微软停用Claude Code原因

微软刚刚下令，要求内部数千名工程师在六月底前必须从 cloud code 迁移到自家的 github co pilot 上。究竟是什么样的原因，让这个给 astropica 投了几十亿美金的金主，竟然亲手封杀了自家平台上的 cloud code 的 使用权呢？ 第一层原因， cloud code 性能太强太好用了，已经威胁到了微软的根基。 get 当初的微软啊，只是内部小范围的试水，没想到一用就彻底出圈了。测试数据的差距非常明显啊。 cloud code 的 代码生成基准得分是百分之八十点八， 微软 copilot 呢，只有百分之七十二点五。尤其是百万级长上下文跨几十个文件的重构调试， copilot 的 完成率高达百分之八十九，而 copilot 呢，只有百分之六十。 更有超过六成的工程师啊，在微软内部的调查中，认为，复杂开发场景里面， copilot 的 更好用。事实上呢，此类高性能的 ai 编程工具，正在慢慢地减弱开发者上传代码到 gitlab 的 意愿。 一边呢，是自家的抠拍了的不争气，另外一边呢，是对手的产品强势渗透，这等于是直接有人跑到自家的后院里挖墙角，微软肯定是坐不住的。第二层原因呢，简单直接就是成本太高。 toker 的 账单啊，直接把微软给吓到了。 这个 ai toker 的 收费这件事情啊，微软自己就是这套模式的开创者。结果呢，自己先被反噬了。高频调用啊，极其的烧算力， 像 uber 这样的大规模使用者，四个月就烧光了全年的 ai 预算。眼看着内部的账单疯涨，又恰逢微软的财年节点，所以啊，干脆直接禁用卡点控制新财年的预算，逻辑上呢，也非常现实。 第三层的原因呢，就是安全隐患太大，企业呢，扛不住风险。之前克拉德克出过严重的代码泄露事件，几十万的核心代码外流，还爆出过安全审核失效的致命漏洞。更关键的是，漏洞修复代码早就有了，但是克拉德克的呢，却迟迟没有全量推送。 这个呢，对于微软这种高标准的企业来说啊，让自己的员工天天用着一颗随时可能被利用的定时炸弹，无论从安全角度，还是数据合规角度啊，都是无法容忍的。 而第四层原因呢，就是生态必须自主，不能把命脉交给别人。那些大厂之间啊，看似是合作，但实则啊，都在暗自布局自己的生态壁垒。 微软当初引入 cloud， 是 为了放在云平台上卖给外部的客户赚钱的，但自家工程师的开发习惯、技术站思维方式，绝对不能长期依赖别人家的工具。你可以对外合作让利，但是核心的生产工具必须赚在自己手里。 所以宁愿牺牲一点短期效率，也要守住长期技术生态的主导权。归根结底啊，微软禁用 cloudco 的 不是商业赌气，也不是单纯的内卷， 而是性能冲击、成本失控、安全隐患、生态自保四重原因叠加起来。所以这不仅仅是一次工具的切换，更是大厂在 ai 时代的生存逻辑缩影。 当成本和安全不可控的时候，即使你技术再好，哪怕你是合作伙伴，也必须被斩于马下。我是老林，关注我评论区聊聊吧。

微软正在全面封杀克拉的扣子，因为他们发现自己的工程师正在越来越依赖这款来自竞争对手的 ai 工具了。注意啊，不是因为它不好用，恰恰相反，是因为它太好用。这可能是微软第一次发现，虽然员工可能还坐在公司里， 但工作方式已经开始属于另一个 ai 时代了。以前公司管理员工靠的是工资制度流程，但 ai 时代开始不一样了， 因为人每天都在和 ai 一 起工作，你问问题的方式，你写代码的习惯，你考虑问题的逻辑，都会慢慢的被那个 ai 重新塑造。所以谁掌握 ai， 谁就在重塑人的工作习惯。这才是微软真正害怕的地方，因为程序员其实根本不是忠诚于公司， 他只是忠诚于哪个工具更强，谁好用就跟谁走。其实程序员圈子比互联市场现实太多了，工资可以购买员工八小时的时间，但买不了员工的大脑。 未来最危险的跳槽可能是人还没跳槽，大脑已经去了另一家公司。而且现在整个 ai 行业正在进入一个特别荒诞的时刻，这什么时刻呢？就是现在大家越来越发现，这模型能力越接近人类，公司反而越养不起它。 我有一些好朋友告诉我他们公司的一些内幕，说他们公司白天喊着要 out in ai， ai 就是 未来，晚上又偷偷背地里限制员工的 ai 使用量。因为有些老板发现，一旦真的放开使用，可拉多扣的那 token 账单就像失控一样的会呼呼往上涨。 公司又想用，但又怕花钱，一个月下来最后一盒成本。用 ai 其实比多招几个员工成本还高，最后其实都给那几个模型厂商打工了，这特别像什么呢？就像你买了一辆法拉利，结果车装上了个计价器， 每踩一脚油门，财务就在旁边疯狂滴血，所以整个行业都处在一个非常割裂的状态。当然，此时此刻，我还是让我们员工可乐随便用的， 因为你会发现，一旦用过最好的 ai， 真的 很难回去了。但我觉得成本其实不是最核心的问题，真正核心的问题， ai 第一次开始反向控制组织了，以前是公司决定员工怎么工作，以后可能就会变成员工依赖哪个 ai， 公司就不得不适应哪个生态。 这也是为什么微软这次必须断币的真正原因，因为他终于意识到，未来真正的战争可能已经不是模型战争了，而是谁能先占领人的思维入口。互联网时代，人们抢的是流量入口， 移动互联网时代，人们抢的是 app 入口。到了 ai 时代，可能抢的真的是认知入口，或者叫思维入口。如果有一天，你每天八小时都必须依赖某个 ai， 那 你觉得你到底是在替公司工作，还是在替那个 ai 生态工作呢？评论区聊聊吧。

全球最有钱的科技公司，被自家工程师用 ai 写代码烧光了预算。微软最新内部通知，六月底强制停用 cloud code， 全面改用自家 copilot。 原因是太贵了， token 计费暗自收钱，工程师写的越多，公司付的越多。讽刺的是，微软投了 open ai 一 百三十亿美元， 自家 co pilot 还是打不过 cloud code。 微软工程师对 cloud 的 满意度百分之九十一，对自家产品却只有百分之六十，这说明什么？ ai 时代最大的谎言就是便宜高效。真相是谁用谁知道，贵的肉疼，微软都扛不住，中小企业怎么办？

微软取消内部多数 cloud code 授权，主推 github copilot c l i。 微软核心业务团队将停用 cloud code 工程师，六月底前切换至自家 copilot c l i， 因前者挤占内部工具使用量，微软意在收拢 ai 编程入口，并非弃用 cloud， 只是取消其独立工具的内部默认地位。

