微软已指示其最大业务部门之一的工程师停止使用一款外部AI编程辅助工具，原因直指过于庞大的费用账单。

这家在OpenAI投资约130亿美元、且自身代码高达30%依赖生成式AI的软件巨头，正取消“体验与设备”（Experiences and Devices）部门对Anthropic公司Claude Code的授权许可。该部门负责开发Windows、Microsoft 365、Outlook、Teams以及Surface硬件产品。访问权限将于6月30日微软财年末结束，工程师将转向公司内部的GitHub Copilot CLI，这是一项成本更低的内部方案。

这并非退缩之举。Claude模型仍在Copilot内部可用，微软与Anthropic更广泛的合作关系——包括高达50亿美元的投资以及Anthropic承诺的300亿美元Azure算力投入——依然稳固。这一决定针对的是失控的Token（令牌）成本，而非AI本身。

行业共性：算力成本超越人力

类似的模式在其他科技巨头中也在重演。Uber首席技术官透露，这家网约车公司在短短四个月内就用完了2026年全年的Claude Code和Cursor预算。采用速度极快，支出增长则更快。英伟达应用深度学习研究副总裁Bryan Catanzaro直言：“对于我的团队来说，算力的成本远远超过了员工的人力成本。”

这些事件揭示了AI繁荣背后的核心矛盾。企业数十亿地押注基础设施，承诺带来生产力的飞跃。然而，当工程师大规模实际使用这些工具时，经济账本却撑不住了。基于Token的定价模式使得重度使用成为一场预算灾难。高管们大肆宣扬的成功，恰恰制造了他们现在必须解决的问题。

人员调整与AI战略并行

微软的这一举动发生在更广泛的人员调整背景下。今年4月，该公司向约8,750名美国员工提供了自愿退休套餐，约占其12.5万国内劳动力的7%。资格取决于结合年龄和服务年限的“70法则”。通知于5月初发出，这标志着微软51年来首次推出此类计划。值得注意的是，AI和Copilot团队此前已被明确排除在Azure和北美销售部门的招聘冻结之外。

首席财务官Amy Hood在4月下旬告诉投资者，截至3月31日的财年第三季度，员工人数同比已经下降，并预计这一趋势将持续到下一个财年。她表示，微软专注于“建立高效运作、快速敏捷的高绩效团队”。与此同时，资本支出在本季度将超过400亿美元，以上线更多AI产能。CEO萨提亚·纳德拉谈及了在四大洲积极建设数据中心。该公司的AI业务年收入运行率已达370亿美元，同比增长123%。

几周前，Meta传达了类似的信息。从5月开始，Meta裁员约8,000人，占其劳动力的10%， citing 效率提升的需要以及抵消巨额AI投资的必要性。两家公司合计释放出超过20,000个潜在岗位削减的信号。这些举动引发了人们对“AI驱动劳动力危机”的担忧。执行教练Anthony Tuggle称这是“根本性的结构转变，而非暂时的市场修正。我们正见证着各行各业工作组织和执行方式的永久性转型的开始。”

重塑劳动力：从替代到指挥

截至2026年4月，科技行业已有超过92,000个就业岗位消失，自2020年以来累计裁员近900,000人。Motion Recruitment的一项研究发现，AI的采用减缓了对初级和通用IT岗位的招聘，而对专业AI职位的需求依然强劲。自动化导致的岗位流失与AI创造的新角色之间的差距似乎正在扩大。

然而，微软的许可证削减提供了一个不同的视角。工程师们拥抱了Claude Code，“体验与设备”部门内的使用量激增，产品经理、设计师甚至非技术人员也加入其中。该工具确实创造了价值，只是在企业规模下成本超出了预期。转向GitHub Copilot并不意味着消除AI辅助，而是为了控制开支。

这种重新校准至关重要。两年来，高管们在财报电话会上一直将AI描述为减少人头数的工具。他们的逻辑看似简单：用模型取代人员，留存节省下来的钱。现实证明更为复杂。当数千名开发者每天查询模型数十次以进行代码生成、审查和调试时，Token费用累积成数百万美元。英伟达自己的应用研究主管承认，在他的团队中，算力成本现在已经超过了人力成本。承诺与现实中的账单发生了碰撞。

Uber的经历进一步证实了这一点。其CTO并未抱怨工具未能提高生产力，而是说预算在四个月内就消失了。需求超出了预测。为偶尔使用而设计的定价模型在大规模采用下崩溃了。据报道，Salesforce今年计划在Anthropic模型上花费数亿美元。问题在于，这些支出是带来了净节省，还是仅仅将成本从工资转移到了云账单上。

微软自身就有高达30%的代码由AI辅助编写。这一数字表明其确实具备真实的能力。然而，该公司在全球仍拥有超过220,000名员工。纳德拉曾形容这一人员规模在AI竞赛中是一个“巨大的劣势”。自愿退休计划和有针对性的招聘暂停旨在重塑劳动力队伍，淘汰运营、基础设施和销售领域的资深通才，同时保护从事Copilot、Azure OpenAI和研究工作的AI工程师。

这一转变有利于指挥AI系统的专家，而不是被AI取代的人。提示词工程师、AI审计员和系统分析师的职位发布有所增长。将AI视为可选加速器的传统软件工程岗位面临压力。最近的一次X平台讨论捕捉到了这种双重性：“能够指挥AI的工程师市场正在扩大，而不能这样做的工程师市场正在缩小。图表中的职位名称是一样的。”

投资者的信心与行业的尴尬期

投资者已注意到这一点。尽管人员紧缩计划收紧，微软股价仍持续攀升。AI收入激增和云计算增长超过了人们对近期薪资支出的担忧。数据中心的资本支出继续加速。分析师预测，2026年全行业的AI基础设施支出可能超过7,000亿美元。这笔钱用于购买芯片、电力和设施。如果模型使用成本依然高昂，它并不会自动转化为运营费用的降低。

从长远来看，成本可能会下降。推理优化、更便宜的模型、更好的编排和企业许可协议应该会改善经济效益。目前，整个行业正在应对一个尴尬的阶段。工具的性能足以驱动大量使用，但成本之高又迫使企业进行预算干预。像微软这样的公司通过限制访问和偏好内部解决方案来应对。它们继续投资，同时也不断进行调整。

这一事件的影响超出了雷德蒙德。每一次工业转型都会带来类似的时刻。铁路公司在找到盈利路线之前过度铺设了轨道。早期互联网公司在压缩和缓存技术成熟之前，在带宽上烧掉了大量现金。AI当前的Token经济可能是暂时的。在此之前，关于迅速失业的预期值得审视。如果那些 supposedly 取代工人的工具在大规模使用下的成本高于工人本身，那么时间表就会拉长。

微软并没有放弃AI。恰恰相反。该公司在其产品线中大力推广Copilot，将模型嵌入从Office到安全工具的各种产品中，并与OpenAI和Anthropic保持密切关系。许可证削减代表了一种务实的成本管理。它也向市场发出了信号。AI带来的生产力提升是真实的，费用也是真实的。公司必须平衡两者。

微软内部的工程师将继续使用AI。他们只是会通过不同的界面和更严格的护栏来进行操作。他们的产出可能保持高位，而公司的底线将从较低的变动成本中受益。这种妥协捕捉到了企业AI的现状：有用、昂贵、仍在演变中。而且账单还在源源不断地到来。