编辑｜靖宇
2026 年 5 月 14 日，微软宣布取消大部分员工的 Claude Code 内部许可，截止日期定为财年最后的 6 月 30 日。仅仅半年前，微软还曾大力推广该工具，鼓励工程师、产品经理和设计师通过"Vibe Coding"重塑工作流。然而，员工的高频使用导致成本失控，迫使微软紧急踩下刹车。
与此同时，YC 合伙人 Tom Blomfield 在 batch talk 上提出了截然相反的观点：“如果你的 API 账单不让你心痛，说明你烧得不够。”同一个春天，硅谷针对"AI 是否比人更贵”这一命题，给出了两个完全相反的答案。
Vibe Coding 在大厂的失败现场
微软此次调整并非停用 Anthropic 模型，Copilot CLI 仍将继续服务员工，被砍掉的是 Claude Code 这一具体产品入口。受影响最深的是负责 Windows、Office 及 Surface 等核心业务的"Experiences + Devices"部门。
尽管内部将此决策包装为“工具链统一”，但真实原因更为直白：Claude Code 因体验优异深受员工喜爱，反而冷落了微软自家的 Copilot CLI。更关键的是，在财年节点切断一个广受欢迎的工具，背后既有产品战略的考量，更有财务控制的紧迫性。
微软并非孤例。Uber CTO 透露，公司 2026 年全年的 AI 编程预算在前四个月已消耗殆尽；英伟达应用深度学习副总裁 Bryan Catanzaro 更是直言：“对我的团队来说，算力成本远超员工成本。”这些信号指向一个残酷现实：在传统架构下，AI 的使用成本可能高于人力。
若仅以此得出"AI 替代人类故事终结”的结论，则为时过早。问题的核心不在于技术本身，而在于应用模式。
Copilot 模式的结构性困境
"Vibe Coding"由 Andrej Karpathy 于 2025 年初提出，主张开发者用自然语言描述意图，由 LLM 生成代码，开发者仅需关注结果而非过程。这种模式极大地降低了编程门槛，让非技术人员也能参与开发。
然而，当 Vibe Coding 嵌入大型企业的现有架构时，却产生了结构性的财务冲突。假设一名年薪 30 万美元的工程师因使用 AI 提升了 20% 的产出，但其产生的 Token 成本也随之单调上升。由于企业并未因此裁减人员，总成本结构变成了“原有工资 + 新增 Token 账单”，导致成本单向暴涨。
此外，员工产出的提升并不直接等同于营收增长。Gartner 预测，虽然到 2030 年大模型推理成本将下降 90%，但 Agentic AI 将推动 Token 消耗量增长 24 倍，企业总账单仍将大幅上升。高盛数据也佐证了这一趋势。
黄仁勋曾设想每位员工身边配备 100 个 AI Agent，但在 CFO 眼中，这意味着 100 个全天候燃烧的 Token 火炉。问题的根源在于“副驾模式”（Copilot Mode）的假设：保留所有现有人员，仅增加 AI 辅助。这种模式下，Token 作为浮动成本，随使用量无限放大，成为企业难以承受的负担。
微软的撤退，实质上是撤掉了“人在驾驶位、AI 在副驾位”的旧结构。只要不改变人员编制，单纯叠加 AI 工具，必然导致成本结构的恶化。
烧 Token 的本质是替代人头
与微软的保守不同，YC 提供了另一种视角。Tom Blomfield 指出，传统公司如“罗马军团”，层级森严，将 AI 强行植入此类结构，如同给步兵发放热兵器，战术思维未变，只会加剧消耗。
真正的 AI 原生公司（AI-Native）应被设计为“自我改进的循环”。在这种组织中，人是构建者（Builder）和操作者（Operator），每个产出都有明确的责任人（DRI）。Blomfield 的金句"API 账单不心痛说明烧得不够”，在初创圈被视为真理，因为其背后的逻辑是“替代”而非“叠加”。
YC 合伙人 Diana Hu 明确表示：“最大化的不是人头，是 Token 消耗。”在 P26 春季批次中，许多公司仅用 5-6 人便完成了过去需 20-30 人的工作。虽然 Token 账单高昂，但极低的人力成本使得整体账目盈利。
Block 公司裁员 40% 并加大 AI 投入的案例，正是这一逻辑的极致体现：用 IC（个人贡献者）+ DRI + AI Agent 的新结构，彻底替换掉冗余岗位。在 YC 的语境里，烧 Token 是为了替代原本需要支付工资的职位。微软烧的是“副驾的油”，而 YC 烧的是“驾驶员的替代品”，两者本质截然不同。
企业资产的重定义：从人到文档
Tom Blomfield 进一步提出：“人是短暂的，上下文文档才是重要的。”这一观点触及了会计学的核心。在传统资产负债表中，员工被视为成本而非资产，尽管他们掌握着客户关系、业务直觉和技术诀窍，但这些资产会随人员流失而蒸发。
AI 原生公司的核心变革，是将存储在人脑中的隐性知识，抽取并转化为 AI 可读、可调用、可迭代的“上下文资产”。这包括详尽的需求文档、决策记录、沟通沉淀以及开放的 API 接口。这些构成了公司新的、可继承的资产层。
在此结构下，人变成了可快速接入或离开的“变量”，而核心资产留存在文档与系统中。这意味着，一家只有 6 人但拥有庞大上下文资产库的 AI 公司，其实际价值可能远超一家 60 人的传统企业，尽管现行会计准则尚未能准确计量这种新型资产。
微软叫停 Claude Code，并非证明 AI 经济学失败，而是证伪了将 AI 强行塞入旧组织结构的尝试。Vibe Coding 没有死，它只是不属于固守旧制的传统大厂。
未来几年，那些试图在不改变组织架构的前提下让员工“多用 AI"的公司，都将撞上微软遇到的那堵墙——结构性必涨的 Token 账单。撞墙的根本原因不在于 AI 太贵，而在于组织未能进化。