微软为何弃用自家的 compellate？ 昨夜，科技圈炸开了。微软这个 compellate 的 亲爹，这个给 open ai 投了一百三十亿美金的金主，昨晚被爆出正在强制要求内部数千名核心工程师放弃 compellate， 改用竞品 antropic clock code。 你没听错，连负责开发 windows、 office 和 teams 的 核心团队，甚至是非技术岗的产品经理，都在这波强制试用的名单里。这个不是背刺自家产品这么简单，这背后藏着一个让所有还在手抄代码的程序员必须看清的残酷真相。为什么？ 为什么卖铲子的人自己却悄悄换了挖掘机呢？原因很简单，但也非常致命。在微软看来， copilot 这种代码补全工具已经完全过时。大家想一下，我们在用 copilot 用的是什么？本质上，它是一个超级的自动补全工具， 你写一行，他猜测下一行，他的定位是 compilot， 也就是副驾驶，他的手不碰方向盘，需要你来开，他只给你提供方便。但 cloud code 是 什么？ ajaxai， 它是代理式 ai， 它不是在 a d e 给你弹窗建议，它是直接接管你的终端。 你给他一个指令，说帮我重构这个模块，顺便修复所有的关键 bug， 然后跑通测试，他就会像一个真正的初级工程师一样，自主规划、自主执行、自主检查。微软内部的测试书记已经说明了这一些，在处理复杂的跨文件的架构型任务时， copilot 这种补全模式根本不够用。 而 cloud code 展现出的这种推理能力和自主执行能力，才是下一个时代的生产的标准。还有更可怕的事情正在发生在这场微软内部的大练兵里面。不仅是工程师在用，连设计师和产品经理都要用 cloud code。 你想想看，以前产品经理有个点子，得求着开发，去排期，去做原型，要做大量的沟通。但现在呢？蔚然鼓励他们直接用 cloud code， 是 自己生成原型，几段提示词，一个可运行的应用就生产出来的。这也就是硅谷现在最火的概念， 没编程。当不懂代码的人通过 ai 有 了代码能力的时候，那个曾经保护着我们饭碗的技术壁垒已经坍塌了。微软 ceo 纳德拉已经在公开场合说了，微软内部百分之三十的代码已经是 ai 生成的。注意，这还只是开始。 当 ai 从辅助写代码进化到独立完成事件的时候，传统的初级程序员，那些只会写 c、 r、 u d 的 中级程序员，你们的生态位在哪里？所以，别再想 ai 是 不是泡沫了，微软的行动就是最诚实的投票。 这不仅是一次工具的迭代，这是一场编程模式的代际，跟替未来的软件开发不再是比拼，谁的语法背得更熟，谁的 a、 p i 记得更牢，那种是为了写代码而写代码的时代结束了。未来的核心竞争力是 ai 编排能力，你要从一个砌砖的人转变成一个指挥家， 你需要懂得如何拆解业务逻辑，如何向 ai 下达精准的指令，如何评估 cloud gpt、 gmail， 哪个模型更适合当下的工作，如何把它们串联起来为你工作。当下微软的策略就是多模型策略，它不在乎你用什么模型，它在乎的是这些 agent 都能在它的 agent 上跑， 所以他已经看透了本质，你呢？最后我想送给大家一句话，淘汰你的永远不是 ai， 而是那些率先会用 ai 指挥千军万马的超级个体。好了，这里是阿木 ai 编程， 如果你想用全球最顶级的 cloud code、 codex 等编程 agent， 请关注我并回复 cc， 我 将拉大家进我们三千人的 ai 编程交流群，在这里，从开通账号到实战技巧，从项目创意到上线部署，全程都有人带。

微软为何将弃用 cloud？ 兄弟们真的很炸裂啊！微软刚刚下令封杀内部工程师使用的 ai 编程工具 cloud code， 但问题是，二零二五年年底，我记得啊，微软刚给 cloud 投五十亿美金，那总体上为什么呢？第一，成本太高， cloud code 调用太烧饭力，大公司四个月烧光全年预算。 第二， ai 必须自己做主。大厂之间啊，表面是合作合纵联盟，实际上都在布局自己的 ai 壁垒，核心的 ai 生产力必须拥有控制权。这一切的背后只有一个逻辑，如果 ai 成本太高且不可掌控，再好的 ai 也必须被换掉。 奇怪，从商业 ai 落地，帮老板只做一件事，不是让你买 ai 工具，是让你真正拥有自己能用起来的 ai。 接某信，接飞书，接淘斗拼东，接业务，接员工，成本可控，本地部署数据安全自主掌控。你的 ai 必须你自主。

ai 早报，微软把内部的 code code 禁了，强推自家 co pilot。 与此同时， x ai grok build 入局， codex 上手机自接 chai， 出了全自主模式 ai 编程开打了 第二条 cyrus 上市首日翻倍 ai 芯片第一股。第三条 apple intelligence 换人， jimmy 取代了 chat gpt。 微软做了一件很说明问题的事，去年底，微软给几千个员工开通了 cloudcode 的 权限，设计师、产品经理都能用。结果怎么样？ cloudcode 的 在内部太受欢迎了，员工就不用自家的 copilot 了。 所以微软现在决定六月底前全部禁掉，强制转回 github。 copilot c l i 表面理由是战略整合，实际上也有财年末空费的因素。但问题是， copilot c l i 和 cloudcode 的 相比还有明显差距。 再看整个赛道， x ai 的 grok build 刚入局，命令行工具 beta 阶段， open ai 的 codex 上了手机端四百万周活用户字节的叉 e 出了 s o l o 模式， 从需求到部署全自主，每家走的路线完全不同。 copilot 走生态绑定， cloud code 走代码质量， codex 走全民化， grok build 走开放命令行，叉 e 走全自主一条龙。 有意思的是，微软自己的员工用脚投票了，谁更好用？关注 ai 早报，明天见！

