# AI 快讯 20260525：微软叫停 Claude Code、DeepMind 破解 56 年数学难题、Uber 烧光年度 AI 预算
【一句话摘要】微软弃用 Claude Code 只因太贵，Uber 半年烧穿全年 AI 预算，DeepMind 几百美元解了 56 年数学难题。
【实战价值分析】
– 💰 看清 AI 编程工具的真实成本：Claude Code 每人每月 $500～$2000
– ⚡ DeepMind AlphaProof Nexus 用几百美元推理成本解决 9 个悬而未决的 Erdős 问题
– 🎯 微软转向 GitHub Copilot CLI 内部替代，企业选型风向标
【核心动态速览】
| 事件 | 主角 | 核心看点 | 时间 |
|---|---|---|---|
| 微软叫停 Claude Code | 微软 / Anthropic | 数千 Windows/365 工程师 6 月 30 日起禁用，转用 Copilot CLI | 5/25 |
| DeepMind 破解 56 年数学难题 | Google DeepMind | AlphaProof Nexus 解答 9 个 Erdős 问题，推理成本仅数百美元 | 5/25 |
| Uber 烧光全年 AI 预算 | Uber | Claude Code 每月 500-2000 美元/人，4 月已耗尽全年额度 | 5/25 |
| 字节跳动 LMM 新训练方法 | ByteDance | 用提问替代转写，长文档训练效率大幅提升 | 5/24 |
| 物理 AI 市场 2040 年达 3.25 万亿美元 | 沙利文报告 | 年复合增速 47.2%，核心概念股持续走强 | 5/25 |
—
## 一、微软叫停 Claude Code：AI 定价模式的分水岭
【AI 编程工具成本对比】
| 工具 | 定价模式 | 人月费用 | 百人团队年费 | Token 上限 |
|---|---|---|---|---|
| Claude Code | Token 计费 | $500～$2,000 | $60万～$240万 | 无硬上限 |
| GitHub Copilot CLI | 固定月费 | $19 | $22,800 | 有限制 |
| Cursor Pro | 固定月费 | $20 | $24,000 | 500 次/月 |
| Codeium | 免费/企业版 | $0～$15 | $0～$18,000 | 按用户 |
【成本拐点计算公式】
月均 Token 消耗 × 单价 = 实际支出
拐点：当 Token 费用 > 固定月费 × 团队人数时
建议：团队≥50人 → 优先固定费率方案
团队<10人 → Token 计费方案效率优先
微软内部传出的消息震动整个 AI 开发生态——从 6 月 30 日起，数千名负责 Windows、Microsoft 365、Teams、Outlook 和 Surface 的工程师不再被允许使用 Claude Code。
核心数据：
- 微软每年向 Anthropic 累计投资高达 50 亿美元（Foundry 协议）
- Foundry 协议不受此次叫停影响，Anthropic 承诺斥资 300 亿美元购买 Azure 算力
- 替代方案：GitHub Copilot CLI（自家工具，成本可控）
【站长视角】
这不是"用不起"的问题，是"值不值得"的问题。Claude Code 每人每月 500 美元起跳，百人团队一年就是 60 万美元起步。微软的选择释放了一个强烈信号：AI 定价正从"包月套餐"转向"按表走字"模式，Token 消耗越多的团队，账单膨胀越快。
## 二、Uber 半年烧穿全年 AI 预算
同一时间线里，Uber 的情况更极端。
- 每位工程师每月 Claude Code 费用：$500 ~ $2,000
- Uber 2026 年 AI 预算在 4 月就已经耗尽
- 这意味着 Uber 大半年没有 AI 工具预算可用
【避坑】
设定 AI 工具预算时，不要按月固定费率去算。Claude Code 这类 Token 计费工具的月实际支出可能是基准费率的 3-10 倍。建议企业先做 1 个月试点，摸清人月均消耗后再签年度合同。
## 三、DeepMind AlphaProof Nexus：几百美元解 56 年难题
Google DeepMind 在数学推理上放了颗卫星。
- 自主解决 9 个开放的 Erdős 问题（组合数学领域经典难题）
- 其中 2 个难题已搁置 56 年无人解答
- 每个问题的推理成本仅 数百美元
- 亮点：系统使用 Lean 编译器自动验证每一步证明，不是 OpenAI 那种自然语言推理
【与我们的关联】
这套思路和昨天报道的 AutoTTS（Claude Code 发现 AI 缩放算法）异曲同工——通过"搜索+验证"的闭环，让 AI 在受限空间内自主发现新知识。AlphaProof 用的是 Lean 编译器保证正确性，AutoTTS 用宽度-深度控制空间保证搜索质量。
## 四、字节跳动：用提问替代转写训练 LMM
ByteDance 最新的研究发现：让多模态模型回答问题比让它转写文本更有效。
- 核心创新：在长文档训练中，用 QA 对替代全文转写
- 效果：训练效率提升，模型推理质量更高
- 意义：长上下文 LMM 训练有了新的高效路径
## 五、物理 AI：2040 年 3.25 万亿美元赛道
沙利文最新报告预测，物理 AI（具身智能+机器人+自动驾驶）正以 47.2% 年复合增速发展。
- 2040 年全球关联产业规模有望达 3.25 万亿美元
- 核心概念股：寒武纪、智谱 AI 等持续走强
- 智谱 AI 市值已超 5700 亿元，暴涨 10 倍
【站长避坑建议】
物理 AI 是长周期叙事，不要追短期热点。关注真正有技术壁垒的公司（如 DeepMind 的 Lean 验证路径），避开纯概念炒作。
---
【SOP 操作】
1. 如果你是团队负责人：立即统计当前月均 AI 工具 Token 消耗量
2. 按 $0.015/K 输入 token 估算 Claude Code 实际成本
3. 对比 GitHub Copilot CLI（$19/月固定费率）找到成本拐点
4. 团队超过 50 人且 AI 编码占比高 → 优先考虑内部替代方案
5. 小团队（<10 人）→ Claude Code 的效率提升远大于成本支出
---
来源：36氪、The Decoder；360 视界整理编译