微软用不起 Token 事件：企业 AI 变革两阶段 + AI Native 组织评测

来源类型： 行业分析 + 实战经验
日期： 2026-06-17
标签： #微软 #Uber #米哈游 #Token烧钱 #企业AI #AINative组织 #傅盛

核心事件

2026 年 5 月 微软给"体验与设备"部门发内部邮件——几千名工程师必须在 6 月 30 日之前全面停用 Claude Code，迁移到自家的 GitHub Copilot CLI。

"理由很现实：用不起了。"

三大账单数字

微软

每工程师每月 Claude Code API 开销 500-2000 美元
几千人团队 → 一个月几百万美金
几个月下来，2026 全年 AI 预算烧穿

Uber（CTO 数据）

公司 5000 个工程师
95% 用 Claude Code
70% 代码由 AI 提交
全年 AI 编程预算，4 个月烧干净

米哈游

团队做多 Agent 协作实验
几十个 Agent 同时干
一晚上 200 万人民币 Token 烧没了

傅盛的核心观点

"微软担心的事，你暂时还不需要考虑。先蒙眼狂奔再谈控制，这是企业 AI 变革必然要经历的两个阶段。"

第一阶段：先用起来再说

"企业 AI 变革的第一阶段，就一件事：不限制，可劲用，用得越多越好。"

黄仁勋观点

"如果英伟达一个年薪 50 万美元的工程师，一年消耗的 Token 不到 25 万美元，他会非常恐慌，就怕花少了。"

"工程师不用 AI，就跟芯片设计师放弃 CAD 工具，拿铅笔和稿纸画电路图一样荒谬。"

"你觉得你用古法手搓很省？你只是在用最贵的方式产出。"

Anthropic 数据

"Anthropic 90% 的代码已经是 AI 生成的。"

内部 132 名工程师调研
27% AI 辅助工作是工程师以前根本不会花时间做的（清技术债、搭数据看板、代码重构）
这些都是纯增量
60% 日常工作中用 Claude
效率平均提升 50%

"这些数据都发生在第一阶段——放手让大家用、不做限制的阶段。"

"你还没上车就在担心油费贵。但车还没开出车库呢。"

第二阶段：当 AI 跑得比预算还快

"那微软和 Uber 为什么踩刹车？因为人家已经把车开到了高速上。"

"微软发禁令也只是禁了最贵的 Claude Code，其他 AI 工具还在照样用。说明什么？他们在寻求更有性价比的提效方式。"

"第一阶段的命题是'用没用'，第二阶段的命题是'用没用对'。"

关键判断

"微软和 Uber 正在经历的，不是 AI 不行，是管理跟不上了。"

傅盛的 AI Native 组织评测系统

"为了解决这个问题，我们正在搭建一套AI Native 组织评测系统。"

五大评测维度

会议产出有没有因为 AI 变得更结构化
代码提交的质量是不是在提升
AI 工具的使用集中在哪些高价值环节
日常文档反映出来的是真干活还是水报告
项目的推进速度有没有因为 AI 加速

"把这些信息交叉在一起，最终给管理者看到的不是一张'谁的花费最高'的账单，而是一张看得见组织变化的图。"

与已有知识的关联

wiki/entities/microsoft — 微软
wiki/entities/uber — Uber
wiki/entities/mihoyo — 米哈游
wiki/entities/fu-sheng — 傅盛（猎豹移动）
wiki/entities/anthropic — Anthropic
wiki/concepts/ai-native-org — AI Native 组织
wiki/concepts/token-cost — Token 成本
wiki/concepts/enterprise-ai-stages — 企业 AI 变革两阶段
wiki/concepts/org-evaluation — 组织评测系统

资料来源

原文：https://mp.weixin.qq.com/s/b57vjuMdOsC3MY9DRGwieQ
原始文件：raw/articles/微信文章3/微软用不起Token了，但99%的企业不需要担心.md
作者：傅盛（猎豹移动 CEO）

我的判断（高置信度）

这是 2026 年中国企业 AI 变革最务实的判断——傅盛的"两阶段论"是企业 AI 落地的最佳指南。

关键洞察：
1. "两阶段论" —— 先用起来再控制
2. "用不起 ≠ 不用" —— 微软刹车不是 AI 失败
3. "管理跟不上" —— 不是技术问题
4. "AI Native 组织评测" —— 五个核心维度
5. "27% 纯增量工作" —— AI 真正价值

预测：
- 2026 H2：可能涌现"AI Native 组织评测"专门服务
- 2027：Token 优化工具成新蓝海
- 2028：企业 AI 支出可能出现"基线 + 弹性"双轨
- 对企业决策者的建议：
- 第一阶段不设限——先跑起来
- 关注纯增量工作——27% 是 AI 真正价值
- 第二阶段建评测——避免失控
- 对 AI 工具开发者的启示：
- 企业 AI 工具需有成本仪表板
- 多模型路由是降本关键
- 避免单一供应商绑定
- 对政策制定者的启示：
- 企业 AI 支出标准可制定
- AI Native 组织评估 可成国家标准
- 数据安全 + 成本平衡 需政策引导
- 对创业者的建议：
- AI 成本管理 SaaS 是新机会
- 企业 Token 优化 是垂直赛道
- 避免与巨头直接竞争 —— 做差异化