微软打响 ai 内战，取消数千人 clockcode？ 你 没听错，一个全球顶级的科技公司，正在主动取消掉数千名工程师的 ai 编码工具许可。这个工具是 entropix 的 clockcode， 过去半年深受微软内部开发者好评， 而且这个最终期限就卡在六月三十号，刚好是微软财年的最后一天，这背后明显有非常强的财务压力。 但微软为什么宁愿自断臂膀，放弃连自家工程师都极度青睐的工具，也要强行推一个可能还有差距的替代品？这可不是小事。这集我们就把这里面关乎战略、金钱，还有 ai 未来格局的复杂博弈，彻底给你掰扯明白，看完你就知道下一个倒霉的会是谁。 微软居然强制砍掉数千人爱用的 cloud code！ 你 没听错，很多原本跟代码八竿子打不着的人，比如项目经理、设计师，就是因为 cloud code 实在是太简单好用了，第一次尝试用它来写代码、做原型、搞创新，它直接把 ai 编程的门槛拉到了一个前所未有的低点。 但尴尬的是，根据微软内部的数据显示，过去几个月里，微软大力推广的 gigapcooplex l i， 这简直是公开打脸，也直接暴露了微软自家工具在功能和用户体验上存在的明显差距。微软体验与设备事业部执行副总裁 rajeshjar 在 内部备忘录里给出的官方说法是，要集中资源，把 copilot c i i 打造成最适合微软内部工作流的代理式编码工具。 可你想想，对于那些靠 cloud code 轻松入门，已经形成固定工作流的非专业编码人员来说，突然被要求切换到一个可能还没有那么顺手、需要重新适应的 copilot c l i， 这会造成多大的工作流断裂？ 他们好不容易建立起来的效率和习惯，就这样一下子被打乱了。这种巨大的体验红沟真的让不少内部员工感到非常费解和不满。所以，如果说官方理由是为了集中力量办大事，那为何选择在这个时间点如此决绝？日历上的一个特殊日期，揭示了另一个更直接的驱动力。 为什么微软要这么做呢？内部消息很明确，六月三十号这个截止日期就是个削减运营开支的简单方法，因为那天是微软裁员的最后一天，砍掉许可能直接给新裁员减负，让财务账面更好看。 但光是省钱解释不了一切。这背后还有更重要的战略考量。微软要确保亲儿子 gigacopilot 的 主导地位，他想减少对外部技术，哪怕是合作伙伴 and fropick 的 依赖， 目标就是强化自己 ai 生态的闭环。但这不代表微软跟 entropik 彻底决裂。在 microsoft 三百六十五 copilot 和 asher 云服务里， cloud 模型因为某些任务上表现更强，依然被继续用着。这种异敌异有的关系真的特别复杂。 现在这场由财务和战略共同导演的内部变更，把所有压力都推给了 copilot。 能不能在失去开发者信任之前，把那个巨大的体验红勾填平？ 这我们拭目以待。微软不惜砍掉数千人爱用的工具，究竟在憋什么大招？他正拿自家数万工程师当试验田，强行为他们用 get up co pilot c l i， 目的是什么？加速 co pilot c l i 的 代理式能力，就是让 ai 自己能理解、拆解和执行复杂编程任务。 这本来是 cloud code 最强的招数，微软这场内部好赌，不止影响自家工程师效率，更会给未来 ai 编程助手市场定下基调。 到底是亲儿子最香，还是好用才王道？答案很快揭晓。看完这集，你也许会发现，下一个被淘汰的，很可能就是你正在用的 ai 工具。

