这些变化的核心原因，是行业正在从固定订阅费转向按 token 或使用量计费。生成或处理的代码越多，费用就越高。当企业里有几千名工程师每天使用时，总成本会迅速膨胀。

为什么大公司开始重新评估 Claude Code

一些大型科技公司已经开始对 AI 编程工具的成本结构进行重新评估。

Uber 的案例经常被拿来讨论。

报道称，Uber 在为约 5,000 名工程师提供 Claude Code 后，在 2026 年 4 月就耗尽了全年 AI 预算。 这意味着，即使单个开发者每天的费用看起来不高，在大型工程团队里也会迅速变成一笔巨额支出。

微软也 reportedly 在采取类似的调整。报道显示，公司在向数千名员工开放 Claude Code 几个月后，计划取消大部分内部许可证，并把开发者转向 GitHub Copilot CLI 作为主要工具。

微软将这一举措描述为对 AI 成本的“共同责任”，表明企业开始把 AI 使用费用当作需要严格管理的运营支出，而不是实验性预算。

需要注意的是，这些报道来自媒体或行业消息，而非完整的官方财报披露，因此仍应视为“据报道”的信息。

一个现实问题：AI 并不一定让开发更便宜

AI 编程工具最初的宣传逻辑很简单：

如果开发者效率提高，软件开发成本应该下降。

但现实情况要复杂得多。

首先，效率提升并不一定稳定。某些研究发现，在真实项目环境中，AI 工具甚至可能让资深开发者变慢。

一项随机对照试验研究显示，在允许使用 AI 工具的情况下，经验丰富的开源开发者完成任务的时间平均反而增加约 19%。

另一些研究也指出，如果 AI 生成代码的质量下降、而代码数量增加，团队可能需要花更多时间进行审查和修复，从而积累技术债。

换句话说：

• AI 可能提高代码生成速度
• 但验证、调试和维护成本可能同步增加

如果再叠加按 token 计费的成本模式，企业很容易出现一种情况：开发效率提升有限，但工具费用却成为新的大额开支。

企业现在在做什么调整

从目前的报道来看，大公司并不是放弃 AI 编程工具，而是开始做三件事：

• 控制使用规模，例如限制许可证数量
• 改用成本结构不同的工具
• 为团队设定更严格的 AI 使用预算

换句话说，AI 编程工具仍然被视为有价值的生产力工具，但企业正在进入一个更现实的阶段：从“全面试用”转向“精细化管理成本”。

这也意味着，未来 AI 编程的竞争可能不只在模型能力上，还会在价格结构、成本可预测性和企业治理能力上展开。

仍然存在的不确定性

目前关于 Uber 和微软的具体预算数字主要来自媒体报道，而不是完整的公司披露，因此仍需要更多官方信息来确认细节。

但至少从现有证据来看，一个趋势已经很明显：

AI 编程助手的最大挑战不再只是技术，而是规模化使用时的成本。

这些变化的核心原因，是行业正在从固定订阅费转向按 token 或使用量计费。生成或处理的代码越多，费用就越高。当企业里有几千名工程师每天使用时，总成本会迅速膨胀。

为什么大公司开始重新评估 Claude Code

一些大型科技公司已经开始对 AI 编程工具的成本结构进行重新评估。

Uber 的案例经常被拿来讨论。

报道称，Uber 在为约 5,000 名工程师提供 Claude Code 后，在 2026 年 4 月就耗尽了全年 AI 预算。 这意味着，即使单个开发者每天的费用看起来不高，在大型工程团队里也会迅速变成一笔巨额支出。

微软也 reportedly 在采取类似的调整。报道显示，公司在向数千名员工开放 Claude Code 几个月后，计划取消大部分内部许可证，并把开发者转向 GitHub Copilot CLI 作为主要工具。

微软将这一举措描述为对 AI 成本的“共同责任”，表明企业开始把 AI 使用费用当作需要严格管理的运营支出，而不是实验性预算。

需要注意的是，这些报道来自媒体或行业消息，而非完整的官方财报披露，因此仍应视为“据报道”的信息。

一个现实问题：AI 并不一定让开发更便宜

AI 编程工具最初的宣传逻辑很简单：

如果开发者效率提高，软件开发成本应该下降。

但现实情况要复杂得多。

首先，效率提升并不一定稳定。某些研究发现，在真实项目环境中，AI 工具甚至可能让资深开发者变慢。

一项随机对照试验研究显示，在允许使用 AI 工具的情况下，经验丰富的开源开发者完成任务的时间平均反而增加约 19%。

另一些研究也指出，如果 AI 生成代码的质量下降、而代码数量增加，团队可能需要花更多时间进行审查和修复，从而积累技术债。

换句话说：

• AI 可能提高代码生成速度
• 但验证、调试和维护成本可能同步增加

如果再叠加按 token 计费的成本模式，企业很容易出现一种情况：开发效率提升有限，但工具费用却成为新的大额开支。

企业现在在做什么调整

从目前的报道来看，大公司并不是放弃 AI 编程工具，而是开始做三件事：

• 控制使用规模，例如限制许可证数量
• 改用成本结构不同的工具
• 为团队设定更严格的 AI 使用预算

换句话说，AI 编程工具仍然被视为有价值的生产力工具，但企业正在进入一个更现实的阶段：从“全面试用”转向“精细化管理成本”。

这也意味着，未来 AI 编程的竞争可能不只在模型能力上，还会在价格结构、成本可预测性和企业治理能力上展开。

仍然存在的不确定性

目前关于 Uber 和微软的具体预算数字主要来自媒体报道，而不是完整的公司披露，因此仍需要更多官方信息来确认细节。

但至少从现有证据来看，一个趋势已经很明显：

AI 编程助手的最大挑战不再只是技术，而是规模化使用时的成本。