“每月只给29美元用Claude”？曝埃森哲有人单月烧掉1000美元，官方紧急回应：不是硬性上限

每月仅提供29美元（约合人民币193元）用于AI，这能做什么？

对于日常对话、撰写电子邮件及整理文件而言，这一金额或许足够。然而，若你每日使用Claude Code进行编码、执行测试，并让AI代理反复处理任务，那么29美元可能几天内便会耗尽。

近期，咨询业巨头埃森哲（Accenture）因其Claude费用政策而受到关注。据404 Media报道，自今年10月1日起，公司每月为每位员工承担的Claude使用费用统一为29美元；而在此之前，有员工每月在Claude Code上的支出高达500至1000美元。

从29美元到1000美元，差距超过30倍。消息传出后，许多人将其解读为埃森哲开始限制员工使用AI——毕竟，埃森哲本身就是积极推动企业AI转型的咨询巨头，并与Claude的开发商Anthropic建立了多年战略合作。

一边倡导企业拥抱AI，另一边却需精打细算地管理自家员工的AI账单，这种反差自然引发热议。

有人每月花费500美元，超额费用由谁承担？

据404 Media近期报道，埃森哲在一份内部备忘录中向员工说明了Claude使用费用的新安排：公司每月为每位员工集中承担29美元的费用，超出部分则需通过工作分解结构（Work Breakdown Structure，WBS）计入具体项目或团队，并需获得相应预算支持。

WBS可简单理解为企业内部的项目计费编码：这笔支出究竟用于哪个客户项目或团队工作，都必须有明确归属。

举例来说，一名员工当月使用了价值500美元的Claude服务。若公司集中承担29美元，剩余的471美元则需由相关项目或团队承担，而非继续全部记入公司的统一费用账户。

换言之，员工若想继续高强度使用Claude并非不可，但必须有人为额外支出买单。埃森哲随后也明确表示，将其政策理解为每月严格限制员工使用AI工具的说法并不准确：29美元仅用于说明公司资助方式的一部分，不能直接等同于员工的使用上限。

不过，埃森哲的内部备忘录也强调，即便提供了项目编码并获得使用许可，也不代表员工可以无限期、持续地访问Claude。据报道，已有一名员工失去了Claude的使用权限，而这一情况与费用调整之间是否存在直接联系，目前尚不确定。

此外，埃森哲并未公开这份备忘录，也未披露具体有多少员工受到影响。因此，29美元究竟适用于哪些员工、如何计算，以及超额费用的审批标准是什么，目前仍缺乏完整答案。

一边推广AI，一边为何要管理账单？

如开头所述，此事受到关注，还有一个重要背景：埃森哲并非一家不看好AI的企业。

去年12月9日，埃森哲与Anthropic宣布达成多年战略合作，计划加速AI在大型企业中的应用。双方计划培训约3万名埃森哲专业人员使用Claude，并推动Claude Code在开发团队中落地——当时，Anthropic CEO Dario Amodei还称，这是公司“有史以来最大规模的部署”。

既然如此，埃森哲为何还要调整自家员工的Claude费用安排？

原因不难理解。埃森哲拥有约81.4万名员工，如果每个人都能不受限制地使用AI，即使每人的平均额外支出不高，累积起来也可能是一笔可观的费用。

更何况，埃森哲是一家咨询服务公司，项目成本会直接影响利润：据报道，埃森哲超过65%的订单来自固定价格合同，对于这类项目，客户支付的合同金额通常不会因员工多调用几次AI而自动增加；如果AI使用费用未提前纳入项目报价，新增成本就可能由埃森哲自行承担。

因此，将超额AI支出计入具体项目，相当于要求项目负责人明确回答一个问题：这笔钱到底花得值不值？如果AI能帮助团队缩短交付时间、减少返工，项目承担额外费用或许合理；但如果只是让员工用AI反复尝试，却没有带来明确收益，公司自然会重新审视这笔支出。

那么，AI预算应该按人头计算吗？

如果你觉得埃森哲的每月29美元太“抠”，可以看看其他公司的情况：

Uber在2026年初全面部署Claude Code，95%的工程师都在使用，结果四个月就烧光了全年的AI编码预算；

微软的Experiences + Devices部门则因重度用户每月500至2000美元的Token账单，在今年5月取消了大部分Claude Code许可证，要求工程师在财年结束前迁移到自家的GitHub Copilot CLI；

三星对员工开放的Claude、Gemini和ChatGPT也实施了分级Token配额。

不仅如此，更宏观的数字更能说明问题：2025年底到2026年初，Token单价下降了大约一半，但同期Token消耗量增长了450%；另一组数据也显示，企业AI预算的平均值从2024年的120万美元膨胀到了2026年的700万美元。

单价越便宜，总账单越吓人——“杰文斯悖论”在企业AI的账本上活生生地重演了一遍。

如果只看账单，很容易得出一个简单结论：使用AI越少，公司节省的钱就越多。毕竟每月500至1000美元的AI账单，听起来确实有些夸张。但如果了解AI编程工具的工作方式，就不难理解这笔钱是如何花出去的。

普通聊天通常是一问一答；但AI编程Agent在接到一个任务后，可能会连续检查代码文件、分析问题、生成代码、运行测试，再根据报错修改方案，并且任务越复杂、执行链条越长，Token消耗就可能越高。

不同模型的成本也有明显差异。以Anthropic公布的API计费模式为例，输入和输出Token分别计费，能力更强的模型通常单价也更高。企业实际使用费用还可能受到缓存、额外工具调用、套餐安排和商业折扣等因素影响。

这就出现了一个问题：同样是使用Claude，有人只是让它写一封邮件，有人却让它连续工作数小时，分析代码、执行测试、反复修复问题——两者的实际成本，自然不能简单地按人头平均计算。

一名员工每月花费500美元使用AI编程工具，如果因此完成了原本需要投入大量人力的工作，这笔钱可能很划算；另一名员工即使只花29美元，如果生成的内容错误频出、需要大量人工修改，也未必创造了价值。

因此，比起只统计每个人花了多少Token，或许企业更需要知道：AI完成一项任务究竟花了多少钱？与原来的工作方式相比，节省了多少时间和人力？最终交付质量有没有下降？

最后，如果你是公司的负责人，你会如何制定AI预算呢？是给每位员工设置固定额度，超出就要申请，还是允许员工根据工作需要自由使用呢？