大家好，我是娜娜。最近科技圈最重磅的消息莫过于微软突然宣布从今年六月三十日起，全面叫停内部数千名工程师使用 anthropic 的 cloud code 编程工具， 强制要求他们转向自家的 github copilot c l i。 这件事之所以值得所有人认真看，是因为它打破了我们过去对 ai 行业的一个基本认知。那个累计给 open ai 投了超过一百三十亿美元，手握全球最大云算力平台 az 的 微软， 居然会说自己用不起 ai 了。更讽刺的是，微软不仅是 antropic 的 投资方之一，还为 antropic 提供了大部分的云计算基础设施。换句话说，微软一边在给 cloud 搭服务器，一边看着自家工程师用 cloud 烧自己的钱，最后实在烧不动了，只能强制断供。 这不是孤立。就在同一时间， uber 的 首席技术官普拉文内帕丽娜加发布内部备忘录，承认公司二零二六年全年的 ai 专项预算，仅仅过了四个月就已经全部烧光，而烧钱的主力同样是 cloud code。 当微软和 uber 这种级别的科技巨头都开始喊用不起的时候，我们必须意识到， ai 行业的补贴时代已经彻底结束了。那个 ai 能无限提升效率，成本只会越来越低的美好趋势，正在被一张又一张天价账单撕的粉碎。 我们先把这件事的基本情况说清楚，这次微软叫停 cloud code 的 范围主要覆盖负责 windows、 microsoft 三百六十五、 teams、 outlook 和 surface 产品线的所有工程师，人数接近十万。 微软给出的官方说法非常体面，体验与设备事业部执行副总裁拉杰什甲在内部备忘录中表示，当初同时开放 copilot c i 和 cloud code， 目的就是为了在真实的工程工作流中进行精准测试，快速学习不同工具的优缺点。现在，六个月的测试期已经结束， cloud code 完成了它的使命，所以团队将全面转向可以自主掌控的 github co pilot c l i。 但几乎所有内部消息和行业分析都指向了同一个更直白的原因，太贵了。 微软没有公开具体的花费数字，但知情人士透露， cloud code 的 账单已经高到连微软都觉得肉疼。 uber 那 边的数据更有参考性，每个工程师每月使用 cloud code 的 费用在五百到两千美元之间。这意味着，一个一百人的技术团队，光这一项 ai 工具的开支一年就能达到几百万美元。 这背后是整个 ai 行业定价模式的根本性转变。过去我们习惯了软件行业的包月订阅制，付一笔固定的月费，想用多少用多少。 但现在，面向编程场景的 ai 工具几乎全部转向了基于 token 的 按用量计费模式。提问越复杂，调用越频繁、任务越深入，产生的费用就越高。 在传统的软件开发逻辑里，工程师写的代码越多，公司创造的价值就越大。但在 ai 智能体时代，这个逻辑被彻底反转了。 ai 写的代码越多，公司付给外部供应商的账单就涨得越快。 这就像你雇了一个效率极高的员工，但他每敲一个字都要单独收费。当他干活比十个普通员工还勤快的时候，你的财务平衡反而会被直接打破。 over 的 案例最能说明问题，他们有百分之九十五的工程师在日常使用 ai 工具，其中百分之八十四已经进入了智能体编码模式。百分之七十的线上代码提交源自 ai 生成，产量确实提升了，但代价是原本计划用一整年的预算，四个月就烧得一干二净。 财务团队当初基于固定席位和低频调用建立的成本预测模型，在面对数千名工程师并行开启的智能体工作流时彻底失效了。 所以微软的选择其实非常理性。 github 属于内部核算成本资源在 azure 体系内流动，编辑成本极低，而 cloud code 是 一笔实打实的外部现金支出， 哪怕两者的生产力完全相同，单从财务角度看，微软也没有任何理由继续为 cloud 买单。不过事情显然没有这么简单，如果只是成本问题，微软完全可以限制使用量，或者要求团队按需申请，而不是一刀切全面叫停。 越来越多的迹象表明，这次断供更像是一场精心策划的战略撤退，而不是一次单纯的财务决策。 很多人注意到，微软是在向内部开放 cloud code 整整六个月之后才宣布停止使用的，这个时间点非常微妙。 linkin 上有开发者一针见血地指出，微软这根本不是用不起，而是把 cloud code 当成了免费的陪练， 先让竞争对手的产品进入自己的工程团队，让他在真实的工作场景中暴露自家 copilot c l i 的 所有短板，然后用半年时间收集反馈，疯狂迭代， 最后在产品差距缩小到可以接受的程度时，关掉对手的工具，把所有工程师全部迁回自家产品垃圾使假。在备忘录里的那句话也印证了这个猜测， cloud code 在 这一学习过程中发挥了重要作用。这句话翻译过来就是，我们已经从你身上学到了足够多的东西，现在你可以走了。 这种先引进再学习后替代的策略，确实只有微软这种级别的公司才能玩得转。它同时拥有底层云基础设施、全球最大的代码托管平台 github 以及十万名工程师作为实验样本。 大多数公司根本没有这种奢侈的选择权，他们只能单纯的用不起，而微软可以选择学完再停。但如果我们再往深挖一层，就会发现，这个看似高明的策略背后，藏着微软更深层次的焦虑。 如果自家的 coplab 真的 足够好用，微软根本不需要搞什么精准测试，更不需要让竞争对手的产品在自己内部流行半年。 这次断供本质上暴露了一个令微软非常难堪的事实，在 ai 编程这个核心战场，它已经被 antropica 实质性的超越了，这才是这件事真正重要的地方。它不是一次简单的工具切换，也不是一笔财务账的问题。它折涉出微软在大模型时代正在面临的三重根本性困境。 第一个困境，也是最核心的困境，微软始终没有真正属于自己的前沿通用大模型。很多人可能会觉得奇怪，微软不是投了 openai 一 百三十多亿美元吗？怎么会没有自己的大模型？但事实就是如此， 自二零一九年与 open ai 达成合作以来，微软几乎把所有的 ai 赌注都压在了 open ai 身上，自身的通用大模型研发几乎处于停滞状态。今年四月，微软 ai 研究实验室发布了三款 m a i 系列模型，但全部都是语音转录、语音生成和图像创建，这类垂直领域模型 没有一款能够对标 g p t 四或者 cloud 通用大语言模型。这意味着，微软所有的核心 ai 能力本质上都系于 open ai 一 身。 更麻烦的是，今年四月，微软和 openai 已经正式结束了持续七年的排他性绑定。阿扎尔不再是 openai 唯一的云出口， ip 授权也从独家转为了非独家。过去微软最大的护城河之一就是独占 openai， 但现在这条护城河正在快速消失。一旦 openai 彻底脱离微软的掌控，微软将没有任何能够替代 gpt 四或者 cloud 的 底层模型。这种平台强、模型弱的结构，本质上是一种技术空心化。微软虽然拥有全球最强的 ai 商业入口之一，却缺乏真正决定 ai 能力上线的机模控制权。 第二个困境，微软自家的产品力已经实实在在地打不过竞争对手了。过去两年， github co pilot 一 直是 ai 编程的代名词，但二零二六年的 ai 编程市场已经发生了天翻地覆的变化。 cloud code 真正改变行业的地方在于它把代码补全工具变成了掌上下文工程代理。 传统的 copilot 只能帮你写几行代码，而 cloud code 可以 直接参与整个软件工程流程。它支持百万 token 的 上下文窗口，单次绘画可以处理大约三千个文件， 在跨数十个文件进行重构或调试的场景下， cloud code 的 完成率达到了百分之八十九，而基于 gpt 四 o 的 github copilot 只有百分之六十。 在权威的 cyberbench 编程基础测试中， cloud code 的 得分是百分之八十点八， github co pilot 仅为百分之七十二点五，相差了八点三个百分点。这个差距在日常开发中是非常明显的。这也就是为什么在微软内部，最受欢迎的编程工具不是自家的 co pilot， 而是 cloud code。 据 the verge 报道，在开放 cloud code 之前，微软百分之九十一的工程团队都在使用 github co pilot。 过去六个月里， cloud code 的 使用量严重蚕食了这一比例。一名微软内部人士透露， cloud code 在 工程师群体中的满意度高达百分之九十一。当一家公司的核心开发者对外部竞品的满意度远高于自家产品时，问题就不再是害怕对手赚钱那么简单了。 员工长期使用外部工具，意味着他们的开发工作流、调试习惯、工程上下文，甚至整个技术思维都会随着工具一起迁移。对一家平台型公司来说，最可怕的从来不是竞争对手赚到钱，而是自己的开发者开始在竞争对手的生态里工作。 第三个困境，微软正在逐步丧失对整个 ai 生态的控制权。就在微软内部工程师纷纷转向 cloud 的 同时，整个企业市场也在发生同样的变化。 根据 rap 公司五月十三日发布的 ai index 报告，今年四月， anthropic 的 企业付费采用率达到了百分之三十四点四，首次超越了 open ai 的 百分之三十二点三成为了企业市场新的 ai 头号供应商。 推动这一反超的核心引擎正是 cloud code， 它发布仅半年就做到了十亿美元的年化收入，到二零二六年初已经达到了二十五亿美元。 目前， cloud code 占据了全球 ai 编程工具市场百分之五十四的份额，全球财富十强企业中有八家是他的付费客户。 据估算，全球 github 公开提交中，大约百分之四已经由 cloud code 参与完成。 anthropic 预计这个数字到今年年底将超过百分之二十，而微软在这一轮增长中，几乎没有分到什么蛋糕。 高盛的统计数据显示，二零二六年全球 ai 创业公司的年化总额约为八百亿美元，其中 open ai 约二百五十亿， antropic 约一百九十亿，两家合计占了百分之八十九。 微软虽然能通过 azure 提供算力赚钱，但 ai 时代利润最厚、控制力最强的那部分价值正在被模型公司和 agent 平台拿走。更让微软难受的是，他本来应该是这场 ai 编程革命最大的开发者生态， 但现在 cloud code 占据了开发者心智， anthropic 拿走了企业增长， open ai 逐渐脱离了微软的独占体系，而微软自家的 github co pilot 市场份额已经下滑到了大约百分之二十五。 微软突然发现，自己拥有 github， 却未必拥有下一代 ai 编程生态。把这些线索串起来，我们就能看懂微软这次断供 cloud code 的 真正逻辑了。 这不是一次简单的成本控制，也不是一次成功的偷师，而是一次迫不得已的组织防御。当产品竞争不过的时候，微软没有选择先把抠拍了的能力追上来，而是选择先暂停 cloudco 的 内部使用权限。这本身就说明问题已经从产品竞争演变成了生态安全问题。 微软必须在工程师的工作流被 cloud 彻底锁定之前，强行把它们拉回自己的生态体系里。据报导，微软甚至一度考虑收购 ai 编程工具 curser 来弥补扣拍乐在体验上的差距，只是后来因为监管风险等因素没有推进。 这恰恰暴露了微软现在最尴尬的处境，它拥有全球最强的开发者平台之一，也拥有最庞大的企业客户体系。但 ai 编程时代最关键的入口，开发者每天真正使用的 agent 工具 却正在落到别人手里。而一旦开发者的习惯、工作流和工程生态都被重新建立，后面再想夺回来，就不是加几个功能换一次产品策略那么简单了。 当然，我们也不能就此断定 anastropic 已经赢了。 rap 的 报告也指出了 anastropic 目前面临的三个明显逆风。首先是激励错位， anastropic 的 收入和 token 消耗量直接挂钩，这意味着它有动力推动用户使用更贵的模型，哪怕更便宜的模型已经足够用了。 其次是最近一段时间， cloud 的 服务质量有所下降，频繁出现宕机和速率限制问题。最后， antropic 最新的模型更新会让包含图片的提示词成本增加三倍，这无疑会进一步加具企业的成本焦虑。 但无论如何，微软和 uber 的 遭遇已经给整个行业敲响了警钟， ai 的 真实成本远比我们之前想象的要高得多。过去那种 ai 会无限降价的假设已经被证明是错误的。 过去半年，全球 ai 软件的有效价格实际上涨了百分之二十到百分之三十七。包括微软自家的 github， 也已经取消了所有的固定费率计划，全面转向按用量计费。 人类正在从订阅经济正式跨入效用经济。 ai 不 再是一件可以无限使用的工具，而是一种高能耗的公用事业，就像电和水一样，用多少就得付多少钱。 这个转变将彻底重塑整个 ai 行业的商业逻辑。过去， ai 的 推广由 cto 和开发者驱动，追求的是快和酷，但从现在开始， cfo 将成为 ai 团队真正的最高指挥官。 每一笔 ai 投入都必须经过严格的 roi 核算，那些不能带来明确商业回报的 ai 项目将会被大规模砍掉。对于 ai 实验室来说，这也不是一个好消息。 现在他们面临着一个两难的选择，要么任由企业因为太贵而缩减 ai 用量，这会直接拖慢他们的收入增长速度，撑不起 ipo 前的高估值。要么主动降价自己吞下亏损。但这会在最糟糕的十点进一步恶化。他们本就脆弱的单位经济， 无论走哪条路，最终的结果都是一样的，账算不通了，总得有人为这笔亏损买单。悬在整个 ai 行业头顶的那个词叫做减值。 回到微软这件事本身，它给所有平台型公司上了非常深刻的一课。在大模型时代，没有底层模型的控制权，再大的生态，再多的用户也可能被别人从底层架空。 微软拥有 github， 拥有 azure， 拥有十亿级的企业客户，但它依然挡不住 cloud 从开发者工具这个入口一步步蚕食它的生态根基。 这就是为什么现在所有的科技巨头都在疯狂投入自研大模型，因为大家终于明白，大模型不是一个可以通过投资或者合作就能解决的问题，它是未来所有科技竞争的基础。 没有自己的大模型，就永远只能做一个渠道商，永远只能赚产业链里最薄的那部分利润。好了，以上就是本期视频的所有内容，如果你喜欢本期视频，不要忘记订阅、点赞、分享，这样就不会错过每一期的精彩内容。感谢收看，我们下期再见！

