AI限額200美元，馬斯克不養Boris

據The Information報道，特斯拉上個月在內部備忘錄中告知員工，從7月6日起，公司將對員工AI工具支出設置每人每周200美元上限。

這件事多少有點反差，畢竟特斯拉還在強化自己的AI敘事：據路透社報道，特斯拉已經在6月于奧斯汀推出小范圍Robotaxi服務，接下來還要繼續擴張；為了支撐自動駕駛、無人出租車、機器人和相關基礎設施，特斯拉預計今年資本開支將超過250億美元。

但現在，就連特斯拉都開始給員工的AI開支設限了。

此事并非孤例，404 Media拿到的內部材料顯示，從科技公司到娛樂公司、銀行，越來越多企業開始限制員工使用AI工具。

協作軟件公司Atlassian結束了內部AI工具的無限制使用，并上線成本看板。看板顯示，它的AI月度支出在2025年8月還只有約500萬美元，到2026年5月，已經超過了1500萬美元。

與此同時，Adobe不再續訂Claude的無限制訪問權限。花旗銀行一度關閉Claude Opus 4.6、Claude Opus 4.7和GPT-5.5 等高價模型訪問，并要求員工“為任務選擇合適模型”。亞馬遜則更有戲劇性：它此前曾用內部排行榜鼓勵員工多用AI，后來卻關閉排行榜，很快又有員工發現自己觸發了此前似乎并不知道的token使用限制。

從鼓勵多用，到開始收緊，企業對AI的態度正在發生微妙變化。

當AI終于走進企業的真實工作流，隨之而來的不只有效率想象，還有一張越來越難忽視的賬單。

01

把AI當成未來的公司，也開始給AI設限

給AI設限這事，放在特斯拉身上，顯得格外有意思。

因為特斯拉幾乎在把AI當成公司的未來方向，過去幾年，它一直在把自己從一家電動車公司，重新講述成一家AI公司。

在馬斯克的敘事里，特斯拉的未來不只屬于汽車。自動駕駛要靠AI，Robotaxi要靠AI，Optimus人形機器人要靠AI，甚至特斯拉長期估值的想象空間，也越來越多地被放在“現實世界AI”上。汽車只是入口，車隊數據、自動駕駛系統、機器人和AI基礎設施，才是更大的故事。

這也是馬斯克很熟悉的一套講法，我甚至愿意解讀為，他在SpaceX上已經驗證了這條路的可行性——把一家公司的當前業務，連接到一個更大的未來敘事里。

所以按理來講，特斯拉應該是最愿意為AI花錢的公司之一。

按照特斯拉今年一季度文件里的說法，2026年公司預計要花超過250億美元做資本開支，其中很大一部分都和AI有關：建算力、建數據中心，擴制造和研發產線，支撐自動駕駛、無人出租車和機器人這些長期項目。

但與此同時，特斯拉開始給員工日常使用AI的賬單設上限。

據The Information報道，特斯拉此前推出過內部AI平臺Bottle Rocket，讓員工可以集中訪問OpenAI、Anthropic、xAI、Cursor等模型和工具。

特斯拉其實是鼓勵員工使用AI工具的，但鼓勵并不代表無限取用；當AI真正進入日常工作，賬單也開始變得具體。

Investing.com轉述稱，特斯拉內部一些軟件工程師的AI token賬單已經達到每周數千美元。

AI編程工具的消耗本來就比普通Agent更重，普通聊天通常是一問一答，但編程Agent往往不是這樣，一個看起來簡單的任務，背后可能已經被拆成幾十輪模型調用。如果再疊加長上下文、多文件檢索、代碼審查、并行Agent這些“高級功能”，token的消耗會被迅速放大。

特斯拉就是在這樣的背景下，設下了每人每周200美元的AI上限，折算下來大約是每人每月800美元，每年超過1萬美元。

和普通AI訂閱相比，每周200美元完全不低，ChatGPT Business、Claude Pro、Cursor Teams這類工具，通常也只是每人每月幾十美元到幾百美元不等。特斯拉限制的顯然不是“輕度用戶”，這個限額分明直指AI工程師。

Claude Code的負責人Boris Cherny此前在采訪中透露，他已經八個月沒手寫過一行代碼了，有時他甚至會同時管理上萬個AI智能體。聽起來簡直是AI編程的理想畫面：工程師不再親自敲代碼，通過指揮模型完成工作。

但這里有一個小小的前提。Boris背后是Anthropic，手里是Claude Code——他壓根不考慮token成本。

不限token的人，當然更容易相信以后不用寫代碼了。

但對大多數公司里的普通工程師來說，要是每個人都能不計成本地使用AI工具，公司很容易在某天收到一張天價的賬單。

特斯拉不是不相信AI的價值，它只是開始區分兩種AI花費：一種是戰略性投入，比如自動駕駛、機器人、數據中心和基礎設施；另一種是日常性消耗，比如員工調用外部模型、使用AI編程工具、讓agent在工作流里不斷跑任務。

