止使用Claude Code、Codex等競爭對手工具，但可以申請例外；與此同時，部分DeepMind團隊，包括Gemini、內部應用和開源模型相關團隊，仍在使用Claude Code。

5月14日，The Verge披露，微軟開始取消大部分Claude Code內部許可證，把開發者導向自家的GitHub Copilot CLI。

6月10日，微軟又因為Anthropic的數據留存要求，限制員工使用Claude Fable5。

6月28日，《金融時報》披露了谷歌限制Meta使用Gemini的細節，原本發生在幕后的算力短缺，以“巨頭之間限量供應模型容量”的形式浮出水面。

緊接著，6月29日，The Information披露Meta內部文件：公司正在限制員工在AI模型構建中使用Claude和Codex。

隨著模型越來越先進，AI變成了大廠的核心生產資料，AI大廠之間的關系也因此變得微妙。

AI大廠彼此之間既是客戶也是競爭對手，他們既要調用對方最強的模型能力，又怕自己的數據、代碼、工作流和模型路線被對方吸走。

AI的自由試用期結束了。AI大廠，正在互相設防。

圖片由AI生成

01

AI大廠開始互相限制了

只看今年被報道出來的事件，Google是最早被看到“內外兩頭設閘”的大廠之一。

據《金融時報》報道，早在3月前后，谷歌就已經開始限制Meta對Gemini的使用。

從報道口徑看，并不是谷歌不想賣，是Meta想購買的Gemini相關計算容量太大，超過了谷歌當時能夠提供的規模。

換句話說，Meta想多拿一些Gemini，但谷歌的“后廚”供不上，所以只能限量供應。

大模型調用不同于傳統軟件授權，即使客戶愿意付錢，也不一定能買到足夠的容量。每一次調用背后都是真實的算力需求。

谷歌一邊在外部給Meta設限，一邊也在內部給自己人設限，不讓自家員工使用競爭對手的AI編程工具。

4月22日，《洛杉磯時報》報道稱，谷歌大多數員工因為“安全擔憂”，被禁止使用Claude Code、Codex等競爭對手工具，如果能證明有業務理由，則可以申請例外。

與此同時，部分DeepMind團隊，包括Gemini、內部應用和開源模型相關團隊，仍在使用Claude Code。

這件事讓谷歌公司內部出現了所謂“Claude haves and have-nots”，用還是不用，這是個問題。

谷歌在這種情況下顯得非常矛盾：一邊，公司正在推動員工更積極地使用AI，一些工程師甚至被設定了具體AI使用目標，并可能影響績效評估；另一邊，不同團隊能拿到的AI工具并不一樣。

據報道，部分員工認為谷歌內部模型在編碼能力上不如Claude，于是“能不能用Claude”就不只是工具偏好，直接變成了效率的差異。

從谷歌的立場上來看，它也不是不知道Claude Code、Codex好用——關鍵AI團隊仍然在使用這些外部工具，至少說明外部AI編程工具在谷歌的一線研發里仍有不可忽視的價值（就連它自己都承認了Coding落后）。

公開報道沒有披露谷歌“安全擔憂”的具體細節，但從企業內部使用AI編程工具的場景看，這類擔憂通常會涉及代碼、內部文檔、產品信息和工作流數據進入外部模型。

說完了谷歌，微軟也有類似的擔憂。

The Verge 5月14日報道稱，微軟開始取消大部分Claude Code內部許可證，把開發者導向自家的GitHub Copilot CLI。

據報道，Claude Code在微軟內部很受歡迎，但它畢竟是Anthropic的工具。把員工導向GitHub Copilot CLI，一方面可以控制成本，另一方面也是把內部AI編程工作流重新放回微軟和GitHub自己的體系里。

不久后，微軟又開始限制Claude Fable 5。

6月10日，據The Verge報道，微軟因Anthropic的數據留存要求，限制員工使用Claude Fable 5。

報道稱，微軟法律團隊正在評估員工內部是否可以使用這個模型，擔心點主要集中在客戶數據、內部代碼和機密信息。

到6月底，Meta也開始跟進，給外部模型設閘。

The Information 6月29日披露，Meta內部文件顯示，公司正在限制員工在AI模型構建中使用Claude和Codex。

報道標題直接點出了原因：Meta擔心競爭對手模型的輸出可能進入自家的訓練數據，從而觸發蒸餾、法律和競爭風險。

Anthropic的條款可是明確禁止用戶使用Claude輸出訓練與Anthropic競爭的模型，也禁止支持第三方這樣做；OpenAI的條款也寫明，用戶不得使用OpenAI服務的輸出開發與OpenAI競爭的模型。

