今年5月，微軟給"體驗與設備"部門發了一封內部郵件：幾千名工程師必須在6月30日之前全面停用Claude Code，遷移到自家的GitHub Copilot CLI。

理由很現實：用不起了。

你要是只聽到這，結論很可能是：AI編程太燒錢了，連微軟都燒不起，中小企業更別想了。

我反而覺得，恰恰相反。微軟擔心的事，你暫時還不需要考慮。先蒙眼狂奔再談控制，這是企業AI變革必然要經歷的兩個階段。

到底花了多少錢

先來看看微軟花的這筆錢到底有多少。

微軟內部統計顯示，每個工程師每個月在Claude Code上的API開銷在500到2000美元之間浮動。取一個中間偏保守的數字1000美金，幾千人的團隊一個月就是幾百萬美金。幾個月下來，該部門2026全年的AI預算就已經燒穿了。

微軟不是唯一被這個賬單砸到的。

Uber的CTO年初說了組數：公司5000個工程師，95%用Claude Code。同時還有另一組數據，全年AI編程預算，4個月就燒干凈了。

國內也沒少發生這種事。5月阿里云峰會上，米哈游《崩壞》系列的AI負責人鄭銀河講了件事：團隊做多Agent協作實驗，幾十個Agent同時干，一晚上200萬人民幣的Token燒沒了。

第一階段：先用起來再說

聽起來很嚇人對吧？一個月幾百萬美金、四個月燒穿全年預算、一晚上兩百萬——全是花錢的故事。

但你把視角轉過來看，這是好事：微軟工程師一個月燒幾千美元，說明什么？說明他們真的在用，每天都用，已經用順了手回不去了。Uber 95%的工程師在用，70%的代碼由AI提交。米哈游幾十個Agent同時跑，說明他們已經在做別的公司想都不敢想的實驗。

這些賬單一排開，換個角度看就是AI真的滲透進了日常工作。

但99%的企業，還在第一道門檻外面晃悠。

第一道門檻是什么？不是Token貴不貴，是你用沒用。

企業AI變革的第一階段，就一件事：不限制，可勁用，用得越多越好。

你再看人家老黃，他說，如果英偉達一個年薪50萬美元的工程師，一年消耗的Token不到25萬美元，他會非常恐慌，就怕花少了。 工程師不用AI，就跟芯片設計師放棄CAD工具，拿鉛筆和稿紙畫電路圖一樣荒謬。

你覺得你用古法手搓很省？你只是在用最貴的方式產出。

Anthropic 90%的代碼已經是AI生成的。

他們對自己132名工程師做了一次內部調研。結論里有個數字很有意思：27%的AI輔助工作，是工程師以前根本不會花時間做的。清技術債、搭數據看板、做代碼重構......這些事有價值，但在AI之前，永遠被更緊急的事擠掉。現在AI幫你干了，它們是純增量。

另一組數據更能說明效率的變化。同一批工程師，在約60%的日常工作中使用Claude，自報效率平均提升了50%。

關鍵是，這些數據都發生在第一階段——放手讓大家用、不做限制的階段。你一開始就想著"控制成本"，這些數字連冒出來的機會都沒有。

你還沒上車就在擔心油費貴。但車還沒開出車庫呢。

第二階段：當AI跑得比預算還快

那微軟和Uber為什么踩剎車？因為人家已經把車開到了高速上。

微軟發禁令也只是禁了最貴的Claude Code，其他AI工具還在照樣用。說明什么，他們在尋求更有性價比的提效方式。

這就是第二階段。第一階段的命題是"用沒用"，第二階段的命題是"用沒用對"。微軟和Uber正在經歷的，不是AI不行，是管理跟不上了。

我們自己也踩過這個坑，公司內部推AI已經有一段時間了。從研發到產品到運營，AI滲透到了各個崗位的日常里。一開始我們的策略很簡單：鼓勵大家用，用得越多越好，別心疼Token。

效果確實猛。然后某天，我們拉了一張賬單。

數字我就不說了，反正看完之后，我當時的心情跟Uber的CTO差不多：這增長速度，兜不住。

但真正的問題不是花了多少錢，是你根本沒法判斷這些消耗值不值。

為了解決這個問題，我們正在搭建一套AI Native組織評測系統，把散落在各個角落的數據拉通——會議產出有沒有因為AI變得更結構化、代碼提交的質量是不是在提升、AI工具的使用集中在哪些高價值環節、日常文檔反映出來的是真干活還是水報告、項目的推進速度有沒有因為AI加速。

把這些信息交叉在一起，最終給管理者看到的不是一張"誰的花費最高"的賬單，而是一張看得見組織變化的圖。

內部做了這么多，我們也想把我們的經驗分享給真正想要轉型的企業，實現真正的AI Native組織變革。

今天就到這，如果本文對你有幫助，歡迎收藏轉發。如果對AI前沿信息感興趣，點個關注咱們接著聊。