五月十五号，微软已经开始取消大部分员工的 cloud code 的 内部许可，截止日期六月三十日就到。六月三十号之后，大家都没法使用 cloud code 了。六月三十日呢，也是微软团年的最后一天，什么概念呢？就是微软现在已经 不愿意为员工的 vip 定价买单了。仅仅在六个月前呢，微软还在做一个完全相反的事情，二零二五年的十二月，他把 cloud code 开放给数千名员工，包括了工程师、产品经理、设计师，鼓励所有人用 vip coding 的 方式来重塑 工作流，员工呢，也非常的喜欢这个工作，当然了，可能消耗透支量呢，也指数型的上升。六个月之后呢，微软自己是服输了，因为这个透支量，一句话说的话就是烧 token 已经比员工更贵了。 y c 的 合伙人 tom blumfield 在 一次 bash talk 就是 分享会上说一句话，如果你的 a p i 账单不让你心痛，说明你烧的不够。类似的话，詹曾皇也说过， 希望每招一个员工的费用，其中他的薪资的一半会匹配对应的 ai a p i 的 使用 token。 那 为什么微软会取消 web coding 呢？其中一个原因呢，就是微软自己在推自己内部产品叫 coopart， 这产品呢，目前看呢，其实是有点受冷的，原因呢，就是 color code 的 使用量太大了。实际上微软呢，并不是孤立这一段时间呢，很多的公司呢，都为透看的销量犯愁，比如说 uber 的 cto privin 就 曾经透露，公司二零二六年全年的 ai 编程的预算在前四个月就烧光了。因为呢，应用深度学习的副总裁 brian 曾经在采访中说过一句，对我的团队来说，算力的成本远远超过员工的成本。那为什么这么多公司，特别小公司还在用 web coding 呢？因 这里面的一个核心逻辑是， web coding 对 于大部分的初创公司来说，是在替代人力成本，而不是增加人力成本。比如说 yc 的 合伙人达恩达湖曾经就说过一句话，一个人配上 ai 工具，就等于过去一支大工程师团队。这里面的核心逻辑呢，是替代而不是增加。微软呢？作为一个大公司，他不可能裁员百分之八十 全替换成 ai coding。 而目前的团队增加了这部分的 ai coding 之后，也没法快速的让自己的业务以两倍、三倍甚至五到十倍的做增长。所以微软也好，我 y c 说的初创公司也好，他们烧的本质上不是一种价值的 token， 微软的 token 呢，是给原班人马副驾加油，相当于增加了额外支出。而 y c 说的初创公司的 token 是 替代原本的驾驶员。另外，前段时间有个新闻就是 meta 裁员，那裁员之前呢？ zacabark 的 团队呢，是一直用自己的 vip coding 的 方式呢，去蒸馏员工的能力，所以呢，让整个裁员变得更加的丝滑，让很多的技巧跟技能呢，是沉淀在团队里面。那这个事情你应该怎么理解呢？我觉得对于很多的 ai 创业者来说呢，其实是一个颠覆性的机会，因为很多大厂，因为 因为它的结构性的原因，因为传统业务，因为 incumbent 就是 既有业务团大难掉头，导致它的成本结构并没法做大幅度的变化，没法自我革命，反而呢，对于创业公司来说，没有这样的压力，可以用一个更小的团队，更多 white coding 的 实力来实现大公司的能力。那另外方面呢，对于很多大公司来说，他要想改革呢，就没有那么容易， 因为他的业务呢，是相对来说比较稳定的，裁员呢，又会造成很多的社会恐慌。对他们来说，选择更低成本的构建模型以及 coding harness， 反而是更好的选择。 像 s 账号上面的一个网红 sick dot dev 说的， my company's cloud account got exhausted now my legendary manager is asking if we can build our own l l m like cloud to reduce costs。 就是 类似他们一样的，很多公司的 cloud 的 账户已经用完了，公司的管理层呢，在思考如何寻找更低成本的大模型的方案。这个呢，就对于无论是 deep sea 还是像我们这样的高性价比的模型公司的一波新的市场奇迹。

