大厂砍第三方 AI 工具预算：自研替代的苗头开始显现
10 月上旬多家媒体报道了一组耐人寻味的动作：微软把对 Anthropic Claude 的内部年支出砍掉超过三分之一，转而鼓励员工使用 GitHub Copilot；Meta 把 Claude Code 用户从约 6 万减到 3 万，转向自研的 MetaCode 与 Muse Code。砍的不是 AI 投入，而是“买别人的 AI 工具”这件事，正在被重新算账。
大厂开始给第三方 AI 工具算账
这些缩减主要针对第三方软件，而非整体 AI 投资。它们的信号很清晰：即便是最领先、最有钱的科技公司，也开始问“这项第三方服务到底值不值这个价”。当一家公司的 AI 工具账单按年上亿美元计，任何一项都可能被拿来和自研方案比一比性价比。这股“支出纪律”比单纯省钱更值得关注。
砍的是第三方，不是 AI 投入
要分清两层：微软和 Meta 并没有削减 AI 本身，只是把部分开支从外部供应商挪向内部自研。对它们而言，既然已经养了庞大的工程团队，把高频使用的编码助手自研化，长期既能控成本又能把数据留在自家体系内。这更像一次采购结构的优化，而不是对 AI 价值的否定。
自研替代的账怎么算
自研的甜头在于可控与沉淀：代码、使用数据和模型能力都留在本公司，不必持续为订阅付费，也能针对内部工作流做深。代价则是前期投入和迭代速度——自研未必比成熟第三方更快好用。大厂敢这么选，是因为它们有摊薄成本的体量；中小团队未必具备同样条件，照搬要谨慎。
Ramp 数据：企业 AI 支出增速在放缓
这股纪律不是孤例。Ramp 10 月 14 日的 AI 指数显示，企业 AI 采纳率虽达 55.9%，但新增客户增速明显放缓，头部重度的 AI 人均支出比 7 月峰值低约 3.1%，token 支出连续两月几乎零增长。报告把放缓部分归因于模型降价与效率提升，但也说明：企业正在从“疯狂试”转向“算清楚再用”。
对中小团队的启示
对资源有限的中小团队，结论不是“赶紧自研”，而是“别盲目堆第三方订阅”。先盘点真正高频、高价值的场景，把预算压在能算清回报的工具上；对低频或试水性质的，能不买就不买。当大厂都开始算账，中小团队更没理由为用不上的功能买单。
要保留的边界
第一，上述削减来自媒体对内部动作的报道，具体规模以各公司后续披露为准；第二，自研替代是否成立，高度依赖企业自身的工程体量和使用频次，不能一概而论；第三，第三方工具的生态成熟度和迭代速度，仍是很多团队短期内难以替代的优势。把“该省”和“该留”分开，才是理性的采购姿势。
