过去几年，科技公司一直在鼓励员工“多用 AI”：

● 写代码？交给 Copilot。

● 整理文档？让大模型处理。

● 分析数据？先丢给 AI 试试。

但如今，一些公司开始悄悄改变方向：AI 不是用得越多越好，尤其当每一次调用都意味着真金白银的计算成本——而最新加入这一行列的，是微软。

近日，微软开始调整内部 AI 使用政策，要求工程师关注 AI 工具的使用成本，并为内部 AI 调用设置预算限制。为此，一位微软高管在邮件中直接提醒员工：

“Tokenmaxxing 不是我们追求的目标。”

不过，微软强调也，这并不表示公司要放慢 AI 转型步伐，而是希望员工能从“疯狂使用 AI”转向“更高效地使用 AI”。

开始限制 AI 消耗，GPT-5.6 成内部默认模型

据外媒 404 Media 获得的一封微软内部邮件显示，微软正在重新管理员工使用 AI 工具产生的 Token 成本。邮件由微软执行副总裁 Jay Parikh 发出，他表示，随着公司进一步扩大 GitHub Copilot 的使用规模，所有员工都需要更加关注自己的 Token 消耗方式。

“随着我们加速使用 GitHub Copilot 来实现目标，我们都需要意识到自己消耗 Token 的方式。Tokenmaxxing 不是我们追求的目标，我希望大家关注的是如何最大化那些真正推动客户和业务发展的成果。”

所谓“Tokenmaxxing”，简单理解就是为了让 AI 发挥最大能力，不断增加模型调用次数、输入更长上下文、要求模型生成更多内容。这种做法在 AI 早期推广阶段非常常见，不少公司都曾鼓励员工“尽可能使用 AI”，甚至认为 AI 使用频率越高，代表其数字化转型越深入。

但与此同时，一个现实问题逐渐暴露：大量调用 AI，并不一定等于生产力的大幅提升。如果员工频繁调用昂贵模型处理低价值任务，公司最终面对的可能不是效率提升，而是一张越来越高的 AI 账单。

所以，为了降低成本，微软正在采取更精细化的管理方式。

Jay Parikh 透露，为了“从Token 投资中获得更大价值”，微软把成本更低的 OpenAI GPT-5.6 设为内部默认模型。此外，更新后的内部 Copilot 使用指南也显示，从 2026 年 7 月开始，公司各业务部门将拥有自己的“AI Token 预算目标（AI token budget target）”。

员工也可以查看自己的 AI 使用情况，并追踪个人 Token 消耗。不过，微软并没有公布具体预算额度：“目前不会公布目标支出数值。但数据显示，许多工程师每月 Token 消耗成本在数百美元到数千美元之间。”

微软表示，未来可能会根据实际使用情况进一步增加限制措施。

“连卖 AI 的公司都开始控制成本了”

值得注意的是，微软此次控制 AI 开销，其实并不是因为公司缺钱。

根据其最新财报，微软全年营收、运营利润以及净利润均实现增长。所以说，这并不是一次“削减预算求生”，只是微软在重新评估：投入大量资金使用 AI，到底换来了多少实际价值？

不止微软，此前包括亚马逊、Adobe、Atlassian 以及花旗集团等公司，都已经开始限制员工过度消耗 Token。他们面临的问题非常类似：员工确实因为 AI 获得了效率提升，但模型的调用成本也在快速增长。

尤其是在代码开发场景中，很多 AI Agent 会自动读取大量项目文件、生成多轮代码、反复修改调试，这些操作都会消耗大量 Token。当这种行为从几十名员工扩大到数万名员工时，成本很可能会迅速失控。

一名微软内部员工在匿名接受 404 Media 采访时表示，一家投入如此巨大、同时又大量补贴 AI 推理成本的公司，现在正让自己的员工减少 AI 支出，这一点“非常值得关注”。在他看来，这暴露了一个严重的行业问题：

“如果作为 AI 基础设施提供方的公司，都无法承担自己 的AI 产品成本，那么其他购买你家 AI 服务的公司又该怎么办呢？”

而这，也是当前整个 AI 行业正在面对的现实：大模型公司不断追求更强能力、更长上下文、更复杂 Agent，但这些能力背后都意味着更高的计算成本。AI 能力越强，运行成本可能就越高，如何找到能力、成本和收益之间的平衡成为关键。

基于此，两个月前微软宣布 GitHub Copilot 开始转向基于使用量的计费模式，为此不少用户都抱怨自己的 Token 限额根本不够用。与此同时，微软还在探索让 Microsoft 365 中的部分 AI 请求优先调用自家的 MAI 模型，而不是依赖成本更高的 Anthropic 和 OpenAI 模型。

可见，即使是微软这样的 AI 巨头，也正在寻找减少外部模型调用、降低推理成本的方法。

没有放弃 AI，而是寻找“每个 Token 的最大价值”

不过，尽管开始限制 AI 预算，微软并没有改变自己的AI战略。

Jay Parikh 在邮件中强调，公司仍会持续推进“AI-first”（AI 优先）方向，并会随着模型和产品的发展不断调整内部政策。

“我们的目标不是减少 Token，而是提高每个 Token 带来的影响力。”

这句话，或许代表了 AI 行业正在进入的新阶段。在 AI 发展的早期阶段，公司关注的是：谁拥有更多模型，谁部署更多 AI 工具；而现在，企业开始追问：“这些 AI 调用到底创造了多少价值？”

毕竟，AI 时代拼的不只是模型能力，也包括如何把每一个 Token 花在“刀刃”上。

参考链接：https://www.404media.co/microsoft-tells-engineers-tokenmaxxing-is-not-what-we-are-optimizing-for/