seo优化_前端开发_渗透技术
导语：当一家公司豪掷500亿美元与AI公司合作，却在半年后叫停工程师使用其产品，你会怎么看？是战略调整，还是成本失控？这件事告诉我们，AI的代价可能比想象中更贵——贵到连微软这样的巨头都开始算账了。
一、从蜜月到分手：微软与Claude Code的短暂恋情
故事要从2025年11月说起。那个月，微软宣布向Anthropic最高投资50亿美元，同月还向英伟达投入最高100亿美元。Anthropic则承诺在Azure上采购300亿美元云计算资源——这笔交易让Claude成为唯一一个同时在微软云、谷歌云和AWS三大平台上运行的前沿AI模型。
然后是2025年12月，微软开始向内部数千名员工开放Claude Code。工程师、项目经理、设计师，甚至从没有写过代码的员工，都被鼓励去体验AI编程工具。微软当时的目的是在真实的工程环境中对Claude Code和GitHub Copilot CLI进行基准测试。
效果立竿见影。Claude Code在微软内部迅速走红，甚至有些过于受欢迎——据The Verge报道，工程师们开始把Claude Code当作主要编程工具，而非Copilot CLI。这直接导致了微软自己推出的Copilot CLI被冷落。
但好景不长。2026年5月15日，The Verge独家披露：微软计划取消大部分Claude Code许可，推动开发者改用Copilot CLI。6月30日——恰好是微软2025财年的最后一天——所有Claude Code许可证将被完全撤销。
二、算账时刻：为什么微软要砍掉Claude Code？
微软官方的说法是”战略对齐”——全力押注自家GitHub Copilot CLI。但知情人士透露，财务原因同样关键。
内部模型 vs 外部账单
这里有一个关键的经济逻辑：GitHub Copilot属于内部核算，资源在Azure内部流转，边际成本极低。而Claude Code是一笔实实在在的外部账单——微软需要按Token消耗量向Anthropic支付真金白银。
对于即将到来的新财年，财务部门更倾向于消除这项”不可预测的外部支出”。微软执行副总裁Rajesh Jha在内部备忘录中的措辞也侧面印证了这一点：”当我们开始同时提供两者时，我们的目标是快速学习、基准测试并了解什么最能支持我们的团队。”
这句话的潜台词是：测试阶段结束了，该算账了。
微软内部的”偏爱”
更有意思的是，微软工程师们用实际行动给出了答案——他们更喜欢Claude Code。据报道，工程师们已经明显倾向Claude Code而非Copilot CLI，甚至微软还考虑过收购AI编程初创公司Cursor来弥合产品差距。
但偏爱归偏爱，成本归成本。当微软发现自家工程师花在Claude Code上的Token费用已经影响到财报表现时，感情牌就得往后放了。
三、Uber的教训：4个月烧光全年AI预算
如果说微软的决策还带着战略考量，那么Uber的经历则把AI成本问题摆到了台面上。
2026年初，Uber在内部6000名工程师中推广Claude Code，甚至为使用率设立了内部排行榜。效果立竿见影：
- **95%**的工程师月活使用AI工具
- **84%**的工程师进入”智能体编码”模式
- **70%**的线上提交代码由AI生成
这个采用率曲线堪称漂亮。但当账单寄到CFO办公室时，漂亮的数字变成了惊悚的数字：每个工程师的月成本在500到2000美元之间，部分重度用户成本更高。按6000名工程师、每人每月约1000美元的中位数计算，一个月的费用就是600万美元。
4个月下来，Uber发现：2026年全年的AI预算已经在头四个月里全部烧光，实际支出比预算高出3倍。
Uber CTO Praveen Neppalli Naga在内部备忘录中坦言：”我又回到了设计阶段，因为我原以为需要的预算已经被完全打破了。”