今天这个微软都停止这个 colossal 的 api 这个授权了，被这个 colossal 的 api token 的 价格吓坏了，现在连微软这样的大厂都用不起这个 api 的 token， 你 想这个一些中小公司应该怎么办？所以 token 这个问题最终还是需要解决的。

最近，一张内部账单搅动了整个开发者圈，微软突然叫停大批 cloudco 的 订阅席位，而 uber 的 cto 自爆全年的 ai 预算四个月已经烧完，企业像是约好了一样，开始集体踩下 ai 支出的急刹车。钱究竟是怎么被烧成这样的？ 表面上看，模型单价并没有大涨，但过去半年，大模型厂商悄悄动了三处手脚，把原本免费的代码解释、测试生成挪到了付费墙背后， 对函数调用、代码执行等环节单独寄收工具调用 token。 最隐蔽的是， cloud code 最近的版本默认开启多轮自我反思和自动调试代理，这些高消耗模块根本无法全剧关闭， 工具一开，后台就在拼命燃烧。 token 开发者曾期待的持续降价和更高性价比彻底落空。账单摆上桌那一刻，再慷慨的团队也坐不住了。 微软要求员工转向 copilot c l i， 商业上几乎无法反驳。他投资了 openai 和 github， 没理由用自己的预算去支撑竞争对手的营收。而且 copilot c l i 本身正在被重构成企业级 ai 开发的中书。他不是简单的命令行助手， 支持按任务类型、安全级别和成本预值、动态路由不同模型深度集成。 asher devops 自动触发代码审查与合规扫描。最关键的是，它提供了一套 token 仪表盘，能实时显示每个团队甚至每条代码分支的消耗构成， 精准归音到提示补全还是工具调用，这种透明度的能力恰好是 cloud code 至今缺失的。更大的转向已经在市场上发生。 openroot 最新季度数据显示， deepseek v 四 flash 已成为企业开发者首选模型请求量占比接近四成， 同比增长百分之二百一。单位输出成本只有 cloud 三点五， cell 内的二十七分之一腾讯害三，紧随其后靠的是中文代码理解和本地话文档。所以反观 anselpik 和 openai， 一个季度内企业客户占比就掉了近两成。 大量用户正在流向自托管的开源模型集群，三年总拥有成本比商用 a p i 低了百分之六十一。开源模型已经能完成绝大多数任务，而真正监测的任务，即便动用顶级闭源模型，也一样会失败。最终多花几十倍的成本，换来的只是微乎其微的体验提升。 这揭开了一个很残酷的真相，很多企业那副阔绰的模样，可能只是一次昂贵的付费，当决策者亲眼看到五位数账单时，理性会迅速回潮。个人用户不会因为几十美元的订阅说停就停， 但企业完全可能在一周内砍掉预算。 antropic 显然意识到了危机，火速上线封号申诉页面，接着推出 usage 命令和成本优化指南，建议用户关掉自动重试，限制生成长度。这本质上等于承认高智能不等于高性价比， 可控性远比峰值性能重要。最让企业纠结的，其实还不是花钱，而是花钱与不花钱的界限变得模糊。 不给工程师充足的顶级模型透肯，你就验证不了应用效果，也养不出 ai 开发的手感。可一旦出了问题，你根本分不清楚是工作流本身有缺陷，还是模型能力到了瓶颈。这个困局不破解企业端的持续性， ai 投入就会一直悬着巨大的问号。 市场规模仍然在涨，众多场景还在验证期，但增速已经脱轨。或许只有当一笔笔账单铺满财务的桌面，这个行业才真正开始计算 ai 的 投资回报率。

