微软重拳整治内部“Tokenmaxxing”，AI算力浪费成行业隐忧

【科技纵览】当大模型调用成本成为企业不可忽视的财务黑洞，科技巨头们终于开始从粗放式使用转向精细化运营。据外媒 TechRadar 在 8 月 5 日晚间披露，微软正着手遏制内部工程师中日益蔓延的“tokenmaxxing”现象——即不计后果地高频调用 AI 模型，导致资源消耗远超实际工作需求。为此，执行副总裁杰伊·帕里克向全员发出邮件，明确将 Token 支出纳入关键资源管理体系，旨在扭转单纯追求调用次数的风气，转而聚焦于能切实推动业务变革的实际产出。

帕里克在信中直言，随着 GitHub Copilot 在各项目中的加速渗透，每位员工都需审慎对待 Token 的花费去向。公司并不鼓励这种极端的使用方式，而是希望通过更新内部指引，让每一分算力投入都能创造更大价值。作为配套措施，微软已将性价比更高的 OpenAI GPT-5.6 设定为内部默认模型，并计划自 2026 年 7 月起，为各部门划定具体的 AI Token 预算目标，同时允许员工实时查看个人支出明细。尽管具体上限尚未公开，但现有数据令人咋舌：部分工程师月度开销高达数千美元，普遍也在数百美元级别。

值得注意的是，这并非微软首次收紧 AI 工具权限。早在今年 5 月，就有消息称微软拟取消大部分内部 Claude Code 许可证，强制工程师在 2026 年 6 月 30 日前迁移至 GitHub Copilot CLI。帕里克强调，此举绝非阻碍公司向“AI 优先”战略转型，而是为了在模型迭代中优化政策，确保每个 Token 都能发挥最大效能。

事实上，算力浪费已成为困扰整个硅谷的难题。Uber 便是典型反面教材，员工大规模采用 Claude Code 和 Cursor 等智能体后，仅四个月便耗尽了 2026 全年的编程 Token 预算。亚马逊亦曾披露，其部署的一套基于 Claude Sonnet 的内部系统，最终耗资 180 万美元（约合人民币 1,217.3 万元），却仅用于处理琐碎事务，投入产出比严重失衡。这些案例表明，在具身智能与生成式 AI 狂飙突进的当下，如何平衡技术创新与成本控制，将是所有科技企业必须面对的长期考题。