2026年5月14日，微软开始撤销大多数员工的Claude Code内部许可。截止日期是6月30日，也是微软财年的最后一天。仅仅6个月前，微软的做法却截然相反——2025年12月，微软向数千名员工开放了Claude Code，其中包括工程师、产品经理和设计师，鼓励大家通过Vibe Code重塑工作流程。员工们非常喜欢这个工具，但或许是过度使用了。然而仅仅6个月后，微软就终止了这项服务。几乎在同一周，YC合伙人Tom Blomfield在一次集体演讲中发表了另一番言论：“如果你的API账单不让你感到压力，说明你消耗的代币还不够多。” 同年春天，硅谷对同一个问题——人工智能是否比人类更有价值——给出了截然相反的答案。### 01 Vibe Code的失败案例 微软撤销的并非Claude模型本身。Anthropic的模型仍将通过Copilot CLI提供给微软员工。他们撤销的是Claude Code的产品准入资格。受影响最大的是“体验与设备”部门——负责Windows、Microsoft 365、Outlook、Teams和Surface等产品的工程团队。执行副总裁Rajesh Jha在一份内部备忘录中将此决定包装成“工具链统一”，但The Verge援引了一份更为直白的微软内部消息：员工普遍认为Claude Code比Copilot CLI更易于使用。Anthropic的这款工具在微软内部的流行甚至让微软自家的Copilot CLI都感到“被冷落”。换句话说，微软撤回Claude Code并非因为它无效，而是因为它太有效了。6月30日并非巧合——这是微软财年的最后一天。放弃一款深受员工喜爱的工具，转而使用内部产品，并且选择在财年结束之际采取行动——其中有多少是产品决策，又有多少是财务考量，人尽皆知。微软并非个例。一个月前，Uber首席技术官Praveen Neppalli Naga向The Information透露：公司2026年全年人工智能编程工具预算在短短四个月内就已耗尽。此前，Uber曾设立内部排行榜，通过竞赛激励员工更多地使用人工智能，结果导致预算超支。更直白地说，NVIDIA应用深度学习副总裁Bryan Catanzaro在接受Axios采访时表示：“对我的团队而言，计算能力的成本远远超过员工成本。”这段话出自一家硬件公司的高管之口——该公司的核心产品是销售计算能力。《财富》杂志将这些线索联系起来，并给这篇文章起了个非常“财富”式的标题：“微软的报告揭示了人工智能的真实成本问题——使用人工智能比雇佣员工更贵”。如果仅止于此，结论很简单：直觉编码失败了，人工智能取代人类的故事可以结束了。但这个结论来得太早了。### 02 副驾驶模式遭遇“瓶颈” 要解释微软的退缩，我们首先需要澄清什么是直觉编码。这个术语是 Andrej Karpathy 在 2025 年初提出的——他描述了一种新的编程方式：开发人员不再逐行编写代码，而是用自然语言描述他们的意图，让逻辑逻辑模型（LLM）生成代码。开发人员甚至不需要阅读代码；他们只查看结果——如果代码可以运行，他们就接受；如果不能运行，他们就让人工智能进行修改。这是人工智能时代最诱人的生产力承诺。这意味着：不懂 Rust 的工程师可以借助 AI 编写 Rust 代码；产品经理可以借助 AI 创建原型；设计师可以借助 AI 生成可运行的代码。微软在 2025 年 12 月推出的 Claude Code 的目标用户正是这三类人群——工程师、产品经理和设计师。这并非巧合，而是“氛围编码”最经典的体现。然而，当“氛围编码”被引入大型公司时，它却会演变成一种相当棘手的结构性问题。试想一位年薪 30 万美元的微软工程师，在微软为其分配 Claude Code 后，其工作效率提高了 20%——这正是“氛围编码”的理想场景。但与此同时，他们每月的代币成本是多少：200 美元、500 美元还是 2000 美元？