微软开始给AI按token算账：连AI基础设施公司都给员工设预算了

微软开始给AI按token算账。token是AI按调用量计费的基本单位，每一次让模型写代码、读文档、跑agent，都按token结算。这家公司（同时也是全球最大的AI云之一）在七月为各业务部门设了"AI token预算目标"，并把内部默认模型换成更便宜的GPT-5.6。

执行副总裁Jay Parikh在内部邮件里写得更直白："Tokenmaxxing不是我们优化的目标。"他要求员工"像管理其他关键资源一样管理token花费"，"每个人都应该意识到自己是如何消耗token的"。内部面板显示，许多微软工程师每月的token开销在几百到几千美元之间，员工本人可以查看。

CEO萨蒂亚·纳德拉两个月前才在播客上承认自己也是"token maxxer"，靠AI调用把生产时间压到极限，但他同时给出边界条件：生产率的边际提升必须匹配token的边际成本，"不是每个问题都值得调用最强、最贵的前沿模型"。七月落地的政策，正是把这句话变成了内部纪律。

微软不是孤例。

404 Media的调查显示，Atlassian月度AI支出不到一年增长3倍，突破1500万美元；Uber到今年4月已经烧光2026年全年的AI编程预算，其合作方Cursor的新一轮报价较此前上涨4到5倍，Uber随后规定每名员工使用每一种Agent编程工具每月不得超过1500美元。金融领域的Citi要求员工按任务难度选择模型，部分高成本模型一度被暂停访问；Adobe取消了员工对Claude的无限使用。

亚马逊的故事更说明问题。今年5月，公司内部推出"AI消费排行榜"KiroRank，覆盖8.5万多名员工，给消耗最高的250人颁发"Token Legend"和"Cache Wizard"之类的称号。高级副总裁Dave Treadwell很快叫停这个项目，理由是"请不要为了使用AI而使用AI"。

这种风向的逆转，黄仁勋那条"10倍工程师"算式是其中一条推手。NVIDIA CEO在3月的《All-In Podcast》上说，如果一个年薪50万美元的工程师一年消耗的token不到25万美元，他会"深感担忧"；在GTC 2026上他进一步表态，愿在年薪之外再额外提供相当于半薪的token预算，认为有机会把工程师能力放大10倍。这条由CEO级别背书的曲线，正在成为AI推理需求侧的一种基准假设。

另一条推手是工程文化本身的反噬。多名开发者向量子位反映，长期依赖AI之后自己判断代码对错的能力在退化；当公司里成百上千名工程师同时提交大量AI生成代码时，没有人能逐一复核。生产工具变成生产成本，又反过来要求生产纪律。这是微软在内部邮件里没明说、但用预算目标写出来的那句话。

下一轮要看的是供应商端的定价压力。当Uber、Atlassian、微软这些大客户都开始按token设上限，Cursor式的报价上调空间会被压住；反过来，模型厂商继续推高能力上限的定价动力也会被削弱。微软在邮件里留了半句话：后续会根据监控情况施加进一步限制。预算的下一档数字，可能在下一个季度公布。