今天微软这个局面是博弈论里面典型的囚徒困境，欢迎来到投来投去。上一期节目里我刚刚说了微软的隐患是自研模型不太行，跟 openai 的 合作不太稳。 这几天情况就产生了新的变化，在 openai 转向投入亚马逊的怀抱的时候，微软一边威胁要起诉， 一边正在商谈和 astropica 的 合作，也就是 cloud 这个大模型接入到微软的系统里，微软给他开放了很多权限，比如说让 cloud 的 模型接入 microsoft 三六五， 并且把 cloud 的 销售业绩也纳入微软云的整体业绩规划里，据说已经在微软内部的员工里开始推广 cloud。 我相信有很多内幕是只有这四家的内部员工才清楚的，外界不得而知，但是从事情的经过和一些基本面来看，事情已经比较清晰了。 第一个传递出来的重要信号是亚马逊和微软的资源模型都不太行，难堪大任。这个观点其实长期以来在市场上被很多人提及，就是因为大家看到的是人家谷歌的 jimmy 一 直在自己用最直观的图像生成，效果大家也看到了。 而微软的自研模型，无论是麦还是斐，一看新闻里就是有，真正用起来的时候就是在调用别人的 g p t。 尤其这次的事件， open ai 作为一个乙方要撤走， 把微软这个甲方急得不行，这给外界传递的信号就是微软自研的东西根本就用不起来。 我们再来说说亚马逊的字眼模型，亚马逊的这个 nova 也是差不多，新闻里说了一堆，结果在自家的 b 端用户平台 bedrock 里调用的数量都不是排在第一的，用 cloud 的 人是最多的，而在 c 端， nova 的 存在感很低，就不提了。 第二个传递出来的关键信息是 openai 用行动告诉人们，他根本就不看好微软云对亚马逊云的基本盘的攻势，也就是公有云业务的争夺。 这两家的云重叠部分的竞争，现在很难预测出谁未来会赢，但是 openai 这属于是用脚投票了， 大家都知道云计算业务利率特别高，属于一本万利了。微软云的增速是很快的，印象里是行业里增速最快的，但是 openai 不 去守着跟微软的合作，而是不惜翻脸，也要分亚马逊云的一杯羹。 你说 openai 他 如果坚定地看好微软云的企业云，公有云业务的未来会是这样吗？ 上述讲了这么多，我们现在可以梳理一下这三家厂商各自的立场，我用大白话表达出来，我相信他们的 发声的人员用英文说，穿着西装说，打各种比方，但是核心逃不离以下的一些想法和诉求。第一个， open ai， 假如我是 open ai 的 人，站在他的角度上来说，我觉得我做的完全没有问题，因为合同里写了独家共赢。 但是现在市场发展的情况，让我并不想只跟微软绑定了，因为企业云业务的利润太大了， 亚马逊现在在领先微软，短时间内很难赶上，就算是赶上了，两家也是平分天下，很难说微软很快就压倒亚马逊。如果是这样的话，我如果独家供应，相当于有市场上一半的利润，碰不到这个我根本接受不了。所以我想摆脱独家供应的合同， 我就得想办法在技术上找个理由，所以现在说的什么有状态无状态， api 接口之类的就是一个说辞罢了。 这个说辞不行，我还能找到下一个，因为技术上总能找到理由，做个新产品换层皮卖给亚马逊，这在法律上没有问题。如果说谷歌用道德指责我，那我想说这台硅谷太常见了。 微软当年跟网警关于浏览器的纠纷的时候，也是这么投换概念，最后赢了的，所以没什么好道德绑架。再说亚马逊给的钱非常多，现在是五百个亿，听说后面还要追加，所以说在甲方竞争的市场里，我作为乙方就是想分散合作，不想独家绑定 第二个亚马逊。假如我是亚马逊，对我来说，现在云业务大赚特赚，竞争到了白热化的阶段， 现在绝对离不开好的大模型，而我的平台接入了好多家的大模型，但是你知道这绝对不是常态，未来肯定不是这样的，未来是要统一标准，只保留一家或者是少数几家，而我自研的现在看又不太行，还需要时间来研发，所以就要引入外部的好的供应商。 g p t 这么好不可或缺，而且引入它还能间接的打击我的竞争对手，釜底抽薪，连 openai 都愿意尝试，我有什么理由不跟进不去做呢？第三，如果我是微软的话， 自己的自研大模型现在顶不上来，得抓紧引入 cloud， 同时也要抓紧自研。这次的事件让微软很受损，不可能轻轻松松就这么算了，一定要用法律的武器保护合法权益， 能拖好一阵子，而且可以寻求情外和解。最坏最坏的情况就是什么都没拿到，接受了这个协议，那么事实上还可以接着用 gpt 很 长一段时间，用时间换空间，抓紧自研替换。 ok， 我 刚才把三方的观点都用大白话表达了一下，讲到这里我们汇总一下，可以发现这就是博弈论里面典型的求图困境了。 什么意思呢？就是说从局外人的角度，从你我的角度来看，这三方不互掐，互相合作一起做才是共赢的。但是从他们每个人自己的角度来看，微软拆散对面的合作是最优解， openai 摆脱独家共赢是他的最优解。 到这里，局面基本上就不可挽回了，因为他们三方对于最终目的的追求达成了一致，就是拆散这个合作。所以我判断微软和 openai 的 合作会实质性的终结，也许会拖一阵子，也许会寻求庭外和解，但是咱们得相信，博弈论最终的结果恐怕很难改变了。 到这再去讨论谁到底赢了已经没有意义了，某种程度上来说全是输家。微软和亚马逊自身产品到底接入哪个模型的这个事情，如果说未来的规划还是像现在一样糊里糊涂，那过几年回旋镖还是得扎回来。好了，今天就聊到这，投来投去，下期再见。拜拜。

各位兄弟，今天接到一个消息说微软取消了对 cologne 的 订阅，换句话来说就是微软的成员不能够再用公款来使用 cologne 了，这个东西对我来说还是挺吃惊的。我倒是不是吃惊微软取消了 cologne， 我是 吃惊于他们居然还一直订阅了 coco 的， 因为微软有自己的 coco 那 个 c l i 的 这样的一个运营行的编程工具啊，他既然自家有一个工具，为什么还要订阅别人家呢？当然你订阅别人家作为学习可以是吧？作为参考也可以。结果你搞的公司里面大份成全 全都用 coco， 用竞真，用竞品，用别人家竞真的产品，然后你自己的产品怎么获得反馈，怎么能改进呢？这就是匪夷所思的事情嘛。在软件这行里面有一个概念叫 dog 铺顶喂狗啊，就自己的自己的狗粮，自己的狗 自己吃就自己狗粮，自己做的东西自己得用，你只有自己用了才能够感觉到这个东西到底好不好，你才能给有必要的反馈是吧？你自己的东西都不用， 你指望别的人能用吗？不管怎么样，现在他们已经把这个东西给取消掉了，我希望那个微软的 coco 的 c r i 家人做得更好吧，虽然微软有千般不好，但是就这件事我觉得做的对。嗯，加油！

现在要轮到 ai 担心被人替代的问题了，因为 ai 实在是太贵了。微软刚刚官宣，六月底将停用 cloud code， 强制切回字加 call palette。 ai 最大的谎言，省人工又高效。但隐藏在背后的真相，越好用的烧钱越狠！ 现在该担心被替代的不是打工人了，而是 ai 自己。毕竟连微软这种顶级巨头都开始扛不住 ai 的 天价成本，率先动手砍 ai 工具了。美国财富杂志实锤，微软六月底将强制停用 cloud code， 全面换成自家的 co pilot。 讽刺的是，微软才给员工开放 cloud code， 仅留个月就紧急叫停， 核心原因只有一个， ai 太贵了。微软的员工太爱用 cloud code， 而 token 计费向无底洞，用得越顺手，账单越离谱。 哪怕微软年收入有近三千亿，也扛不住这持续疯涨的开销。更打脸的是，工程师对 cloud code 满意度高达百分之九十一，对自家的 co pilot 仅有百分之六十投了 open ai， 一 百三十一自研的产品还是干不过第三方。这背后藏着商业真相， ai 成本不是固定洗胃费，而是像水电煤一样，打开就收不住 微软的坑。百分之九十中小企业都会踩，盲目迷信 ai 只会沦为成本包袱，再强的工具也会变成烧钱的累赘。

