微软按下vibe coding暂停键：「烧token」已经比员工贵了

原文标题：《微软按下 vibe coding 暂停键：烧 token 已经比员工贵了》
原文作者：张勇毅，极客公园

2026 年 5 月 14 日，微软已经开始取消大部分员工的 Claude Code 内部许可。截止日期是 6 月 30 日——也是微软财年最后一天。

仅仅 6 个月前，微软还在做完全相反的事——2025 年 12 月，它把 Claude Code 开放给数千名员工，包括工程师、产品经理、设计师，鼓励所有人都用 vibe coding 的方式来重塑工作流。员工很喜欢这个工具，但也许，太喜欢了。

但 6 个月之后，微软自己撤了。

而几乎在同一周，YC 的合伙人 Tom Blomfield 在一场 batch talk 上说了另一句话：「如果你的 API 账单不让你心痛，说明你烧得不够。」

同一个春天，硅谷正在为同一个问题给出两个完全相反的答案——AI 用起来，到底比人贵不贵？

01 vibe coding 的失败现场

微软取消的不是 Claude 这个模型。Anthropic 的模型还会继续通过 Copilot CLI 提供给微软员工。它取消的是 Claude Code 这个产品入口本身。

被影响最深的是「Experiences + Devices」这个部门——也就是 Windows、Microsoft 365、Outlook、Teams 和 Surface 背后的工程师团队。EVP Rajesh Jha 在内部备忘录里把这个决定包装成「工具链统一」（toolchain unification），但 The Verge 援引的微软内部消息更直白：员工普遍认为 Claude Code 比 Copilot CLI 更好用，Anthropic 这个工具在微软内部的流行，甚至让微软自家的 Copilot CLI 被「冷落」了。

换句话说，微软撤掉 Claude Code，不是因为它不行，是因为它太行。

那个 6 月 30 日的截止日期也不是巧合——是微软财年的最后一天。砍掉一个员工普遍偏好的工具、换回自家产品、时间点卡在财年节点上——里面有多少是产品判断、有多少是财务考量，大家心知肚明。

图片来源：视觉中国

微软不是孤例。

一个月前，Uber 的 CTO Praveen Neppalli Naga 对 The Information 透露：公司 2026 年全年的 AI 编程工具预算，在前 4 个月就烧光了。Uber 此前还专门搞过内部排行榜，用比赛的方式激励员工多用 AI——结果是预算崩盘。

更直白的是英伟达应用深度学习副总裁 Bryan Catanzaro 接受 Axios 采访时说的那句：「对我的团队来说，算力的成本远远超过员工的成本。」这是从一家硬件公司的高管嘴里说出来的——这家公司的核心产品就是卖算力。

Fortune 把这些线索串到一起，给文章起了一个非常 Fortune 的标题：「微软的报告暴露了 AI 真正的成本问题——用这玩意儿比养员工还贵」。

如果只读到这一层，结论很简单：vibe coding 失败了，AI 替代人这个故事可以收摊了。

但这个结论下早了。

02 Copilot 模式已经「撞墙」

要解释微软的撤退，得先讲清楚 vibe coding 是什么。

这个词是 Andrej Karpathy 在 2025 年初提出的——他描述了一种新的编程方式：开发者不再一行行写代码，而是用自然语言描述意图，让 LLM 生成代码。开发者甚至不读代码、只看结果——能跑就接受，不能跑就再让 AI 改一遍。

这是 AI 时代最有诱惑力的一种生产力承诺。它意味着：一个不会写 Rust 的工程师能让 AI 帮他写 Rust；一个产品经理能让 AI 帮他做出原型；一个设计师能让 AI 帮他写出能跑的代码。微软 2025 年 12 月那次开放 Claude Code 的对象——工程师、PM、设计师——恰好就是这三类人。这不是巧合，这是 vibe coding 最经典的落地姿势。

但 vibe coding 落到大公司里，会变成一件结构上很别扭的事。

假设微软有一个工程师，年薪 30 万美元。微软给他配一个 Claude Code 之后，他的产出提升了 20%——这是 vibe coding 最理想的状态。但与此同时，他每个月烧掉的 token 成本，是 200 美元、500 美元、还是 2000 美元？这个数字会随着他对 AI 的依赖越来越深而单调上升。

