整理 | 屠敏出品 | CSDNIDCSDNnews据外媒 The Verge 最新报道一向在 AI 领域大手笔投入的微软正在大幅缩减员工对 Anthropic 旗下 Claude Code 的直接使用权限并逐步引导员工转向自家的 GitHub Copilot CLI。问题显然不在于 Claude Code 不够好用而是 AI 使用成本已经高到连科技巨头都开始“踩刹车”。前脚全面开放后脚紧急“收紧”就在半年前微软还在大力推广 Claude Code向数千名员工开放权限覆盖工程师、产品经理、设计师等多个岗位鼓励大家在开发流程中尝试 AI 辅助以提升工作效率。凭借出色的代码生成、调试和上下文理解能力Claude Code 很快融入微软员工的日常工作成为不少开发者的重要工具甚至深度嵌入整个开发流程。但短短几个月后微软内部风向明显转变。公司开始取消大部分 Claude Code 的直接授权不再允许员工自由使用这款外部 AI 编程工具。当然这并不意味着微软与 Anthropic 的合作彻底结束。双方在企业服务层面仍保持紧密合作微软继续通过 Azure Foundry 为企业客户提供 Claude 模型访问能力此前对 Anthropic 的数十亿美元投资也没有变化而 Anthropic 依旧大量采购 Azure 算力资源。真正发生变化的是微软内部的 AI 使用策略。微软希望员工逐步回归自家生态将开发工作流迁移至 GitHub Copilot CLI完成从“依赖外部 AI 工具”到“使用内部 AI 平台”的转变。而这一调整背后的核心原因其实只有一个AI 成本正在迅速失控。「CSDN 读者专属福利」免费领100小时云算力支持主流 AI 框架与模型部署咖啡领取链接https://s.csdn.cn/4nPsOpToken 计费像“无底洞”AI 越好用企业越烧钱微软此次“踩刹车”本质上是被 AI 行业的 Token 计费模式逼出来的。与传统软件的固定订阅费不同大模型产品通常按 Token 使用量收费。用户输入越多、模型生成越长成本就越高。即便模型效率持续提升也难以抵消整体使用量暴涨带来的支出压力。而 Claude Code 恰恰属于 Token 消耗极高的一类工具。工程师在使用这类 AI 编程助手时往往需要输入大量代码上下文、项目结构、需求说明再让模型生成完整代码、调试方案甚至重构建议。相比普通聊天机器人一次请求消耗的 Token 数量可能高出数十倍。随着微软员工越来越依赖 Claude Code相关运营成本也迅速攀升。原本用于提升效率的工具逐渐变成了一个巨大的“成本黑洞”。这种焦虑并不只存在于微软内部。今年 4 月网约车公司 Uber CTO Praveen Neppalli Naga 在接受 The Information 采访时透露公司仅用四个月就耗尽了原本规划到 2026 年的 AI 编码工具预算。此前Uber 还曾积极推动员工使用 AI 工具甚至通过内部排行榜统计团队 AI 使用情况。类似情况也出现在其他科技巨头身上。亚马逊曾鼓励员工尽可能提高内部 AI 工具的 Token 使用量Meta 内部甚至有人专门开发系统用于监控 AI 使用频率。更有不久之前“龙虾”之父 Peter Steinberger 公开了一个月的 OpenAI API 账单揭示 3 人团队在 30 天内消耗 130.5 万美元约合人民币 890 万元调用 6030 亿个 Token发起 760 万次 API 请求支撑约 100 个 AI 编程代理全天候运转消耗之大令人瞠舌。这些举措表面上是在推动 AI 落地背后却隐藏着越来越沉重的成本压力。就连算力巨头英伟达的应用深度学习副总裁布莱恩·卡坦扎罗也于近期坦言“对我的团队来说算力成本已经远高于员工工资成本。”可见当前 AI 基础设施的昂贵程度。行业分析师普遍认为未来十年企业 AI Token 消耗量还会持续暴涨。尤其在 AI Agent 普及之后一个自动化任务可能需要连续调用多个模型、执行长链路推理其 Token 消耗远高于今天的聊天式交互。