四、Nvidia高管的警告：”AI比员工更贵”
Nvidia应用深度学习副总裁Bryan Catanzaro最近的一番话，把这个讨论推向了新高度。
在接受Axios采访时，Catanzaro直言不讳：”对我的团队来说，算力成本已经远高于员工工资成本。”
他明确指出，那些押注AI以降低劳动力成本的公司可能在误判该技术的经济性。
这个论断的背景是：2026年科技巨头已宣布7400亿美元的AI资本支出，同比增长69%；同期全行业裁员却超过92,000人。一边是疯狂砸钱AI，一边是疯狂裁员——这两个趋势放在一起看，显得格外讽刺。
更值得关注的是2024年MIT的一项研究结论：AI自动化只在约23%的视觉相关岗位中具有经济可行性，在其余77%的岗位中，人类员工仍然是更便宜的选择。
换句话说：AI并非在所有场景下都划算，它只是在某些特定场景下比人类便宜。
五、Token经济学：一个正在被验证的”悖论”
这波成本危机的核心，在于AI商业模式的一个根本性矛盾——经济学家称之为”杰文斯悖论”。
单价下降，总账飙升
虽然单个Token的价格在持续下降，但Agent式AI在执行任务时消耗的Token数量，可能是普通大语言模型查询的上千倍。OpenClaw创始人透露，其团队单月Token使用成本超过130万美元。
这是什么概念？一个中型科技公司的AI开销，可能已经超过同等规模工程团队的人力成本。
SaaS逻辑正在被拆毁
过去三十年，软件行业的付费逻辑是”付了月费，软件随便用”。但AI正在打破这套逻辑。
传统工具的使用量有天花板——一个工程师一天最多写那么多代码。但AI工具的使用量没有天花板：写完一个函数，效果不错，就再写十个；写完发现能重构，就让它重构整个模块；重构完发现测试也能写，就全部补上。
每一步都在烧Token。
GitHub已率先行动：6月1日起，Copilot全面转向按用量计费。这意味着”月费随便用”的时代结束了，未来的AI工具将按照实际消耗来收费——企业用得越多，付得越多。
高盛的预测更加惊人：到2030年，全球Token消耗量可能增长24倍，达到每月120千万亿Token。虽然Token单价会持续下降，但企业整体AI成本未必会同步下降——Gartner分析师直言：”企业不应该因为Token价格下降，就误认为高端AI推理能力会因此全面普及。”
六、红队视角：AI成本危机暴露的三个问题
站在紫队角度，这场危机暴露了几个值得深思的问题：
第一，技术乐观主义与财务现实的脱节。 微软在2025年末大规模引入Claude Code时，显然没有预料到成本会以这种速度飙升。这不是技术问题，而是评估框架的问题——当企业用”试用”心态引入AI工具时，往往会低估大规模部署后的真实成本。
第二，内部工具与外部工具的经济账。 微软最终选择Copilot CLI而非Claude Code，本质上是一个”是租是买”的选择题。内部工具边际成本低，但能力可能受限；外部工具能力更强，但成本不可控。这道选择题会越来越多地出现在企业决策中。
第三，AI采用率与成本的非线性关系。 Uber的案例说明，AI工具的采用率越高，边际成本可能不是线性增长，而是指数增长。当95%的工程师同时使用AI工具时，Token消耗量会远超预期。这对企业的预算管理提出了新的挑战。
七、结语：昂贵的AI，冷静的算账
微软叫停Claude Code，不是因为Anthropic的产品不够好，而是因为按Token计费的模式让企业不得不面对大规模使用AI的真实成本。这个成本比此前”尝鲜期”所想象的要高得多。
从某种意义上说，这是AI产业走向成熟的标志。当技术从小规模试用转向大规模部署，成本问题就会从”边缘”走向”中心”。企业开始学会在技术投入和财务回报之间寻找平衡。
对于所有正在推进AI化的企业来说，微软和Uber的案例是一个提醒：在欢呼AI带来的生产力提升之前，或许先该问一句——这笔账，到底该怎么算？
图片版权 华盟网