随着他们对 AI 的依赖程度加深，这个数字只会不断攀升。更令人担忧的是，他们不会仅仅因为“使用”了 AI 就被解雇。人工智能”——他们的30万美元年薪、福利和工作站都将保留。这意味着微软的总成本结构是“员工原有薪资+额外象征性支出”。这个公式只有一个结果——成本上升。那么，“员工产出+20%”在财务上是否能转化为“收入+20%”呢？并非如此。这意味着“收入保持不变，但成本结构中增加了人工智能成本”——因为大多数员工产出的增加并不直接转化为收入的增加；打字速度加快并不意味着公司销量增长。这才是卡坦扎罗所说的“计算能力比员工更贵”的真正含义。并非人工智能本身很笨；而是当你把人工智能植入到现有员工身上时，成本就无法得到有效利用。这一逻辑也得到了数据的支持。Gartner在最近的一份预测报告中指出，到2030年，一个万亿参数模型的推理成本将比2025年下降近90%。虽然这听起来像是人工智能正在变得更加经济实惠，但Gartner的实际结论是，这种成本的降低并不会降低公司整体的人工智能支出。 Gartner高级总监分析师Will Sommer曾说过：“首席产品官们不应将‘商品级代币的通缩’与‘尖端推理能力的普及’混为一谈。”高盛则做出了更为直接的预测：到2030年，人工智能将推动代币消耗量增长24倍，达到每月120万亿美元。代币价格下跌90%，消耗量增长24倍，最终结果是总成本持续攀升。黄仁勋的观点更为激进。几个月前，他在一次公开活动中表示，未来每位NVIDIA员工都将与100个人工智能代理并肩工作。这听起来很棒。但如果你是一位首席财务官，你会听到什么？你会听到100个代币被销毁，而且是每天24小时不间断地销毁。问题不在于人工智能成本过高。问题在于“给每个员工配备一个AI副驾驶”的假设。这种模式在科技界有个俗称——“副驾驶模式”。其核心假设是：人类仍然掌控方向盘，而AI则坐在副驾驶的位置上提供建议。它不会取代你，只是让你更快。表面上看，这种假设非常温和——“AI不会抢走你的工作，它只是在帮助你。”但从财务角度来看，其隐含的意义是：员工的原始工资保持不变，但需要额外支付代币费用。而且，这种代币费用并非固定成本，而是根据使用量计费。员工使用越多，公司支付的费用就越多——这恰恰是企业最不愿看到的成本结构：可变、无上限，并且与产能成反比。微软在2025年12月开放Claude Code时，或许并未完全意识到这一点。最初的想法是：让员工试用，看看人工智能能将工作效率提升多少。但六个月后，员工们对它产生了强烈的依赖，Claude Code 在微软内部变得过于流行——结果是代币支出远远超出预期，远远超过了微软能从这种流行中获得的收益。微软被迫退出。但它退出的并非人工智能本身，而是“员工继续担任驾驶员，人工智能担任副驾驶”的架构。这是一个结构性缺陷。它不会因为模式成本降低或员工技能提升而消失——随着员工对人工智能的熟练程度不断提高，这个问题只会变得更加严重。### 03 销毁代币，因为它们不会烧伤人头 几乎就在微软退出的同一周，Tom Blomfield 在 YC 的创业者大会上提出了一个截然不同的观点。他没有讨论“人工智能应该如何使用”，而是讨论了“人工智能时代的公司应该是什么样子”。布隆菲尔德的评估直截了当：如今，大多数公司仍然沿用“罗马军团”式的组织结构——信息自上而下，命令自下而上，人是协调的核心。将人工智能引入这种结构，就像给罗马步兵配备先进武器——他们或许能更有效地使用，但战术依然如故。一家真正以人工智能为核心的公司应该截然不同。布隆菲尔德的描述非常具体：每一个行动都应该产生可记录、可调用的成果，使人工智能能够理解一切；公司应该被设计成一个“自我改进的人工智能循环”，在这个循环中，系统能够感知环境、做出决策、利用工具、接收反馈并进行自我纠正。在这样的公司里，人们只剩下两种角色。一种是个人贡献者——每个人，无论身处哪个部门，都是建设者和操作者，他们不仅要提出想法，还要在会议上展示原型；另一个是直接责任人（DRI）——每个输出都有一个明确的负责人，他们“不能躲在人工智能背后”。