企业级 AI 成本陷阱：从 Microsoft 的 Claude Code 试点中吸取的教训

软件开发中智能体 AI (agentic AI) 的前景通常被描绘为生产力的飞跃——一种实现“10倍”开发者效率的方式。然而，Microsoft 最近一次备受关注的试点项目揭示了当前 AI 经济模型中的一个关键盲点：感知价值与实际 Token 消耗之间的差距。

Microsoft 在其 Experiences & Devices 部门于 2025 年 12 月启动的 Claude Code 内部试点项目已突然结束。原因并非能力不足，而是预算灾难。据报道，该试点项目在短短几个月内就耗尽了该部门全年的 AI 预算，导致其取消截止日期定为 2026 年 6 月 30 日。这一事件为任何试图在没有稳健 FinOps 框架的情况下扩展前沿 AI 工具的企业敲响了警钟。

结构性差距：固定席位制 vs. Token 计费

问题的核心在于从可预测的许可模式向基于使用量的计费模式的转变。多年来，企业软件一直依赖固定席位许可，这有效地隐藏了用户活动的边际成本。当 Microsoft 在 Claude Code 试点项目中转向基于 Token 的计费时，智能体工作流的真实成本立即变得清晰可见且难以管理。

智能体 AI 工具与简单的聊天界面有着本质的不同。它们通常在循环中运行，为了解决单个问题而反复处理大量的代码和上下文。这种“Token 最大化”行为可能导致成本呈指数级增长，而习惯于可预测的SaaS 订阅模式的采购团队对此缺乏预测能力。

“智能体浪费”问题

开发者之间的技术讨论强调了当前编程智能体运行方式中的系统性低效。许多智能体在单个会话中反复处理数兆字节的代码，且通常缺乏高效的缓存机制。

正如一位开发者所指出的：

"Coding agent 的工作方式极其浪费。所有的代码（数兆字节）都被一遍又一遍地处理，有时甚至就在一个会话中。"

此外，“感知质量”与“Token 膨胀”之间存在张力。一些用户认为，某些模型通过消耗更多的 Token 来确保更高水平的感知质量，但这并不一定能为最终用户带来成比例的价值。这创造了一种场景，即 AI 实际上是在通过消耗比必要更多的资源来“宣传”其能力。

对 AI 市场的战略影响

这次预算超支对更广泛的 AI 生态系统，特别是对 Anthropic 及其竞争对手具有重大影响。

1. 估值叙事

Anthropic 目前据报道正以 9000 亿美元的估值进行融资。其最著名的内部企业用户之一发现其成本模型不可持续这一事实，为加速企业采用 AI 的前提创造了一个显眼的反对叙事。如果其他大型企业也报告类似的超支情况，可能会导致投资者审查的加强。

2. 可预测性的竞争优势

Microsoft 现在正将其开发者引导向 GitHub Copilot。由于 Microsoft 拥有 Copilot，它可以提供固定费率的定价模型，从而消除了内部用户的预算风险。这使得定价的可预测性成为了对抗 Anthropic 等按 Token 计费的对手的主要竞争差异化因素。

3. AI FinOps 的兴起

AI 成本管理工具正迎来增长机遇。企业采购团队现在需要的不仅仅是预算；他们还需要实时的 Token 支出预测、硬性预算上限以及防止“预算爆炸”的警报系统。

反方观点与内部动态

并非所有观察者都 agree 成本是唯一驱动因素。一些人认为 Microsoft 的举动是在进行战略布局，优先考虑其内部产品（如 Copilot CLI）而非第三方工具。其他人则指出，那种“表演式代码生产”的内部文化——即经理通过追踪 Token 使用量来衡量生产力——可能会人为地推高成本。

还有一种观点认为，人工干预 (human-in-the-loop) 监督是维持这些工具的唯一途径。无监督的智能体工作流往往会随着收益递减而迅速消耗 Token，而受监督的过程则能在保持生产力的同时避免同等程度的支出。

结论

Microsoft 的经验表明，“AI 生产力...