万万没想到，第一批被 ai 反噬的不是普通人，而是最早 all in ai 的 科技公司。一边是英伟达副总裁 brian kent zara 说他们团队现在的 ai 算力成本已经超过员工的工资了。另一边，微软强制回收了公司员工的 cloud code 的 许可证，让核心工程部门的工程师在六月底之前全部换回自家工具 co pilot。 这 这两件事都暴露出了同一个问题， ai 最恐怖的地方，从来不是它会取代人，而是它太烧钱了。过去两年，硅谷流行一个词叫 token maxing， 简单来说，就是比谁烧的 token 更多。甚至有公司内部会有实时排行榜，显示每个员工消耗的 token 数量。因为所有公司都相信一个逻辑，员工不用 ai 等于不 不够上进，消耗的投跟数量越多，就证明你越有价值，一个人能顶三个人。于是你会经常在新闻上发现 mate 啊， google、 微软、 amazon， 各种科技大公司都在大批量裁员，然后疯狂买 gpu， 建数据中心，获 ai 预算。结果现在剧情反转了，本来裁员是为了降本增效，拥抱 ai 浪潮，但事实却是，人越裁，钱反而烧得越狠。 因为 ai 和过去所有互联网软件都不一样。过去二十年，互联网行业有一个最底层的商业逻辑，软件的编辑成本接近于零。什么意思？ 你开发一个 office， 卖给一百个人和卖给一亿人，成本差距并不大。因为传统软件本质上是复制，所以过去互联网行业最重要的资源是人才。但 ai 不 一样，它本质上是一种实时消耗 gpu 的 推理服务。你每问一句话，生成一段代码，让 ai 分 析一次项目，背后都是真实， gpu 在 耗电，在 烧钱，而且 ai 越好用，调用量就会指数级增长。以前程序员自己查文档，现在直接问 ai， 以前自己的 bug， 现在让 agent 跑一晚上。如果你让他重构一个祖传代码模块，他为了不写错，会先把你整个项目几十万、上百万行代码全部塞进上下文窗口，然后在后台不断读取、 分析、生成、编辑、报错、修改、再编辑，进入一种近乎无限循环的推理状态。一个复杂 agent 一 晚上烧掉的钱，可能普通程序员一周的工资还高， 是出现了一个互联网行业过去从来没遇到过的问题，竞争力越高，成本也可能同步暴涨。但真正危险的还不是 ai 很 贵，而是大公司和小公司的差距开始被 ai 指数级拉大。因为大公司有自己的云，有自己的数据中心， g p u 集群钻利池，几十万 toker 上下文随便开，复杂推理随便跑，多个 agent 同 时工作， ai 自动分析整个代码库，自动测试，自动部署，甚至连续工作几个小时，他们烧得起。但小公司不一样，面对的是真金白银的 token 账单。很多创业团队现在已经开始精打细算，考虑哪些任务值得调用高级模型，这一轮推理到底值不值这个钱。而且两者的成本也完全不一样。科技巨头本身就是 ai 基础设施的拥有者，就像 microsoft 有 action， google 有 gcp， 他 们的工程师调用 ai 是 在消耗自家数据中心的算力。钱很多时候还在内部循环，但小公司面对的是市场价，按小时租 gpu， 按 token 付费。很多人以为 ai 时代拼的是谁更聪明，但实际上决定你能不能用好 ai 的 可能不是智商，而是财力。如果算力差距，也正在变成新的生产力鸿沟。你觉得未来最贵的东西是人才还是 gpu？ 这里是 ai 风向标，带你了解 ai 行业最新进展。

四个月烧光全年预算，不是创业公司，是污本。三千五百名工程师 ai 编程工具用到公司财务报警。接下来几分钟，我帮你拆解 ai agent 的 真实成本结构。 为什么工具越好用，企业越亏钱？今天不聊 ai 多厉害，只聊一个问题，钱去哪了？ word 的 故事很直白，去年底全面推 ai 编程工具，百分之九十五的工程师每月都在用百分之七十的代码提交，由 ai 驱动。 数字很漂亮，对吧？但你看时间线，二月份 a 侦探 ai 使用率百分之三十二，三月份百分之八十四，一个月翻了将近三倍。然后预算就爆了， cto 说预算已经超了。 coo 公开表态， ai 支出越来越难，说服自己这钱花得值。每位工程师每月的 api 成本五百到两千美元， 乘以三千五百人你自己算。但数字只是表面，真正的问题藏在成本结构里。这不是 uber 一 家的事。纽约时报今年三月造了个新词， token maxing。 什么意思？程序员之间在比谁消耗的 token 多，不是比谁代码写得好，是比谁让 ai 干的活儿多。 有点像健身房里比谁举得重，不管姿势对不对。 open router 的 数据很说明问题。编程占全部 token 用量的比例从百分之十一标到百分之五十以上，一半的算力都在写代码。 这不是效率提升，这是军备竞赛，而且是一场没人踩刹车的军备竞赛。为什么 agent 这么烧钱？两个字循环，普通对话，你问一句， ai 答一句，一来一回结束。 agent 不 一样，它要规划、执行、检查、重试， 一个任务可能跑十步，每一步都在吃 token， 具体多少？五十到一千倍没打错。普通聊天消耗一份 token， agent 消耗五十到一千份。 更狠的是，重试，十步的 agent 的 练，就算每步百分之九十五成功率，重试带来的额外消耗大约百分之四十。再加上定价模式变了， 以前按人头收费，一个席位一个月固定价。现在按消耗计，费用多少花多少， 没有上限。这三件事叠在一起， agent 的 几何级消耗，重试放大，按量计费，就是一颗定时炸弹。微软的反应更直接，砍了大约十万人的 cloud code 许可证。这个试点二零二五年十二月启动，原计划跑到二零二六年六月提前终止， 原因就一个字，贵！十万工程师每人每月几百到几千美元的 token 消耗总数太吓人了。 amazon 也慌了， 他们之前设了个目标，百分之八十以上的开发者每周使用 ai， 目标达成了，预算也炸了。你发现没有，这些公司的 ai 战略全都成功了，使用率上去了，代码产出上去了， 但成功本身成了问题。这就是核心悖论。 ai 编程工具的成功指标是什么？使用率高，代码产出多，开发者满意度高。 uber 全做到了百分之九十五，使用率百分之七十， ai 驱动提交教科书级别的成功。但这些成功恰恰是财务灾难的原因。 工具越好用，大家用的越多，用的越多。 token 消耗越大，消耗越大，账单越恐怖。产品成功和商业成功，在暗量计费的模式下是矛盾的。有人算过一笔账，在某些场景下， ai 比雇人还贵。你没听错，本来是为了省人力成本的工具，结果比人力还贵。这不是 bug， 这是商业模式的结构性矛盾。 ai 的 经济账还没算清楚，但有一件事已经很明确，按消耗计费的模式下，效率工具会变成成本黑洞。这不是技术问题，是定价问题。下一个烧光预算的会是谁？也许是你的公司，我们下期再见。