2026年8月初，Microsoft高管 Jay Parikh 洩露的一封內部郵件表明，這家科技巨头在管理其內部人工智慧資源的方式上發生了重大轉變。這份發送給公司 CoreAI 部門員工的備忘錄宣布，將嚴格限制員工無限制地消費人工智慧。Jay Parikh 明確告知員工，公司此前最大化人工智慧使用的做法（俗稱為 tokenmaxxing）將突然結束。相反，公司正將重點轉向優化資源消耗，並優先考慮高影響力的應用。這一政策變化表明，即使是生成式人工智慧基礎設施的主要提供商，也面臨著來自其自身內部運營的巨大財務壓力。

根據洩露的信件，Microsoft實施了部門級的 AI token 預算目標，以遏制失控的成本。雖然該公司尚未強制執行嚴格的個人支出上限，但開發人員現在必須通過專門的內部儀表板監控其計算使用情況。在此之前，內部審計發現，一些工程師因在瑣碎的日常任務中使用高級模型，每月累積了數千美元的個人帳單。為了進一步減少支出，Microsoft將 GitHub Copilot 等工具的默認內部模型更改為 OpenAI 的 GPT-5.6 Sol，與此前使用的昂貴 Claude 模型相比，該模型具有極高的成本效益。在此之前，GitHub Copilot 在毛利率極低的情況下，已決定轉向基於使用量收費的計費模式。

這種內部整治代表了企業級人工智慧市場更廣泛的成熟。在過去的兩年中，科技公司將生成式模型視為無限制的軟體許可，鼓勵開發人員在沒有成本限制的情況下進行試驗。Microsoft的這一決定凸显了一個現實，即人工智慧 token 的行為類似於按需計費的公用事業，具有顯著的物理計算和能源成本。Microsoft並非唯一意識到這一點的公司，因為 Meta、Amazon 和 Uber 等其他主要科技公司也已開始將 token 視為計量資源。這種轉變表明，該行業正在進入注重成本部署的新階段，其中開發人員營運的財務可行性受到與標準雲端託管一樣嚴格的審查。

對於開發人員和軟體構建者來說，這一轉變標誌著 tokenmaxxing 時代的結束，以及行業專業人士所稱的 valuemaxxing 時代的開始。團隊現在必須建立嚴格的治理框架，以衡量所花費的每個 token 所產生的實際業務價值。構建者不能再依賴龐大的通用基礎模型來完成簡單的自動化任務。相反，他們必須設計細粒度的監控系統、優化提示詞長度，並利用更小、更專業的模型。這將要求工程師對代幣經濟學（tokenomics）和模型路由有更深入的理解，從而使 AI 成本管理成為核心的軟體開發技能。

展望未來，觀察人士將關注這些內部預算限制是否會影響大型科技公司內部軟體創新的步伐。如果這次整治能夠成功促進嚴謹的應用設計而不阻礙生產力，它很可能會為那些自身生成式 AI 預算激增的非科技企業提供藍圖。隨著各機構優先考慮投資回報，市場對 OpenAI 的 GPT-5.6 Sol 等高效且具成本效益的模型的需求也將增長。隨著各機構適應這些新限制，該行業將密切關注這種轉變是會帶來更具可持續性的商業模式，還是會減緩下一代功能的開發。