随后，布隆菲尔德说出了那句令人印象深刻的话：“如果你的API账单没有让你感到心疼，说明你消耗得还不够多。”如果这句话是在微软首席财务官的办公室里说的，那会被认为是个笑话；但在满屋子的YC创业公司创始人面前，没有人觉得这很疯狂。为什么？YC的另一位合伙人戴安娜·胡在五月初的创业学校上给出了答案。她说：“关键不在于最大化用户数量，而在于最大化代币消耗。”她有一个更直白的版本：“一个人加上一个人工智能工具，就相当于以前一个庞大的工程团队。”请注意这里的关键词：“相当于”。不是“类似”，也不是“像”，而是替代。YC P26 2026 春季班的几家公司已经仅用 5 到 6 个人就完成了过去需要 20 到 30 人才能完成的任务。他们的代币成本自然很高，但人员成本却极低——总体而言，他们盈利了。Block 就是一个更极端的例子。杰克·多西的这家金融科技公司最近裁掉了 40% 的员工。这并非传统意义上的“削减成本、提高效率”——Block 同时增加了对人工智能工具的内部投资，采用了 Diana Hu 所描述的新结构：集成电路 + 直接需求集成 + 人工智能代理。在 YC 的语境下，销毁代币不是一种支出，而是一种替代。它并非替代人工智能之外的成本，而是替代工资。之所以说它能盈利，是因为该公司同时裁掉了原本会产生工资支出的职位。这正是微软和 YC 看到同样的事情却得出截然相反结论的根本原因——他们销毁的根本不是同一种类型的代币。微软的代币用于为现有团队补充资金，而 YC 的代币则是原有驱动程序的替代品。### 04 真正的资产正在被重新定义 在一次对话中，汤姆·布隆菲尔德还发表了另一个发人深省的观点：“人是短暂的；上下文文档才是最重要的。” “这是一种会计判断。传统公司的资产负债表结构是怎样的？左边是固定资产、应收账款、商誉和知识产权，右边是负债和所有者权益。员工不属于资产——他们是成本。但每家公司内心深处都知道，员工才是真正的资产：客户关系存在于销售人员的头脑中，商业直觉存在于产品经理的头脑中，技术知识存在于工程师的头脑中。这类“资产”是可以流动的。当一名员工离职时，这些资产也随之流失。布隆菲尔德将人工智能原生公司描述为做一件事：提取所有这些原本只存在于人类头脑中的资产，并将它们转化为人工智能可读、可调用且可迭代的“情境资产”。这具体会以何种形式呈现呢？”它包含详尽的需求文档；记录每一次决策、邮件往来和Slack讨论的流程文档；开放的MCP接口和API；以及所有内部工具生成的各种文档——所有这些都构成了公司全新的、可继承的资产层，即使员工离职也不会消失。在这种类型的公司里，员工反而变成了“变量”——他们可以快速加入和离开，因为公司的核心资产不在于员工的头脑，而在于文档。如果这种结构得以维持，它不仅仅意味着一种新的组织模式——它还意味着公司的资产负债表正在被重写。一家拥有六名员工、却要支付巨额代币费用的AI原生公司，其财务状况可能看起来不太健康，但它真正的资产可能比一家传统的60人公司还要丰富——只是这些资产尚未被现行的会计准则所认可。换句话说，直觉式编码并没有消亡。它只是不属于传统公司。微软终止 Claude Code 项目并非人工智能经济的失败，而是将人工智能生搬硬套到旧组织架构中适得其反的体现。与此同时，在 YC 孵化的创业公司云集的房间里，一种截然不同的模式正在兴起——他们规模小，资金充裕，KPI 图表上没有“员工人工智能利用率”这一项，他们的首席财务官也不会为飙升的代币费用而恐慌——因为他们投入的并非“员工辅助驾驶”，而是“员工替代”。未来几年，所有仍在尝试让员工“更多地使用人工智能”的中型企业都将遭遇微软曾经遇到的困境——代币费用结构性地上涨。但真正的症结并非人工智能成本过高，而是组织架构尚未发生根本性改变。不幸的是，大多数公司可能短期内都不会做出改变。[BlockBeats]