ARTICLE · 1199778
微软暴砍90%员工AI预算!10亿大单缩水,硅谷“无限烧Token”时代终结
— 作者 —陈深巷
— 编辑 —程明隙
一个月给你10万美元，不买车，不买表，只用来跟AI聊天写代码。你花得完吗？
在过去半年的硅谷，微软的工程师不仅花得完，还差点把公司的财务报表烧穿。
但就在10月初，这场史无前例的“算力狂欢”被管理层一脚急刹车踩停。据科技媒体The Information独家披露，微软云与AI部门将员工每月的AI模型预算上限从10万美元直接暴砍至1万美元，缩水幅度高达90%。
▲ The Information披露微软将内部Claude支出预估下调超三分之一，并要求员工转向自有工具
不仅如此，微软今年原本预计在员工使用Anthropic旗下模型Claude上花费至少10亿美元。现在，这笔10亿美元的内部支出预估被直接砍掉了三分之一以上。
隔壁的另一家巨头Meta也没手软，直接将内部使用编程助手Claude Code的员工席位从6万个腰斩到了3万个。
曾经挥金如土的科技巨头，为什么突然开始在AI口粮上精抠细算？
01幻觉破灭：赛博时代的“无效加班”
要看懂微软这一刀为什么砍得这么狠，得先看懂2026年上半年硅谷流行的一种怪癖，“Tokenmaxxing”（极限烧Token）。
什么是Token？你可以把它理解成AI世界的“电表字数”。你喂给大模型的每一行代码、AI吐出来的每一个单词，都在让电表飞速旋转。公司要按字数向模型厂商付真金白银。
今年上半年，硅谷大厂患上了严重的“算力焦虑症”。管理层生怕自家工程师跟不上AI时代，不仅敞开供应算力，甚至在内部搞起了调用量排行榜。在那种狂热气氛下，谁烧掉的Token多，谁就是积极拥抱未来的“AI原生标杆”。
但当大家把账单晒到阳光下时，荒诞的一幕出现了。
▲ Business Insider披露，微软员工开始在内部薪资透明表格中对比近28天的AI账单
Business Insider拿到了微软内部一份由350多名员工自愿填报的“薪资与AI花费透明表”。数据显示，在超过6万人的云与AI部门，普通工程师过去28天花在AI上的钱，中位数其实只有区区325美元。
既然绝大多数人一个月只花三百多块，为什么微软之前要设一个“每月10万美元”的离谱上限？
因为极少数重度玩家，正在用一种近乎恐怖的方式吞噬算力。在日常写代码时，让AI顺手补全一行代码，一天也就花几块钱；但高阶开发者玩的是全自动智能体（Agent）。
他们给AI下达一个复杂指令后就去睡觉了。AI自己在后台翻阅几万行代码库、运行测试、发现报错、修改代码、再次报错……如果没人看着，一个陷入死循环的智能体就像一个不知疲倦却一直在犯错的实习生，一晚上就能空转烧掉数千美元。
▲ 网友一针见血地指出：每月10万美元根本过不了预算审查，其中大量花费恐怕只是智能体在死循环空转
内部表格呈现的数据给出了答案：员工烧掉的AI金额，与个人的涨薪幅度、奖金评级和晋升结果，没有任何统计学上的相关性。
疯狂烧Token丝毫不等同于高产出，充其量只是赛博时代的“无效加班”。
知名技术主播ThePrimeagen在社交平台上的嘲讽更是直戳肺管子：“这有什么好奇怪的？那些以前连给员工配台笔记本电脑都要为成本吵半天的公司，怎么可能永远给Anthropic交天价API账单？”
▲ 开发者ThePrimeagen直言：曾为笔记本电脑成本斤斤计较的大厂，不可能无限期为高价API买单
02卸磨杀驴：当超级买家变成头号对手
如果只把这次预算大缩水看成财务总监（CFO）在省钱，那就把硅谷巨头想得太简单了。
在微软和Meta的账本背后，藏着一场冷酷的商业阳谋：用竞争对手最强的工具跑通流程，等自家的工具长熟了，立刻把对手踢出局。
从今年8月到10月，微软高管Scott Guthrie和Jay Parikh用一套严密的“三连招”，完成了对内部开发者的釜底抽薪：