這些大廠并不是同一種限制，但共同說明了一件事：AI工具已經不再是可以隨便試用的效率插件了。

它消耗算力，流過代碼，接觸客戶數據，影響產品入口，甚至可能成為訓練下一代模型的原料。

大廠不是不用彼此的模型，是不敢再隨便用了。

02

大廠給AI的三道防線

一個員工多裝一個軟件、多開一個網頁、多試一個工具，通常不會影響公司的底層資源分配。

但AI不一樣，每一次模型調用背后，都是算力、token、代碼、數據、權限和輸出資產。

當AI變成了公司的核心生產資料，公司對待它的態度自然也發生了變化。

把這段時間的信息串在一起看，大廠開始給AI工具設三道閘。

第一道閘是資源。

算力和token都不能無限用。

大模型不是傳統軟件。傳統軟件賣出去以后，邊際成本很低，但大模型每一次調用，背后都是真實的算力賬單。尤其是長上下文、代碼任務、Agent工作流，消耗的資源遠比普通問答更重。

問題是，AI競爭已經進入算力緊缺的階段。

路透社今年多次提到，微軟、亞馬遜、Alphabet和Meta等巨頭2026年AI相關資本開支已達到數千億美元量級；其中2月報道提到約6000億美元，3月轉述S&P Global Visible Alpha的口徑則約為6350億美元。這是一場歷史級別的資本開支，但即便如此，市場仍然在討論這些錢什么時候能轉化成足夠的可用算力。

最近的存儲和內存價格上漲，也是一個非常直觀的信號。

路透社6月援引摩根士丹利（Morgan Stanley）報告稱，受大型科技公司AI基礎設施投資推動，內存芯片價格在過去一年已經上漲約6倍。摩根士丹利把這種現象稱為 “芯片通脹（chipflation）”：最初只是AI基礎設施瓶頸，現在已經外溢到硬件利潤率、設備價格、云成本、資本開支和供應鏈延遲。

谷歌限制Meta使用Gemini，就是最直接的資源側限制。路透社轉述稱，這一短缺影響并推遲了Meta的部分內部AI項目，其他谷歌客戶也受到影響，只是程度較輕。與此同時，Meta已經要求員工更高效地使用AI tokens。

也就是說，連Meta這種大客戶愿意付錢，也不一定能買到足夠模型容量；連谷歌這種云和AI基礎設施巨頭，也不得不在客戶之間分配算力。

第二道閘是數據。

代碼、客戶信息和內部機密，不能隨便進入外部模型。

這不是大廠過度敏感，他們已經有過前車之鑒。

早在2023年，三星半導體部門員工就被曝多次把敏感信息輸入ChatGPT，包括用于排查問題的源代碼和內部會議內容。隨后，三星臨時禁止員工在公司設備上使用ChatGPT等生成式AI工具。

員工一旦把代碼、會議記錄和內部資料輸入外部模型，數據就已經離開了公司的可控邊界。

這類行為也不是孤例。Cyberhaven早期監測顯示，ChatGPT上線后，4.7%的員工至少一次把敏感公司數據粘貼進ChatGPT；員工粘貼到ChatGPT的內容中，約11%屬于敏感數據。

AI研發場景里的數據風險更大，做開發的人都知道，發布代碼前檢查API key有沒有被誤提交是基本操作。到了AI數據集、模型訓練和開源樣本共享場景里，這個問題會被放大。

同為2023年，微軟AI研究團隊就曾在分享開源訓練數據時，因為錯誤配置Azure存儲訪問token，導致38TB私有數據暴露，其中包括私鑰、密碼、內部Teams消息和員工工作站備份。

在AI Coding已成趨勢的現在，大廠員工使用AI時，反而更需要注意數據的邊界。

本地部署可以把數據留在公司自己的環境里，減少代碼、日志、客戶信息進入外部模型的風險。對于一些安全要求很高的場景，比如內部代碼審查、日志分析、客服數據處理、合規文檔整理，本地模型或者私有云部署會越來越重要。

但當模型的能力和工作效率掛鉤，員工想用的往往不只是“一個能用的模型”，而是當下最強、最順手、最會寫代碼的工具。本地部署一個開源模型或許能解決一部分數據邊界問題，但很難復刻外部工具的完整體驗和能力。

這也是為什么谷歌會因為安全擔憂限制大多數員工使用Claude Code、Codex，為什么微軟會因為Anthropic的數據留存要求限制Claude Fable 5。

本質上，這種限制是對公司數據的保護。

第三道閘是資產。

模型輸出，不能隨便進入競爭對手的研發流水線。

資產閘有兩個開關，在模型提供商和模型使用商的兩邊。

對模型提供商來說，他們要防蒸餾：Anthropic的條款禁止用戶使用Claude輸出訓練與Anthropic競爭的模型；OpenAI也禁止用戶使用OpenAI服務的輸出開發與OpenAI競爭的模型。

也就是說，模型可以被調用，但輸出不能隨便拿去訓練下一個競爭模型。

大模型公司的核心資產不只是模型權重，也包括模型輸出中體現出來的能力：代碼能力、推理方式、任務拆解、合成數據、評測樣本、某類問題的標準解法。如果競爭對手可以大規模調用一個強模型，再把這些輸出整理成訓練數據，就等于用別人的能力給自己的模型補課。