即便单个 Token 的价格未来下降企业总体 AI 开销仍可能持续增长。科技巨头的两难想靠 AI 降本却先被 AI 烧穿预算微软这次调整也折射出整个科技行业面临的共同难题。一方面AI 确实能够提升效率、加速开发流程高管们也都希望借助 AI Agent 重塑未来办公模式但另一方面大规模部署 AI 所带来的算力、推理和 Token 支出正在迅速吞噬企业预算。作为 AI 浪潮中的核心玩家微软过去几年已经向 OpenAI 和 Anthropic 投入数百亿美元希望同时掌握模型能力、云服务与开发生态。但内部实践很快暴露出一个现实问题外部 AI 工具虽然强大却难以真正“可控”。成本、数据安全、工作流适配以及长期技术依赖都会成为潜在风险。相比之下自家的 GitHub Copilot 虽然体验未必完全领先但至少能与微软内部代码仓库、安全规范和开发流程深度整合也能避免持续向外部模型厂商支付高昂费用。这也是微软选择推动 GitHub Copilot CLI 的关键原因之一。说到底Claude Code 再优秀它终究是外部产品而对于微软这样的巨头来说AI 不只是工具更是未来核心基础设施。比起省钱开发者更在意“够不够好用”过去两年AI 行业依靠补贴、低价策略和资本扩张快速抢占市场如今随着厂商开始追求盈利企业也终于开始直面一个现实问题大规模使用 AI 的成本远比想象中更高。但对于不少一线开发者来说成本未必是最优先考虑的事情。在 HN 上也有不少网友展开激烈讨论。有开发者表示外界总在讨论“应该有选择地使用更便宜的模型”但这和真实的工作环境其实存在很大偏差“我每天都面临着持续的压力——如果代码产出速度不够快就可能被裁掉。在这种情况下我根本不敢拿自己的饭碗去赌去使用那些效果没那么好的模型。节省 Token 成本这种事在绩效考核里几乎没人会奖励你更何况也很难真正量化你到底省了多少钱。”换句话说在很多团队里“效率”和“结果”依然压倒一切。只要更强的模型能更快解决问题、减少返工即便价格更高开发者往往也更愿意继续使用。还有网友 Terretta 进一步指出所谓“使用便宜模型降低成本”很多时候其实是在把机器成本转嫁成人力成本“你省下来的 Token 费用最后可能会变成人类花更多时间去修 Bug、修提示词、修错误结果。长期来看这未必是一笔划算的交易。”在他看来目前很多 AI Agent 最大的问题并不是“不会干活”而是“不会思考”。复杂任务被拆分给一堆能力不足的小模型后经常会生成大量低质量结果最终又需要人类重新收拾残局。因此比起让一群低成本 Agent 相互协作更有效的方式可能反而是直接让最强模型理解完整上下文再由它完成关键推理。这其实也折射出当前 AI 行业一个越来越明显的分歧企业管理层关注的是 AI 成本、ROI 和预算压力而一线开发者更在意的则是工具到底能不能真正提升效率。AI 最终会走向“便宜优先”还是“效果优先”或许还没有明确答案。但可以确定的是当 AI 真正开始进入生产环境后行业讨论的重点已经从“能不能用”变成了“值不值得长期用”。来源https://www.storyboard18.com/digital/microsoft-reins-in-claude-code-usage-as-soaring-ai-costs-expose-cracks-in-enterprise-adoption-99069.htmhttps://news.ycombinator.com/item?id48238896推荐阅读AI又“翻车”Gemini狂删2.8万行代码、系统宕机33分钟还伪造沟通记录谎称“已恢复正常”连 Karpathy 都开始恐慌AI 正在重新定义「程序员」 硅基时间Google搜索迎25年来最大改版Gemini Omni和3.5 Flash两大模型重磅发布免费领取 100 小时 AI 算力CSDN 读者专属加入 AI 开发者计划获取✅ AI 算力资源✅ 官方技术社群✅ Workshop 与 AI Academy✅ 开发者专属福利立即扫码前 50 名额外领取「瑞幸咖啡」咖啡领取链接https://s.csdn.cn/4nPsOp
