背景：AI 编程热潮遭遇现实冲击

2026 年 5 月 14 日，微软宣布将大规模撤销员工对 Claude Code 的内部访问权限，截止日期定于 6 月 30 日，恰逢微软财年收官。这一决定距离微软在 2025 年 12 月向数千名员工（包括工程师、产品经理和设计师）开放 Claude Code，鼓励采用 vibe coding（氛围编程）重塑工作流程，仅仅过去了半年。

员工们对这款工具的喜爱达到了前所未有的高度，但这种热情最终成为了一笔高昂的负担。与此同时，YC 合伙人 Tom Blomfield 在同一周发出截然不同的声音：「如果你的 API 账单不让你心疼，说明你烧得还不够多。」这揭示了硅谷对 AI 经济学的深刻分歧。

01 vibe coding 的失败：工具太强反成负担

微软取消的并非 Claude 模型本身（Anthropic 的模型将继续通过 Copilot CLI 提供），而是 Claude Code 这一产品入口。受影响最严重的是「体验与设备」部门，包括 Windows、Microsoft 365、Outlook、Teams 和 Surface 的工程师团队。EVP Rajesh Jha 在内部备忘录中将此举包装为「工具链统一」，但内部消息却更加直白：员工普遍认为 Claude Code 优于自家的 Copilot CLI，导致后者的使用率急剧下降。

这意味著：微软撤销 Claude Code，并非因为它不够好，而是因为它过于出色。 6 月 30 日的截止日期不仅出于技术考量，更源于财务压力——砍掉员工偏好的工具，换回自家产品，隐藏着产品与财务之间的博弈。

类似的情况也发生在其他科技巨头身上。Uber 的 CTO Praveen Neppalli Naga 透露，公司 2026 年全年的 AI 编程工具预算在前 4 个月便已耗尽。Uber 曾通过排行榜激励员工多用 AI，结果却导致预算失控。英伟达应用深度学习副总裁 Bryan Catanzaro 更直言：「算力的成本已远超员工的成本。」

这似乎暗示着 vibe coding 的失败，以及 AI 替代人类劳动力的故事或许就此落幕。然而，真相远非如此简单。

02 Copilot 模式的财务困境：副驾模式撞墙

要理解微软的撤退，必须先厘清 vibe coding 的本质。这一概念由 Andrej Karpathy 于 2025 年初提出，描述了一种革命性的编程方式：开发者不再逐行编写代码，而是用自然语言描述意图，让大语言模型生成代码。开发者甚至不阅读代码，只关注结果——能运行就接受，不行就重新生成。

vibe coding 看似为生产力注入了强大动力：一位不懂 Rust 的工程师可以借助 AI 写出 Rust 代码；一位产品经理能快速构建原型；一位设计师也能生成可运行的代码。微软 2025 年 12 月开放 Claude Code 的对象（工程师、产品经理、设计师）正是为了落地这种模式。

但在大公司中，vibe coding 却带来了结构性的挑战。假设某位微软工程师年薪 30 万美元，配备 Claude Code 后，产出提升 20%。然而，他每月的 token 成本从 200 美元逐步攀升至 2000 美元。随着对 AI 的依赖加深，这一数字只会单向上升。更糟糕的是，他并不会因此被裁员——工资、福利和工位依然存在。

微软的成本结构因此变成了「原有薪资 + 新增 token 账单」，唯一的结果就是成本暴涨。而产出提升 20% 仅体现为员工效率的微增，未必能直接转化为公司营收的增长。这印证了 Bryan Catanzaro 的观点：AI 不笨，但当它被套用在现有员工身上时，财务账目永远无法平衡。

Gartner 的预测进一步佐证了这一困境：到 2030 年，一万亿参数大模型的推理成本将下降近 90%，但 Goldman Sachs 预计，agentic AI 将推动 token 消耗量增长 24 倍。这种复合效应意味着，企业 AI 总账单只会同步攀升。黄仁勋的愿景——每个员工身旁有 100 个 AI agent——在 CFO 眼中，不过是 100 个 24 小时燃烧的 token 炉子。

