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/4nPsOp
Token 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。
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，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 ，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。
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.htm
配资配查提示：文章来自网络，不代表本站观点。
热点资讯
推荐资讯
