微软用不起Token了，但99%的企业不需要担心

来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, 办公效率, 编程, 芯片, 大模型
原文链接： https://mp.weixin.qq.com/s/b57vjuMdOsC3MY9DRGwieQ

摘要

今年5月，微软给"体验与设备"部门发了一封内部邮件：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。你要是只听到这，结论很可能是：AI编程太烧钱了，连微软都烧不起，中小企业更别想了。我反而觉得，恰恰相反。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。 · · · ## 到底花了多少钱先来看看微软花的这笔钱到底有多少。微软内部统计显示，每个工程师每个月在Claude Code上的API开销在500到2000美元之间浮动。取一个中间偏保守的数字10...

核心内容

今年5月，微软给"体验与设备"部门发了一封内部邮件：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。
你要是只听到这，结论很可能是：AI编程太烧钱了，连微软都烧不起，中小企业更别想了。我反而觉得，恰恰相反。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。

· · ·

到底花了多少钱

先来看看微软花的这笔钱到底有多少。

微软内部统计显示，每个工程师每个月在Claude Code上的API开销在500到2000美元之间浮动。取一个中间偏保守的数字1000美金，几千人的团队一个月就是几百万美金。几个月下来，该部门2026全年的AI预算就已经烧穿了。
微软不是唯一被这个账单砸到的。Uber的CTO年初说了组数：公司5000个工程师，95%用Claude Code。同时还有另一组数据，全年AI编程预算，4个月就烧干净了。国内也没少发生这种事。5月阿里云峰会上，米哈游《崩坏》系列的AI负责人郑银河讲了件事：团队做多Agent协作实验，几十个Agent同时干，一晚上200万人民币的Token烧没了。

· · ·

第一阶段：先用起来再说

听起来很吓人对吧？一个月几百万美金、四个月烧穿全年预算、一晚上两百万——全是花钱的故事。但你把视角转过来看，这是好事：微软工程师一个月烧几千美元，说明什么？说明他们真的在用，每天都用，已经用顺了手回不去了。Uber 95%的工程师在用，70%的代码由AI提交。米哈游几十个Agent同时跑，说明他们已经在做别的公司想都不敢想的实验。这些账单一排开，换个角度看就是AI真的渗透进了日常工作。但99%的企业，还在第一道门槛外面晃悠。第一道门槛是什么？不是Token贵不贵，是你用没用。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。你再看人家老黄，他说，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 90%的代码已经是AI生成的。
他们对自己132名工程师做了一次内部调研。结论里有个数字很有意思：27%的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、做代码重构......这些事有价值，但在AI之前，永远被更紧急的事挤掉。现在AI帮你干了，它们是纯增量。另一组数据更能说明效率的变化。同一批工程师，在约60%的日常工作中使用Claude，自报效率平均提升了50%。关键是，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。你一开始就想着"控制成本"，这些数字连冒出来的机会都没有。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。

这就是第二阶段。第一阶段的命题是"用没用"，第二阶段的命题是"用没用对"。微软和Uber正在经历的，不是AI不行，是管理跟不上了。
我们自己也踩过这个坑，公司内部推AI已经有一段时间了。从研发到产品到运营，AI渗透到了各个岗位的日常里。一开始我们的策略很简单：鼓励大家用，用得越多越好，别心疼Token。效果确实猛。然后某天，我们拉了一张账单。数字我就不说了，反正看完之后，我当时的心情跟Uber的CTO差不多：这增长速度，兜不住。但真正的问题不是花了多少钱，是你根本没法判断这些消耗值不值。为了解决这个问题，我们正在搭建一套AI Native组织评测系统，把散落在各个角落的数据拉通——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。
内部做了这么多，我们也想把我们的经验分享给真正想要转型的企业，实现真正的AI Native组织变革。

感兴趣的朋友欢迎点击阅读原文或扫码联系我们。
今天就到这，如果本文对你有帮助，欢迎收藏转发。如果对AI前沿信息感兴趣，点个关注咱们接着聊。

本页由自动化脚本生成，待人工审核补充