AI 账单

据 9to5Mac 和 MacRumors 转述，Bloomberg 于 11 月 4 日报道称，Apple 在 10 月悄然将部分工程师每日的 AI 支出上限从 300 美元下调至 200 美元。它还计划进一步削减，可能把一些工程团队降到每天 100 美元，许多工程以外的部门早已适用这一上限；它甚至考虑过对某些团队只给 25 美元。一些团队被鼓励使用更便宜的模型，或在自己设备上运行的模型，而需要更多额度的人可以向高层领导申请豁免。

Bloomberg 的消息人士还表示，很少有人用满每天 300 美元的额度，而 Apple 能省下多少钱尚不清楚。Apple 也并没有从 AI 上退缩：9to5Mac 指出，在 2026 财年，Apple 的研发支出增长了百分之三十二，达到 458 亿美元，其中一部分用于基础设施和 AI。设定上限并不是在宣判 AI 没有用。它表明这笔支出已经大到需要管理了。

两年来，大多数企业像购买软件一样购买 AI：每人一个席位，价格固定。而读取代码库、运行测试、再反复尝试的智能体，用量要大得多，其中越来越多的部分如今按用量计费。这让 AI 成为一项每天都在变动的人均成本，需要企业拿出管理薪酬时已有的那种纪律。下文介绍具体做法，同时不丢掉这笔支出换来的价值。

不只是 Apple

Apple 并非个例。6 月，一位 Uber 发言人向 Bloomberg 证实，该公司在今年早些时候超出 AI 预算之后，将每名员工在每款 AI 编程工具上的 token 支出限制为每月 1'500 美元。10 月，404 Media 报道称，Accenture 告知许多员工，今后在 Claude 上的支出将只有每人每月 29 美元，而其中一些员工此前每月的支出高达 1'000 美元。

供应商也看到了同样的转变。在 Microsoft 10 月 28 日的财报电话会上，Satya Nadella 表示，自按用量计费生效以来，GitHub 上智能体功能的额度消耗已增长了一倍多。他说，客户购买额度，并希望高效地使用它们：“我们不希望他们在某一样东西上买得过多，然后觉得自己是在刷 token”。

算一笔账

按照 Apple 原来的上限，一名工程师每天可以花 300 美元。按一个月约 20 个工作日计算，最多就是 6'000 美元；一个十人团队则是 60'000 美元。在使用两款编程工具的情况下，Uber 的上限是每人每月 3'000 美元；Accenture 的上限是 29 美元。

这些都是上限，而不是平均支出，但这种规模的金额需要薪酬和云服务账单早已具备的东西：一位负责人、一份预测和每月一次的审查。工资是固定的，而 AI 账单会随着工作方式而变动：运行的是哪个模型，需要读取多少上下文，多久重新开始一次。上限能限制支出。但它不会让支出变得更有价值。

给日常工作分流

第一个杠杆是不再把日常工作交给最昂贵的模型。10 月 28 日，GitHub 在其 Universe 大会上宣布 Copilot Fusion 在所有 Copilot 套餐中正式可用。开发者无需挑选模型，只需选择 Fusion 和三档推理强度中的一档，由 Copilot 决定由哪些模型处理每一条提示词。在它的一种工作流程中，先由一个高效的模型起草答案，再由一道质量检查决定接受它，或把任务转交给更强的模型。管理员决定 Fusion 可以使用哪些模型，每个模型都按其标准费率计费。

GitHub 表示，在 Artificial Analysis Coding Agent Index 上，Fusion Max 的得分与使用 Opus 5.5 Max 的 Claude Code 相差不到两分，而每项任务的平均 API 成本约为后者的一半，token 用量约为一半，耗时约少百分之四十。Nadella 在电话会上说得更进一步：“它提供前沿水平的质量，速度最多快百分之四十，成本最多低百分之七十七。”在回答分析师提问时，他给出的数字是百分之四十五和百分之七十五。这些都是供应商自己的数据，而“最多”描述的是最好的情况；GitHub 自己的基准测试显示节省约为一半。

这背后的价格差距很大。Anthropic 的 Haiku 5.5 在较短提示词下的价格为每百万输入 token 0.10 美元，是 Sonnet 5.5 的二十分之一。Anthropic 表示，它“专为大批量、对成本敏感的任务而设计”，而对于复杂的智能体编程，更大的模型仍是更好的选择。目标是找到足以胜任任务的最便宜的模型，而 Apple 现在要求一些团队手动去找。

预算与共享上下文

第二个杠杆是预算放在哪一层。按人头一刀切的上限，把重建大型代码库的工程师和汇总邮件的同事一视同仁。在我们看来，按团队设定预算效果更好，并配一位每周查看支出的负责人，以及一条清晰的例外申请途径。Apple 的豁免流程体现了正确的直觉。

第三个杠杆是上下文。智能体读取的内容，很大一部分就是企业本身：客户是谁，企业如何撰写报价，东西存放在哪里，适用哪些规则。当每个智能体和每个人都从零开始重建这些信息时，企业每一次都要为此付费，既付在 token 上，也付在纠错上。一次写好、保持更新并共享的上下文，读取成本更低，走的弯路也更少。提供商也据此为复用定价：在 Haiku 5.5 上，从缓存中读取上下文的费用只有正常输入价格的十分之一。

衡量产出，而不是用量

最后一个杠杆是您统计什么。按 token 用量排名，奖励的是花钱而不是结果，也就是 Nadella 所说的那种对谁都没有好处的“刷 token”。在我们看来，有用的指标是企业早已熟悉的那些：已合并且一个月后仍然正常运行的变更，已关闭的工单，已发出的报价，以及每项已完成任务的成本。

花得更多、交付也更多的团队，可能是企业里最好的投资。花得更多、交付却没有变化的团队，才是需要谈一谈的对象。这样管理，账单可以缩小，而收益不会随之缩水。

我们的立场

这就是 crue 的构建方式。North 把对决策重要的每一个数字都放进同一个视图，包括真实的财务数据，而这正是 AI 账单应在的位置：就在这些工作所带来的收入旁边。Twin 为企业的助手和智能体提供同一个大脑，企业的知识、规则和工具只需接入一次，因此每一个回答都从企业出发，而不是从零开始。两者均已上线。