Meta微软大幅削减Claude用量:从伙伴到对手
微软云部门把员工人均月度Claude预算从10万美元砍至1万美元,Meta将Claude Code用户减半至3万人并力推自家工具。两大企业客户同步收缩,暴露出Anthropic过度依赖少数大客户的战略风险。
作为Anthropic最大的两家企业客户,Meta与微软正在同步大幅收缩对Claude的用量。据The Decoder报道,微软云部门将员工人均月度Claude预算从10万美元骤降至1万美元,削减幅度高达九成;Meta则把Claude Code的用户规模砍掉一半,降至3万人。两家巨头不约而同地转向自家AI工具,这一变化不仅意味着真金白银的订单流失,更暴露出Anthropic收入高度集中于少数大客户的结构性风险。
微软:人均月预算从10万美元砍到1万美元
微软此次调整的力度堪称剧烈。在其云部门内部,每位员工每月可使用的Claude预算从此前的10万美元压缩至1万美元,降幅达到90%。值得注意的是,这并非个别团队的临时性安排,而是覆盖整个云部门的统一预算政策。如此量级的模型使用预算原本在巨头内部已属极为宽松的配置,如今被大幅收紧,传递出的信号非常明确:微软不再愿意为第三方大模型支付高昂账单,而是要求团队优先使用内部已有的AI能力。
从业务逻辑看,微软的转向并不令人意外。作为OpenAI最重要的投资方与云服务伙伴,微软早已把GPT系列模型深度整合进Azure、GitHub Copilot以及Office等核心产品线。对微软而言,Claude更多扮演“补充选项”的角色——用来做模型对比、覆盖特定场景;但当降本增效成为主线时,这类第三方支出自然首当其冲,云部门率先动手也在情理之中。
Meta:Claude Code用户减半至3万人
Meta的动作同样干脆利落。公司直接将内部使用Claude Code的用户数量削减一半,降至3万人。Claude Code是Anthropic面向开发者推出的编程助手,凭借在代码生成与复杂工程任务上的出色表现,被视为Anthropic打开企业市场的拳头产品。Meta这一规模的裁撤,对这款产品的标杆意义无疑构成一次现实打击。
更值得注意的是,Meta正在同步把资源向自家AI工具倾斜。近年来,Meta围绕Llama系列模型构建了庞大的研发体系,并在AI基础设施上持续投入巨资。对拥有自研模型能力的巨头来说,编程助手这类高频、高价值的场景理应优先由内部方案承接——这既是成本考量,也是技术自主性的必然选择。一旦内部工具跨过可用性阈值,外部采购预算被快速回收,在大型科技公司中已是屡见不鲜的路径。
从合作伙伴到竞争对手
这次收缩之所以耐人寻味,在于两家公司的双重身份:它们既是Anthropic最重要的收入来源,又是其最直接的竞争对手。微软与OpenAI深度绑定,Meta则全力押注Llama,双方的AI战略都建立在“拥有自己的大模型能力”之上,Claude与它们的自有体系在企业市场上正短兵相接。
过去一段时间,大型科技公司普遍采取“多模型并行”策略:一边自研,一边采购头部第三方模型快速补齐能力。Claude在企业级市场的口碑,尤其是编程与复杂推理场景的表现,让它成为这一策略的最大受益者之一。但当巨头的自研能力逐步成熟,采购第三方模型的必要性随之下降,“给竞争对手输血”的质疑在内部也变得越来越难以忽视。
大客户集中:Anthropic的战略软肋
对Anthropic而言,这两次收缩敲响的警钟比单纯的收入损失更值得警惕。当最大的一批企业客户同时开始缩减用量,意味着其收入结构存在明显的集中度风险——少数客户贡献了不成比例的营收,任何一家的策略转向都会被放大成整体业绩的波动。对于仍处于巨额投入阶段的AI公司来说,头部客户态度的变化足以直接改写收入预期。
与OpenAI依托ChatGPT积累了海量消费级用户不同,Anthropic的增长引擎主要押注企业级市场,Claude Code与面向开发者的API服务是其核心抓手。这条路让它在开发者群体中建立了扎实的技术口碑,但也意味着客户结构天然偏向少数财力雄厚的大型机构。Meta与微软的动向恰恰证明:这类客户正是最有能力“自己干”的一批,合作粘性随时可能让位于自研进度。
从行业视角看,这一事件也是企业AI采购模式演进的缩影:早期“先买现成模型抢跑”,如今进入“自研优先、外部为辅”的新阶段。对所有模型厂商而言,靠几家大客户撑起增长曲线的时代正在过去,能否把客户盘子做宽、做深,将直接影响下一阶段的竞争格局。
展望后续,Anthropic面前的课题十分清晰:加速客户多元化,把增长从少数科技巨头扩展到金融、医疗、制造等更广泛的行业,同时巩固编程等优势场景,让客户“离不开”而非“可替换”。Meta与微软削减Claude用量的连锁反应是否会波及其他大客户,同样值得持续观察。当AI竞争从“抢模型”走向“拼体系”,合作伙伴与对手之间的边界,正变得越来越模糊。