由于实施人工智能导致的员工解雇在经济上不可行，因为成本更高。

简短情况说明

现代企业越来越多地要求员工使用人工智能以提高工作效率。然而，技术成本增长速度快于经济收益，许多公司已面临财务困难。

1. 微软：从 Claude Code 过渡到 GitHub Copilot CLI
- 发生了什么

- 在过去半年内，微软在其项目中引入 Anthropic Claude Code AI 程序员，并鼓励开发者尝试。

- 如今公司取消大部分 Claude Code 的工作许可证，将工程师转向自有工具 GitHub Copilot CLI。

- 为什么重要

- 尽管放弃了许可证，微软仍在投资 Anthropic：50 亿美元投入以及承诺为 Azure 购买 300 亿美元的计算资源。

2. Uber：预算“流”式 AI
- 情况

- 在四个月内，Uber 工程师已耗尽截至 2026 年的 AI 预算。

- 之前管理层鼓励 AI 部署，甚至创建部门使用技术评分。

- 结论

- AI 推广成本成为重大障碍：Nvidia 深度学习副总裁布莱恩·卡塔纳罗指出，计算资源费用已超过员工薪酬。

3. 其他大型玩家
公司 | 激励措施 | 问题
Meta ✴ | “克洛德经济”排行榜（以 Anthropic Claude 命名） | 消耗式计费导致代币价格上涨
Amazon | 建议“最大化使用 AI 代币” | 计算费用增加

4. 预测与分析
- 高盛

- 到 2030 年，AI 代币消耗可能增长 24 倍，达到每月 120 万亿代币。

- 即使单价下降，总体 AI 成本仍会上升。

- Gartner

- 到 2030 年，部署万亿参数模型的成本相较 2025 年可降低 90%。

- 然而，由 AI 代理驱动的模型消耗更多代币，价格下降并不总能抵消使用增长。

5. 对业务的影响
- 财务风险 – 若代币消耗超出预期降价，公司可能面临意外计算支出。

- AI 战略规划 – 领导层需重新评估预算与货币化模式，避免“浪费” AI 投资。

6. 总结
人工智能的部署仍是大型科技巨头的优先事项，但日益攀升的计算和代币成本带来新挑战。公司必须在提升员工生产力与现实财务限制之间取得平衡。