更麻烦的是，他不会因为「用了 AI」就被裁掉——他的 30 万年薪还在，福利还在，他的工位还在。

也就是说，微软的总成本结构是「原来的员工工资 + 新增的 token 账单」。这个公式只有一个方向——成本暴涨。

而「员工产出 +20%」这件事在财务上的反映是「营收 +20%」吗？不是。是「营收维持不变，但成本结构里多了一项 AI 账单」——因为大部分员工的产出，并不直接对应新增的收入，他写得更快不代表公司卖得更多。

这就是 Catanzaro 那句「算力比员工贵」真正的含义。它不是说 AI 笨，是说当你把 AI 装在原来的员工身上，你不可能让账算得过来。

这个逻辑还有数据支撑。

Gartner 最近一份预测里说：到 2030 年，一万亿参数大模型的推理成本将比 2025 年下降近 90%。听上去是 AI 越来越便宜了，但 Gartner 的真正结论是：这并不会让企业的 AI 总账单变便宜。Gartner 高级总监分析师 Will Sommer 说过一句话——「CPO 们不应该把『商品级 token 的通缩』和『前沿推理能力的入门化』混为一谈。」

Goldman Sachs 的预测更直接：到 2030 年，agentic AI 将推动 token 消耗量增长 24 倍，达到每月 120 千万亿。单 token 价格下降 90%、消耗量增长 24 倍——结果是总账单还在涨。

黄仁勋有一个更激进的版本。他几个月前在公开场合说，未来每一个英伟达员工身边都会有 100 个 AI agent 一起工作。

听上去很美。但如果你是 CFO，你听到的是什么？是 100 个 token 烧炉，每天 24 小时不停地烧。

问题不是 AI 太贵。问题是「给每个员工配一个 AI 副驾」这个假设本身。

这种姿势在科技圈有一个流行的名字——「副驾模式」（copilot mode）。它的核心假设是：人继续在驾驶位上，AI 在副驾位上给你建议。它不替代你，只是让你更快。

这个假设在文字层面非常温柔——「AI 不会抢走你的工作，AI 只是帮你」。但在财务层面，它的隐含意思是：原来的所有工资不变，但额外多了一项 token 费用。

而 token 不是固定费用，是按消耗计费的。员工用得越多，公司付得越多——这恰好是企业最不愿意看到的成本结构：浮动、上不封顶、跟着产能反向放大。

微软在 2025 年 12 月开放 Claude Code 的时候，可能并没有完全意识到这一点。它本来想的是：让员工试一下，看看 AI 能让工作效率提升多少。但 6 个月之后，员工真的用上瘾了，Claude Code 在微软内部太流行——结果就是 token 账单远超预期，超过了微软自己能从这种流行中拿回的产出。

微软撤了。但撤的不是 AI——撤的是「员工继续在驾驶位、AI 在副驾位」这种结构。

这是一种结构性的失败。它不会因为模型更便宜而消失，也不会因为员工更熟练而消失——它会随着员工对 AI 越来越熟练而更严重。

03 烧 token，是因为不烧人头

几乎和微软撤退同一周，Tom Blomfield 在 YC 的 batch talk 上提出了一个完全不同的视角。他没有讨论「AI 该怎么用」——他讨论的是「AI 时代的公司应该长什么样」。

Blomfield 的判断很直接：今天大部分公司还是「罗马军团」式的结构——信息逐级向上传递、命令逐级向下分发、人是协调的核心。把 AI 装到这种结构上，效果就是把热兵器发给罗马步兵——他们会用得更狠，但战术不会变。

真正的 AI-native 公司应该是另一种样子。

Blomfield 用了一个很具体的描述：每个动作都应该产生一个可记录、可调用的产物，让一切对 AI 清晰可读（legible to AI）；公司应该被设计成「自我改进的 AI 循环」，系统能感知环境、做出决策、调用工具、接收反馈、自我修正。