所以，模型提供商必須在條款里把這件事堵住。他們的這道閘寫在條款里。

對模型使用商來說，他們則要自證清白。

這道閘和第二道閘幾乎是一件事情的兩面：數據閘關心我的數據會不會進入外部模型，資產閘則關心外部模型的輸出會不會影響我。前者防的是自己的數據流出去，后者防的是別人的能力流進來。

合規問題是不得不考慮的一環。

Meta限制Claude和Codex，限制的是模型構建場景。據The Information 披露的Meta內部文件，公司擔心Claude或Codex的輸出進入自己的模型構建流程，比如訓練數據、合成數據生成、評測、模型優化或代碼基礎設施。

因為一旦這些輸出進入研發流水線，就可能被對方認為：你在用我的模型能力訓練或改進你的模型。

更進一步，如果這種調用變成大規模、系統性抓取，就可能被模型提供商視為蒸餾攻擊。

路透社6月24日報道，Anthropic在給美國參議員的信里提出指控，稱與阿里巴巴及Qwen AI實驗室相關的操作者，在2026年4月22日至6月5日之間，使用近2.5萬個虛假賬號與Claude進行了2880萬次交互，試圖通過蒸餾提取Claude能力。雖然這條消息還不是公開訴訟，但它已經進入了政策和監管語境。

說來好笑，《連線》雜志6月29日報道稱，Meta的一個承包商項目讓數百名外包人員偽裝成未成年人，去測試ChatGPT、Gemini、Character.AI等競爭對手的聊天機器人。項目由Meta承包商Covalen管理，內部代號Cannes，至少到2026年4月21日仍在運行。

這些承包商被要求創建虛假的未成年人賬號，向競爭對手的聊天機器人提問多種高風險內容，有時還會發送圖片，再把回復復制進表格。

Meta的說法是，這是標準的安全測試和benchmarking。但就事論事的話，很難說沒有觸犯到模型的競爭邊界。

資產閘，可以看做大廠給自己的模型研發流程留出的合規余地。

不然，未來一旦出現模型能力爭議、合同糾紛或監管審查，公司很難證明自己的模型沒有借用競爭對手的輸出。

03

AI行業進入了新的競合階段

“三”這個數字很有意思，請容許我偏一點題：在希臘神話體系下，從世界秩序到命運走向，從神靈權柄到英雄宿命，“三”無處不在。

希臘神話里，進入冥界要通過三道關卡：先渡過冥河，由擺渡人卡戎帶路；然后遇到守門犬刻耳柏洛斯；最后進入審判體系。其中刻耳柏洛斯是三頭犬，十字路口坐著冥界的三位判官，就連冥界本身也分為三層。

現在，AI大廠的入口也多了三道防線：

資源不能無限用，數據不能隨便流，輸出不能隨便拿去訓練。

透過這三道防線，我們可以看到，AI行業正在進入一個新的競爭合作階段。

在這個階段，每家公司都同時有兩種身份。

一方面，它們是模型提供方，它們當然希望自己的模型被更多人使用，被接進更多產品、被放進更多企業工作流里。

另一方面，它們也是模型使用方。沒有哪家公司可以閉門造車，最強的模型、最好的編程工具、最成熟的云基礎設施、最豐富的企業入口，往往分布在不同公司手里。

這些大廠考慮的事情很多，它們既想讓別人用自己的模型，又不能讓別人拿自己的輸出訓練競品；它們既想用別人的模型提高效率，又不能讓自己的數據、代碼和研發流程失去控制。

合作還會繼續，但大廠之間的AI合作已經不會是過去那種“應有盡有”的關系了。

在云計算時代，大廠之間也會互為客戶。Netflix可以跑在AWS上，蘋果可以使用Google Cloud，微軟的軟件也可以服務競爭對手。那時候，基礎設施和應用之間的邊界相對清楚：你租我的服務器，我提供算力、存儲和網絡；你的數據、產品邏輯和業務流程還在你自己的系統里。

當然，云時代也有安全、合規和供應商鎖定問題，不過，從整體來看，它還像一種基礎設施租賃關系。

但這套邏輯在大模型上已經難以適用了，因為大模型不僅僅是基礎設施，還是能力本身。

你調用我的模型，本質上是在付費使用我的模型能力；你把我的輸出接進你的流程，不只是拿到一個結果，也可能把我的能力沉淀到你的體系里。

這條連接會帶來效率，也會帶來風險。

大廠之間的連接因此變得更加敏感。過去只是流程細節的問題，現在都變成了合作的前置條件：誰能用、用多少、數據怎么進出、輸出能不能復用……

早些年，當AI只是效率插件時，誰好用就用誰，但當AI變成了核心生產資料，它就必須被權限化、配額化、審計化和邊界化。

AI工具自由試用期，已經結束了。