微软内部叫停Claude Code，UberCTO承认AI预算告急

最近不少技术团队都碰到同一件事，AI编码工具用着顺手，账单也跟着上来了，效率上去了，预算却先吃紧了

微软内部要求停用Claude Code，转去用GitHub Copilot CLI，理由不是体验差，而是费用压不住，Windows、Office、Teams这些团队牵着近十万工程师，成本压力已经摆到桌面上

这件事把一个现实摊开了，企业买AI工具，已经不是买不买的问题，而是用多少、谁来付、付到哪一步为止

Uber那边的情况也很直接，CTO提到，全年AI预算在前四个月就用完了，95%的工程师在用AI工具，84%的人已经习惯让AI写整段逻辑，70%上线代码来自AI，单个重度用户每月花掉2000美元，预算模型跟着失衡

这类变化一出来，财务部门就会先紧张，技术团队则会继续推进，由于在他们眼里，AI的确 省时间，的确 能把重复活接过去，问题出在企业过去的账法，已经跟不上目前的用法

以前许多AI工具按席位收钱，像固定包月，企业能算出人数，能算出月费，心里有底，目前不少服务转向按Token计费，调用越多，费用越高，生成越长，支出越高，原来能预估的成本，变成了波动很大的变量

这才是矛盾所在，工程师把AI当生产力工具，财务把AI当支出项目，技术看见的是速度，财务看见的是账单，两个部门看待同一件事，语言都不一样

微软这次的动作，也不只是换工具这么简单，背后还有商业选择的味道，继续用Claude Code，钱会流向Anthropic，改用自家的GitHub Copilot CLI，成本更容易留在自己体系里，云、软件、开发工具能形成一条内部闭环

这类闭环思路，在大企业里并不稀奇，采购决策从来不只看体验，也看资金流向，看平台协同，看长期议价能力，哪怕功能差距不大，只要账目结构不同，选择就会不同

Uber的案例也说明了一件事，AI一旦被工程师普遍接入，使用场景就不会停在简单补全代码，测试用例、重构老代码、生成接口、调整逻辑，这些活都会被接上去，单次节省的时间不显眼，整体调用量上来后来，成本就开始累积

这里有个细节值得注意，企业原来按人头定预算，适合软件订阅时代，不适合用量爆发时代，到了按Token计费阶段，席位数量不再是关键，调用深度才是关键

业内已经开始出现几种收口办法，有的公司设审批，有的公司给每天调用次数设上限，有的公司给团队发Token额度，像内部配额一样管理，目的很清楚，先把失控的支出压住

这些办法能缓一口气，却不能彻底解决问题，只要AI能明显省时间，员工就会想办法继续用，只要业务目标压在前面，限制就会被绕开，工具的使用路径，也会变得越来越难管

有工程师的说法很直白，AI写代码时，自己像在跟时间赛跑，手动写已经跟不上需求变化，老板看见的是成本，自己看见的是进度，这种差异，正是许多团队目前卡住的地方

这类判断背后，还有一个常被忽略的实际，AI并不是让工作消失，而是让工作转移，原来要花在重复编写上的时间，挪到了审核、测试、复盘、风控上，省下来的部分，常常被新的管理成本吃掉一截

从企业经营角度看，这种变化会逼着管理层重新算账，过去只算开发人数，目前要算每个模型调用、每段代码生成、每次复核的人力成本，过去只看交付速度，目前要看交付速度能不能覆盖新增支出

更值得留意的是，AI服务的价格并不稳定，过去半年里，实际价格涨了两到三成，这让许多原本打算长期使用的团队，开始重新评估方案，便宜时能铺开，贵起来时就要收缩

不同公司对此的判断差别很大，一类公司认为，只要AI能让工程效率明显提升，哪怕单月费用高，也能接受，另一类公司看的是毛利和现金流，只要支出拉高，技术收益也要重新审视

这就是企业内部常见的分歧，技术部门关心的是能不能更快做出东西，财务部门关心的是做出来后来能不能撑住长期开销，两个部门都没错，只是衡量标准不一样

从外部环境看，这股变化也不只发生在微软和Uber，许多大厂都在收紧内部AI使用流程，说明行业已经进入新阶段，大家不再把AI当成免费增效工具，而是当成需要精细管理的成本项

不少公司开始尝试混合模式，把简单重复的任务交给AI，把核心判断留给人工，听起来稳妥，做起来却不轻松，由于边界并不固定，今天算简单，明天可能就变成关键步骤

这也是当前最现实的一层变化，AI的能力在往上走，企业的管理框架却不能同步放松，越是好用的工具，越容易让使用量失控，越是能省时间的工具，越容易让成本看不见地抬高

AI工具带来的不是单纯的效率提升，它同时改变了公司内部的权力关系，技术团队的主动性上升，财务和管理层的审视也会加强，工具越普及，治理越重大

从另一个角度看，微软和Anthropic、OpenAI之间的交叉关系，也说明大公司在AI时代的选择不只是技术站队，还包含平台利益、云资源、生态控制，采购一款工具，往往等于在选择一套商业路径

这类路径选择一旦定下来，后续调整成本就会增加，所以许多企业宁愿先收紧，再观察，再决定是否放大使用范围，避免一开始铺开，后面收不住

对普通工程师来说，这不是抽象讨论，而是每天都能感受到的变化，工具能把一段逻辑写出来，也能把测试、重构、接口整理都带起来，个人效率上升的团队节奏也被推快了

对管理层来说，真正要盯住的，不只是AI有没有帮忙，而是帮忙之后，预算有没有跟上，流程有没有跟上，审核有没有跟上，若这几项不同步，效率收益就会被费用和风险抵消

这类新闻能打动人，不是由于AI概念新，而是由于它讲的是企业真实处境，技术进步和财务约束同时到来，没有一边能单独赢，谁都不能只看自己那一页报表

有些读者会站技术这边，觉得工具既然能用，就该尽量用，卡预算只会拖慢进度，也有些读者会站财务这边，觉得没有成本边界，效率只是表面繁荣，账单才是最后落点

这两种见解都能成立，真正值得盯住的，是企业接下来怎么定规则，怎么分配额度，怎么区分普通任务和关键任务，怎么让AI进入流程，又不把预算推到悬崖边上

行业目前走到这一步，说明AI已经不再只是新奇工具，它开始参与经营决策，参与成本分配，参与团队协作方式，许多公司会在这道门槛前重新整理自己的使用边界

读到这里，许多人会发现，真正难的不是让AI写代码，而是让公司学会给AI写预算

未来一段时间，谁能把效率和成本一起算清，谁就能把AI用得更久，谁只看到产出，不看支出，账单迟早会给出另一种提醒