前者仍然可以用未來想象來解釋，后者卻會直接變成每周、每人、每個團隊的賬單。

02

員工用起來之后，賬單開始反過來改造工作流

當然，特斯拉并不是個例。

404 Media拿到的Slack聊天記錄、內部看板和郵件顯示，從科技公司到娛樂公司、銀行，很多企業都在限制員工使用AI工具。

更具體地說，它們不只是簡單讓員工“少用AI”，也在反復要求員工改用能力沒那么強、但成本更低的模型。

過去一年，企業推廣AI時，最常見的問題是員工愿不愿意用、會不會用、能不能把AI放進日常工作流。

于是公司開權限、做培訓、發內部指南，有的甚至把AI使用量做成排行榜，鼓勵員工盡可能多用。

亞馬遜就是一個很典型的例子。

早在2025年，亞馬遜CEO Andy Jassy就在給員工的內部信中說，隨著公司推出更多生成式AI和Agent，工作方式會被改變；未來幾年，AI帶來的效率提升，可能會讓亞馬遜不再需要現在這么多辦公室員工。他同時要求員工學習AI、參與實驗，思考如何用AI改造自己的工作。

后來，亞馬遜內部又出現了一個叫KiroRank的AI使用排行榜。按照Business Insider的報道，這個排行榜會追蹤員工使用AI工具的情況。

但問題在于，只要使用量被可視化，壓力就會出現。相關報道顯示，一些員工開始感到自己需要提高AI使用量，甚至出現所謂tokenmaxxing的情況。

排行榜后來被關掉了，多名亞馬遜員工告訴404 Media，他們懷疑原因正是這個排行榜鼓勵了浪費且昂貴的AI使用行為。

但事情并未結束，排行榜關閉后，又有員工發現自己觸發了此前似乎并不知道的token使用限制。

一名亞馬遜員工在Slack里吐槽：“太瘋狂了，我們從‘不再搞排行榜’，到‘真的開始限制使用’，中間只過了兩周。”

這句話幾乎可以概括企業用AI的第一輪反轉——公司先擔心員工不用AI，后來又開始擔心員工太會用AI。

問題就在這里：用得多，并不等于產出高。

在企業用AI的第一階段，“用起來”本身就是成功。員工開始用AI寫代碼、做總結、改文檔、生成匯報，管理層就可以證明這項技術正在被組織吸收。可到了第二階段，公司才發現，AI使用量和真實產出之間并沒有畫上等號。

協作軟件公司Atlassian的情況更能說明這種斷裂。

這家公司結束了內部AI工具的無限制使用，并上線了成本看板。看板顯示，它的AI月度支出從2025年8月的約500萬美元，漲到了2026年5月的超過1500萬美元。對于員工來說，這個變化直接影響到了他們已經改好的工作方式。

一名Atlassian員工告訴404 Media，很多人已經改變了自己的工作流，讓自己盡可能多地使用AI。而現在，尤其是使用Agent或最新版Claude模型時，他們兩三天就可能把額度用完。于是Slack里出現了很多焦慮的消息，類似于“那我現在還怎么干活？”

公司先鼓勵員工把AI變成工作方式，等員工真的改了流程，公司又發現這套流程太貴。

于是額度開始收緊，模型開始降級，使用開始被監控。

員工已經習慣了把部分工作交給AI，現在卻要重新學習怎樣“省著用AI”。

花旗銀行則展示了另一個“AI降本”的方向：拆分模型等級。

據404 Media報道，花旗銀行一度關閉Claude Opus 4.6、Claude Opus 4.7和GPT-5.5等高價模型訪問，并要求員工“為任務選擇合適模型”。郵件里明確提醒員工減少使用Opus 4.7，因為這類模型每一次交互都會比標準或中檔模型消耗更多額度。

（看吧，好用歸好用，Claude燒額度都要成行業共識了。）

可以認為，企業AI的使用規則發生了變化。以前，員工默認能用最強模型就用最強模型，但現在，公司開始提醒他們：不是每個問題都值得調用最貴的模型。簡單任務用中低檔模型，復雜任務才上高價模型。

所謂“會用AI”，不再只是會拿AI解決問題，也包括知道什么時候不要拿大炮打蚊子。

Adobe也在做類似的調整。404 Media報道稱，Adobe不再續訂Claude的無限制訪問權限。

一名Adobe員工說，很多人之前確實想過，某些任務可以改用推理能力低一點的模型，從而減少token消耗。但他不確定大家是否真的消化了這個消息，也不確定新政策生效后，完整影響會不會才真正顯現出來。