人在这种公司里只剩两种角色。一是个人贡献者——每个人不论部门都是 builder 和 operator，开会带原型，不光带想法；二是 DRI（直接负责人）——每个产出都有一个明确的责任人，「不能躲到 AI 后面」。

然后 Blomfield 说了那句金句：「如果你的 API 账单不让你心痛，说明你烧得不够。」

这句话如果出现在微软的 CFO 办公室，会被当成笑话；但放在 YC 一屋子初创公司创始人面前，没有人觉得疯狂。

为什么？

YC 另一位合伙人 Diana Hu 在 5 月初的 Startup School 里给出了答案。她讲了一句话——「最大化的不是人头，是 token 消耗」。她还有更直白的版本：「一个人配上 AI 工具，就等于过去一支大工程师团队。」

注意这里的关键词：「等于」。不是「相当于」，不是「类似于」——是替代。

YC 那批 P26 2026 春季 batch 里，已经有不少公司在用 5、6 个人做过去需要 20、30 人才能做的事。它们的 token 账单当然高，但它们的人员账单极低——账整体算下来，是赚的。

更激进的案例是 Block。Jack Dorsey 旗下这家金融科技公司最近裁了 40% 的员工。这不是传统意义上的「降本增效」——Block 同时把 AI 工具的内部投入加大，新结构就是 Diana Hu 描述的那种：IC + DRI + AI agent。

烧 token 在 YC 的语境里不是支出，是替代。它替代的不是 AI 之外的开销，是人头工资。账之所以算得过来，是因为公司同步去掉了那些原本要烧工资的位置。

这就是微软和 YC 看到同一件事，却给出相反答案的根本原因——他们烧的根本不是同一种 token。微软的 token 是给原班人马的副驾加油，YC 的 token 是替代原本的驾驶员。

04 真正的资产正在被重新定义

Tom Blomfield 在对谈里，还说了另一句更耐人寻味的话——「人是短暂的，上下文文档才是重要的。」

这是一个会计学层面的判断。

传统公司的资产负债表是怎么写的？左边是固定资产、应收账款、商誉、IP，右边是负债和股东权益。员工不在资产那一栏——员工是成本。但每个公司心里都知道，员工其实是真正的资产：客户关系在销售脑子里，业务直觉在产品经理脑子里，技术 know-how 在工程师脑子里。

这种「资产」的特点是会走的。员工离职，资产就跑了。

而 Blomfield 描述的 AI-native 公司，是在做一件事：把这些原本只存在于人脑里的资产，全部抽取出来，变成 AI 可读、可调用、可迭代的「上下文资产」。

具体形式是什么？是详尽的需求文档；是把每一次决策、每一次邮件往来、每一次 Slack 讨论沉淀下来的过程文档；是开放的 MCP 接口和 API；是每个内部工具产生的 artifact——所有这些东西，构成了一家公司新的、可继承的、不会随员工离职而蒸发的资产层。

人在这种公司里反而变成「变量」——可以快速接入，也可以快速离开，因为公司的核心资产不在人脑里，在文档里。

图片来源：视觉中国

这种结构如果成立，意味着的不只是一种新的组织模式——意味着公司的资产负债表正在被重写。一家 6 个人、烧着惊人 token 账单的 AI-native 公司，看上去财务不健康，但它真正的资产可能比一家 60 个人的传统公司还厚——只是这种资产，现在的会计准则还没学会怎么计算。

换句话来讲，vibe coding 没有死。它只是不属于传统公司。

微软撤掉 Claude Code 的那天，不是 AI 经济学失败的一天——是一种把 AI 装在旧组织上的姿势，被它自己证伪的一天。

而 YC 那一屋子初创公司里，正在长出另一种姿势——它们小、它们烧、它们没有 KPI 表里的「员工 AI 使用率」、它们的 CFO 也不会因为 token 账单暴涨而恐慌——因为他们烧的本来就不是「员工的副驾」，是「员工的替代品」。

未来几年，所有还在让员工「多用一点 AI」的中型公司，都会撞到微软撞过的那堵墙——结构性必涨的 token 账单。

但撞墙的真正原因，不是 AI 太贵——是组织还没改。

而绝大多数公司，恐怕一时半会儿都不会改。

原文链接