这本质上是一场结构性失败：不是 AI 太贵，而是「每个员工配一个 AI 副驾」这一假设本身存在缺陷。在财务层面，这意味着所有工资不变，却额外增加了一笔上不封顶的浮动 token 费用。微软在 2025 年 12 月开放 Claude Code 时，并未完全预见这种后果；6 个月后，员工对工具的热衷导致 token 账单远超预期，最终迫使微软撤退。但微软撤的不是 AI，而是「员工驾驶、AI 副驾」这一结构。

03 YC 的另类逻辑：烧 token 是为了取代人头

与微软的撤退形成鲜明对比，YC 合伙人 Tom Blomfield 在 batch talk 中提出了一个颠覆性的视角。他认为，当前大部分公司仍如「罗马军团」——信息逐级上传、命令逐层下达、人作为协调核心。将 AI 嵌入这种结构，就好比为罗马步兵配备热兵器——他们用得更狠，但战术并未改变。

Blomfield 提出，真正的 AI-native 公司应采取截然不同的模式：每个动作都产生可记录、可调用的产物，使一切对 AI 清晰可读；公司成为「自我改进的 AI 循环」，系统能感知环境、做出决策、调用工具、接收反馈。人在这种公司中仅剩两种角色：其一为个人贡献者（无论所属部门都是 builder 和 operator），其二为 DRI（直接负责人），确保每个产出都有明确的责任人。

他因此发出那句名言：「如果你的 API 账单不让你心痛，说明你烧得不够。」 这句话在微软 CFO 办公室可能被视为荒唐，但在 YC 的初创公司创始人中却引发强烈共鸣。YC 合伙人 Diana Hu 补充道：「最大化的不是人头，是 token 消耗。一个人配备 AI 工具，就等于过去一支大工程师团队。」

YC 2026 年春季 batch 中，已有不少公司以 5、6 人完成过去 20 到 30 人的工作。它们的 token 账单虽高，但人员成本极低，整体盈利。更为激进的案例是 Jack Dorsey 旗下的 Block，近期裁员 40%，同时加大 AI 工具投入。新结构正是 Diana Hu 描述的：IC + DRI + AI agent。

烧 token 在 YC 语境中并非支出，而是替代——替代的是人头工资。 微软与 YC 看到同一现实，却给出相反答案的原因在于：微软的 token 是给原班人马的副驾加油，而 YC 的 token 是替代原本的驾驶员。

04 资产定义的革命：人脑中的知识被抽成文档

Blomfield 还提出了一个更为深刻的见解：「人是短暂的，上下文文档才是重要的。」这实际上是一个会计学层面的判断。

传统公司的资产负债表中，员工未被列为资产，而是作为成本。然而，每个公司都清楚，员工才是真正的资产：客户关系存储于销售脑中，业务直觉蕴含在产品经理脑中，技术诀窍藏于工程师脑中。但这些「资产」具备流动性——员工离职，资产便随之流失。

Blomfield 描述的 AI-native 公司，致力于将这些本只存于人脑中的资产抽取出来，转化为 AI 可读、可调用、可迭代的「上下文资产」。具体形式包括详尽的需求文档、每一次决策和沟通沉淀的过程文档、开放的 MCP 接口和 API，以及每个内部工具产生的 artifact。这些共同构成了公司新的、可继承的、不随员工离职而蒸发的资产层。

人在这种公司中反而成为「变量」——可以快速接入，也能迅速离开，因为核心资产不在人脑中，而在文档里。如果这种结构成立，它意味着的不仅是一种新的组织模式，更是一种对资产负债表的重新定义：一家 6 人的 AI-native 公司，烧着惊人的 token 账单，表面财务不健康，但其真正的资产可能比一家 60 人的传统公司还要厚重——只是这种资产，当前的会计准则尚未学会计量。

市场资讯部点评

微软叫停 vibe coding 并非 AI 经济学的失败，而是将 AI 嵌入旧有组织架构的路径被自然证伪。当企业试图为现有员工配置“副驾”时，结构性必涨的 token 账单几乎无法避免。相比之下，YC 初创公司的“替代”逻辑——以少量关键人员配合 AI agent取代大规模团队——展现了一条更可持续的成本路径。未来所有鼓励员工“多用点 AI”的中大型公司，都将撞上这堵墙。真正的问题并非 AI 太贵，而是组织尚未变革；而这场变革，注定不会轻易到来。