- 砍上限
：个人月度额度从10万美元降到1万美元，需要使用大额算力的项目必须提前找经理审批； - 改默认
：将内部GitHub Copilot的默认大脑强制设为OpenAI的旗舰模型GPT-5.6 Sol。毕竟微软是OpenAI的大金主，把流量导给自家阵营，远比给第三方Anthropic交过路费划算得多； - 查日报
：部门主管每天都会收到员工的AI消费日报，不仅看你花了多少钱，还要看你到底调用了哪家的模型，并要求团队找出哪些钱花得值、哪些纯属打水漂。
▲ 市场机构整理的对比图：微软与Meta双双削减内部Claude用量，全面转向自有AI工具链
Meta这边的动作同样大刀阔斧
虽然Meta把Claude Code的内部席位从6万砍到了3万，但在最近一个28天周期里，留下的这3万名核心员工依然在Claude上烧掉了超过1.05亿美元。为了摆脱这种昂贵的依赖，Meta大力强推内部自研的MetaCode（用户已超3万）和Muse Code。
最戏剧性的细节发生在Meta开发面向消费者的Muse AI智能体期间：Meta的工程师前期一直用Anthropic的Claude来搭建和打磨产品，结果就在产品临近发布前夕，他们一把抽走Claude，悄悄换上了Meta自家的模型栈。
这就好比花重金请米其林大厨到家里掌勺，明面上品尝珍馐，私底下架起摄像机偷师学艺，一旦摸透了火候与配方，便立即将大厨请出门外。
不过，Anthropic的营收并没有立刻崩盘。因为微软上演了一出“内紧外松”，虽然微软严禁自家员工乱用Claude，但微软云（Azure）的外部企业客户却在大量购买Claude服务。客户侧的暴涨刚好填平了微软内部的削减，让微软付给Anthropic的总账单维持了大体持平。
但对正处于IPO上市前夜的Anthropic来说，危险的信号已经拉响：当你的超级大客户同时也是你的竞争对手时，“员工实验预算”随时可能在一纸备忘录后灰飞烟灭。
03工程师自救：从“火力覆盖”到“外科手术”
当10万美元的无限黑卡变成1万美元的紧箍咒，最先撞上南墙的，是微软内部那批习惯了全自动编程的高阶工程师。有人抱怨工作流被束缚，但更多顶尖团队已经开始重构自己的开发方式。
过去的AI编程是“美式火力覆盖”，现在的AI编程正在变成“精密外科手术”。为了在有限的Token预算里榨出最高产出，硅谷工程师摸索出了三大生存法则：
第一招，用“手术刀”代替“整本字典”以前工程师偷懒，遇到一个报错，直接把整个模块几十个代码文件一股脑全塞进对话框，让AI自己去找问题。这就像为了查一个生字，把整本《新华字典》复印了一遍寄给AI，每次提问都在烧天量路费。现在，工程师在本地用上了抽象语法树（AST）切片工具（如Tree-sitter），先像外科手术刀一样，精准切出跟当前报错有关的那几行函数定义，再喂给AI。单次提问的成本瞬间暴跌
第二招，杀鸡绝不用牛刀过去不管什么活，大家一律调用最贵、最顶级的推理大模型。现在团队内部搞起了多层级模型分流：写个基础测试、洗一下错误日志这种“扫地擦桌子”的杂活，全部打发给便宜的轻量模型或本地开源模型；只有遇到极其复杂的架构设计或死锁难题，才请出最贵的旗舰模型。
第三招，给智能体装上“断路器”再也没人敢让AI在后台无人值守地跑通宵了。工程师们开始在脚本里写入硬性的执行熔断机制：一旦AI连续尝试修复3到5次还是报错，系统直接强制拉闸断电，弹窗呼叫人类接管，彻底终结“AI空转烧钱”的惨剧。
从10万美元骤降至1万美元，微软削减的预算数字背后，宣告着生成式AI野蛮生长时代的泡沫正被加速挤出。
当大厂的CFO们拿起计算器走上牌桌，硅谷的游戏规则彻底变了：未来决定工程师身价的标尺已然转向，能否用一分钱的Token写出价值一万美元的工程成果，远比随手调动十万美元算力更具含金量。