這輪變化最微妙的地方就在于此：企業當然不會說自己不需要AI，相反，它們仍然希望員工使用AI，只是不再愿意讓每個人都以最高成本使用AI。

如果說過去的問題是“怎么讓員工用上AI”，現在的問題就變成了“怎么讓員工用AI用得劃算”。

畢竟，被燒掉的token并不總是對應高價值任務。

404 Media報道稱，一家娛樂公司的員工說，公司這個月第一次用完了ChatGPT token配額，其中一個開發者一個人就用了全公司將近一半額度，而且看不出明顯ROI。

咨詢公司Accenture也發現，很多token消耗并不是來自寫出大量代碼的超級工程師，而是把PDF轉成演示文稿這類普通任務。

因此，企業很難繼續只用“使用率”來講AI成功。

如果員工用AI寫出了關鍵代碼、縮短了研發周期，這筆賬還算好解釋，但如果大量token被消耗在反復試錯里，ROI就會變得模糊。

03

用AI，用得少不如用得巧

企業用AI的下一階段，開始算ROI了。

過去企業鼓勵AI進入工作流，已經卓有成效。現在，正是AI已經進入真實工作流，企業才更需要去認真管理。

第一步是模型分層。

花旗銀行的做法就很典型。它沒有對所有的模型一刀切，而是要求員工為任務選擇合適的模型：簡單提問、概念解釋、普通代碼生成，用相對便宜的模型；代碼審查、標準聊天，用中檔模型；只有到了架構推理這類更復雜的任務，才使用更高能力的模型。

這背后的邏輯很簡單：不是每個任務都值得調用最貴的模型。

而且，不只是企業在推動這種分層，模型提供方自己也在引導用戶這么用。OpenAI、Anthropic、Google等公司都在把模型拆成不同檔位，它們一邊推出最強模型證明自己的技術上限；另一邊也在不斷推出便宜、快速、更適合高頻調用的模型，告訴客戶：簡單任務不用每次都上最貴的那一個。

企業內部的模型分層，本質上就是把這套外部產品貨架，翻譯成自己的使用規則。

過去，員工可能默認“能用最強就用最強”，但在企業成本體系里，這種習慣會越來越難維持。寫一段簡單解釋、總結一份文檔、修改一小段代碼，未必都需要旗艦模型，用快速版本可能還更加順手。

企業AI的成熟，比起買到一個更強的模型，更重要的是建立一套更精細的模型使用秩序。

第二步是額度管理。

特斯拉的每人每周200美元，就是一種很直接的員工級預算；Atlassian上線成本看板，則是讓員工看見自己的 AI 使用到底給公司帶來了多少支出。

據404 Media報道，GitHub也在考慮測試按用戶計費，把AI工具使用預算分配到具體個人，而不是繼續放在團隊、項目或不限量池子里。

可以認為，AI使用會越來越像云計算資源。

云服務剛開始流行時，很多團隊也經歷過類似的階段：資源開起來很方便，但賬單漲起來也很快。后來，企業才逐漸建立預算、監控、成本歸因和FinOps機制。

AI現在也在走這條路，只不過它管理是模型、token、Agent和上下文窗口。

第三步，也是最難的一步，是算ROI。

企業要回答一個更麻煩的問題：我付給AI的這些錢，到底換來了什么？

它可能是開發周期縮短、客服響應變快、內部文檔處理的效率提高，也可能只是讓原本就復雜的流程多了一層自動化。前者容易解釋，后者就需要更細的評估。

這一點，AI編程Agent公司Cognition已經開始主動往前走。

一般情況下，ROI往往是客戶內部采購部門、業務部門或財務部門需要自己計算的事。軟件公司只負責賣工具，至于工具有沒有真正提升效率、節省成本，更多要靠客戶自己證明，買了、用了、效果不好，通常也是客戶自己消化。

但Cognition把這件事攬了過來，在銷售階段就主動幫客戶把這筆賬算清楚，還用Productivity Guarantee把一部分風險接了過去——如果Devin創造的工程價值低于客戶支付的費用，公司會返還一定額度的使用credits，最高價值1000萬美元。

一個PR到底帶來多少商業價值，一個Bug修復到底避免了多少損失，本來很難精確歸因。至少Cognition把問題往前推了一步，點出企業真正關心的不是AI消耗了多少token，而是這些token最后替企業完成了多少工作。

這正好對應了眼下這輪企業AI收緊。

一邊是特斯拉、Atlassian、Adobe、花旗銀行這些公司開始限制員工AI使用、拆分模型等級、上線成本看板；另一邊，是Cognition這樣的AI Agent公司開始主動幫客戶把AI產出翻譯成工程時間和美元價值。

企業對AI的考核也因此而發生變化。過去，“會用AI”意味著會寫prompt、會調工具、愿意嘗試新流程，能用AI解決實際問題。接下來，“會用AI”還會包括另一種能力：知道在什么時候、用正確的AI工具。

真正的AI-first公司，并不是最舍得燒token的公司，而是最清楚哪些token值得燒的公司。

真正的精明，是能花小錢、辦大事。