2026年8月初，Microsoft高管 Jay Parikh 泄露的一封内部邮件表明，这家科技巨头在管理其内部人工智能资源的方式上发生了重大转变。这份发送给公司 CoreAI 部门员工的备忘录宣布，将严格限制员工无限制地消费人工智能。Jay Parikh 明确告知员工，公司此前最大化人工智能使用的做法（俗称为 tokenmaxxing）将突然结束。相反，公司正将重点转向优化资源消耗，并优先考虑高影响力的应用。这一政策变化表明，即使是生成式人工智能基础设施的主要提供商，也面临着来自其自身内部运营的巨大财务压力。

根据泄露的信件，Microsoft实施了部门级的 AI token 预算目标，以遏制失控的成本。虽然该公司尚未强制执行严格的个人支出上限，但开发人员现在必须通过专门的内部仪表板监控其计算使用情况。在此之前，内部审计发现，一些工程师因在琐碎的日常任务中使用高级模型，每月累积了数千美元的个人账单。为了进一步减少支出，Microsoft将 GitHub Copilot 等工具的默认内部模型更改为 OpenAI 的 GPT-5.6 Sol，与此前使用的昂贵 Claude 模型相比，该模型具有极高的成本效益。在此之前，GitHub Copilot 在毛利率极低的情况下，已决定转向基于使用量收费的计费模式。

这种内部整治代表了企业级人工智能市场更广泛的成熟。在过去的两年中，科技公司将生成式模型视为无限制的软件许可，鼓励开发人员在没有成本限制的情况下进行试验。Microsoft的这一决定凸显了一个现实，即人工智能 token 的行为类似于按需计费的公用事业，具有显著的物理计算和能源成本。Microsoft并非唯一意识到这一点的公司，因为 Meta、Amazon 和 Uber 等其他主要科技公司也已开始将 token 视为计量资源。这种转变表明，该行业正在进入注重成本部署的新阶段，其中开发人员运营的财务可行性受到与标准云托管一样严格的审查。

对于开发人员和软件构建者来说，这一转变标志着 tokenmaxxing 时代的结束，以及行业专业人士所称的 valuemaxxing 时代的开始。团队现在必须建立严格的治理框架，以衡量所花费的每个 token 所产生的实际业务价值。构建者不能再依赖庞大的通用基础模型来完成简单的自动化任务。相反，他们必须设计细粒度的监控系统、优化提示词长度，并利用更小、更专业的模型。这将要求工程师对代币经济学（tokenomics）和模型路由有更深入的理解，从而使 AI 成本管理成为核心的软件开发技能。

展望未来，观察人士将关注这些内部预算限制是否会影响大型科技公司内部软件创新的步伐。如果这次整治能够成功促进严谨的应用设计而不阻碍生产力，它很可能会为那些自身生成式 AI 预算激增的非科技企业提供蓝图。随着各机构优先考虑投资回报，市场对 OpenAI 的 GPT-5.6 Sol 等高效且具成本效益的模型的需求也将增长。随着各机构适应这些新限制，该行业将密切关注这种转变是会带来更具可持续性的商业模式，还是会减缓下一代功能的开发。