微软也扛不住高昂的AI成本

近日，微软宣布自6月30日起，大幅削减内部大部分工程师的Claude Code使用权限，全面转向其自研的GitHub Copilot CLI。

值得注意的是，就在半年前，微软还在积极推广Claude Code，鼓励工程师用它重构工作流程。然而仅半年后，一纸通知便全面切断其使用。据The Verge报道（标题为“Microsoft cancels internal Claude Code licenses”），此次调整覆盖了负责Windows、Microsoft 365、Teams、Outlook和Surface的所有工程师，人数接近十万。

给出的理由非常直接：成本太高。

这家市值高达3.5万亿美元的科技巨头，曾向OpenAI投入130亿美元，向Anthropic投资50亿美元，而Anthropic也承诺斥资300亿美元购买Azure算力。然而，面对Claude Code的账单，微软也不得不承认难以承受。

根本问题在于计费模式。Claude Code采用按Token计费——模型处理的每个字符都要付费。工程师使用Claude Code编写代码时，单次请求消耗的Token数量是普通对话的数十倍。代码上下文、项目结构、需求描述、方案生成、调试建议……每一个环节都在大量消耗Token。

使用量越大，费用越高。而AI最具吸引力的地方，恰恰是鼓励用户高频使用。

Uber的状况更为惊人。其CTO在内部备忘录中指出：95%的工程师每月活跃使用AI工具，84%已进入“智能体编码”模式，70%的线上代码提交由AI生成。

这些数据看似亮眼，但代价同样惊人——原本为2026年全年准备的AI预算（约34亿美元），仅四个月便消耗殆尽。

具体来看Claude Code在Uber的消耗情况：引入5000名工程师后，月活跃率飙升至85%-95%，每位工程师每月的API成本介于500至2000美元。这意味着一个百人团队，仅这一项AI工具，年支出便可达数百万美元。

Uber的CTO用一句话形容自己的处境：“I'm back to the drawing board”——一切推倒重来。

过去三十年，软件行业的定价逻辑一直是“包月自助”——支付固定月费后随意使用。Office 365、Jira、Slack等均采用此模式。使用越多，单次成本越低，企业利润越高。

而AI彻底颠覆了这一逻辑。使用越频繁，单次成本越高，企业亏损越严重。

在传统软件开发中，工程师编码越多，公司收益越大。而进入AI智能体时代，AI输出越多，支付给外部供应商的账单增长越快。每个Token的生成，都在实时蚕食企业的现金流。

英伟达应用深度学习副总裁Bryan Catanzaro近期公开坦言：“对我的团队而言，算力成本已远超员工薪资成本。”

AI本应帮助企业节省开支。但现实是，它花钱的速度远远超过人工编写代码的成本增速。

这里还有一个更具讽刺意味的细节。

微软在Azure上为Anthropic构建了大部分算力基础设施。然而，当自家工程师大规模使用Claude Code时，微软仍需按Token向Anthropic支付费用。

这无异于直接为最具威胁的竞争对手提供资金支持。

对于微软而言，GitHub Copilot属于“内部核算成本”，资源在Azure内部流转，边际成本极低。而Claude Code则是实实在在的“外部账单”。即便两者产出完全相同，财务性质也截然不同。

砍掉外部账单，全面转向自家工具。尽管功能上可能存在些许差距，但成本完全可控。最终，财务逻辑战胜了工程师的技术偏好。

然而，还有另一种解读：微软从一开始并非“用不起”，而是“学够了”。

让竞争对手充当陪练，暴露自家Copilot CLI的不足，收集工程师的对比反馈，利用六个月时间快速迭代。待短板基本补齐，便果断收网。

这一解读合情合理，但仅适用于微软。微软拥有云基础设施、GitHub以及庞大的工程师群体作为“实验样本”。大多数企业并不具备这些条件——它们并非“学完再停”，而是单纯的“用不起”。

AI工具的定价模式，正从“套餐制”向“按量计费”转变。GitHub自6月1日起全面转向按使用量收费。Anthropic在企业续约时，也将基于席位的定价改为按使用量计费。Claude Code的日均成本从6美元翻倍至13美元。过去一年里，美国AI软件价格上涨了20%至37%。

所有这些趋势都指向同一个结论：AI将变得越来越昂贵，而非越来越便宜。

模型规模持续增大，Agent数量不断增多，调用链日益延长。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，Token消耗远高于当前的聊天式交互。即便单个Token价格下降，总消耗量的增长更为迅猛。

这便是AI的定价悖论：效率越高，成本越高。你越依赖它，它就越昂贵。