Tesla 每週 AI 開銷上限 200 美元，馬斯克自家 xAI 產品卻獲豁免

一月份，Tesla 還在告訴工程師盡可能積極地使用 AI；七月份，公司卻宣布每週上限 200 美元。

這種從強力推動 AI 採用到設定硬性消費上限的急轉彎——不過短短半年——清晰映照出 2026 年中期 AI 產業成本大清算的真實面貌。Tesla 本週宣布，自 7 月 6 日起，員工的 AI 使用費用每週上限為 200 美元，超出者需獲主管明確核准。此前，部分員工每週的 AI token 消耗費用高達數千美元，以任何合理的人均成本計算，這個速度都難以為繼。

這項政策有一個顯眼的例外：Tesla 控股股東馬斯克旗下 xAI 的測試版產品——Grok 與 Composer——豁免於每週上限管制之外。

企業 AI 成本失控的解剖

Tesla 走到今天這一步，是一個在美國企業界廣泛上演的縮影。公司管理層依循 2026 年初的主流邏輯，力推員工盡快、盡全面地將 AI 整合進工作流程。主管下發核可的模型清單；資安政策標準化以支援大規模 AI 工具使用；內部儀表板追蹤哪些工程師使用 AI 最頻繁，按 token 消耗量替員工排名——這套機制隱然獎勵高度使用。

這套策略奏效了，甚至奏效過頭。手握前沿模型使用權、又受排行榜激勵的軟體工程師，幾乎在工作流程的每個環節都找到了使用 AI 的理由：生成程式碼、撰寫文件、進行程式碼審查、架構腦力激盪、除錯——每一步都是發起模型呼叫的機會。以每人每週數千美元計算，乘以龐大的軟體工程師人數，費用以驚人速度複利累積。

熟悉內情的人士描述，管理層對消耗規模之大感到真心意外。從「鼓勵 AI 使用」到「預算出現嚴重問題」，發展速度遠超任何規劃週期所能應對的範疇。

xAI 豁免條款

200 美元上限中 xAI 產品的豁免，是這項政策最耐人尋味的細節。馬斯克於 2023 年共同創辦 xAI，此後將其打造為全球融資規模最大的 AI 實驗室之一，估值可與 Anthropic 媲美。xAI 的旗艦模型系列 Grok，與 Tesla 員工此前使用的模型直接競爭——後者以 Anthropic 的 Claude 為主，也是員工據傳更偏好的選擇。

豁免條款意味著：Tesla 工程師使用 Grok 不受任何上限限制，使用 Claude 及其他第三方模型則受到嚴格限額。這是一記明顯的偏向性操作：透過將自家公司產品排除於成本管制之外，馬斯克在結構上製造了引導 Tesla 員工向 xAI 遷移的誘因，無論員工是否認為 xAI 的產品更好用。

內部反應據悉相當冷淡。多位熟悉情況的人士描述，Grok 在 Tesla 軟體工程師之間普遍不受歡迎——員工普遍認為 Claude 的程式碼品質與指令遵循能力，在他們的具體工作負載上更為優異。以經濟手段而非能力提升來強制切換，是那種往往只換來消極抵抗與繞道而行的由上而下指令。

Tesla 並非孤例

更宏觀的背景不可忽視。Tesla 的消費上限並非異例，而是一波企業 AI 成本控管政策浪潮的代表——這波浪潮正席捲美國企業界，因為各組織正在面對未設上限的 AI 採用究竟要花多少錢的現實問題。

Uber 據報在 4 月就燒光了整個 2026 年的 AI 預算，原因是員工採用前沿模型的速度遠超財務部門的預測模型。公司隨後對每位員工設置每月 1,500 美元的消費上限。Meta、Amazon 與 Walmart 也相繼祭出類似限制，引導員工轉向更便宜或內部自建的模型，以控制直接的成本敞口。

這個模式揭露了大型組織在規劃 AI 採用時的一個根本性落差。財務部門的預算模型，是以特定用途的頭對頭計算為基礎——結構化、有意識的應用，如客服機器人或文件摘要。實際發生的，卻是個別工程師拿到前沿模型的存取權之後，找到了數百種任何中央規劃流程都無法預見的臨時用途。結果是預算消耗速度比核准規模快出幾個數量級。

對模型市場的意義

企業成本控管浪潮對 AI 模型供應商有直接影響。OpenAI 在 GPT-5.6 系列中刻意推出三個定價層級——Sol 適合高難度推理、Terra 適合均衡工作負載、Luna 適合成本敏感場景——正是對企業客戶反映預算不可預測性的直接回應。Anthropic 同樣擴充了模型陣容，在 Claude Sonnet 5 之下提供更平價的選項。追求最強能力的競賽尚未結束，但在每個能力層級追求最佳成本效益的平行競賽，顯然已全面展開。

對開源 AI 基礎設施供應商而言——例如本週宣布完成 8 億美元融資、年度預訂金額突破 11.5 億美元的 Together AI——Tesla 的處境無異於一份業務開發禮物。每一位看到 Tesla 這份備忘錄的財務長，都會立刻思考一個問題：這些 AI 工作負載中，有多少能用開源模型以一小部分的成本完成？Together 的答案愈來愈清晰：大部分都可以。

效率優先的轉向

Tesla 從積極採用到嚴格限制的急轉，也反映出組織思考 AI 價值方式的一次成熟化轉變。驅動積極採用的假設是：更多 AI 使用等於更高生產力，因此更多 AI 支出自然可以用生產力提升來合理化。消費上限浪潮所透露的，是財務團隊發現這個等式比預期更難驗證——當你無法輕易衡量單一工程師 token 消耗的生產力增量時，預設的帳務邏輯就從「擴大投資」變成了「管控費用」。

這種心智模型的轉變——從 AI 是生產力槓桿到 AI 是需要最佳化的成本項目——並不意味著技術在創造價值上失敗了；它意味著組織正在從實驗階段進入最佳化階段：在可以清楚衡量回報的地方部署 AI，在回報不明確的地方加以約束。

對 Tesla 而言，每週 200 美元的上限是個粗糙的工具。更精密的版本——也可能是下一步的走向——是按專案與工作流程進行細粒度的成本歸屬分析，並以團隊層級設定基於實際生產力成果的使用預算。這樣的政策更難設計也更難執行，但這才是把 AI 當成基礎設施而非創新表演認真對待的組織，最終管理 AI 支出的方式。

諷刺的是，這項工作所需的紀律——以管理雲端運算的嚴謹態度對待 AI 成本——正是 AI 基礎設施供應商多年來一直倡議的事。只是需要一個失控的內部排行榜和幾個搞砸的季度預算，才真正把大家逼到了這一步。