AI大厂，正在互相设防

文 | 字母AI 以前AI工具就像科技公司里的免费自助餐——谁家模型好用，就先端上桌；谁家代码工具顺手，就先拿来写；不知道怎么吃，就来几盘“龙虾”开开胃。token像餐盘里的薯条一样一把一把往外盛。 结果到了2026年上半年，自助餐厅开始查券了。 今年3月前后，谷歌因容量不足限制Meta对Gemini的使用。Meta想购买更多Gemini相关计算资源，但谷歌无法满足全部需求。 4月22日，据《洛杉矶时报》报道，谷歌大多数员工因为安全原因，被禁止使用Claude Code、Codex等竞争对手工具，但可以申请例外；与此同时，部分DeepMind团队，包括Gemini、内部应用和开源模型相关团队，仍在使用Claude Code。 5月14日，The Verge披露，微软开始取消大部分Claude Code内部许可证，把开发者导向自家的GitHub Copilot CLI。 6月10日，微软又因为Anthropic的数据留存要求，限制员工使用Claude Fable5。 6月28日，《金融时报》披露了谷歌限制Meta使用Gemini的细节，原本发生在幕后的算力短缺，以“巨头之间限量供应模型容量”的形式浮出水面。 紧接着，6月29日，The Information披露Meta内部文件：公司正在限制员工在AI模型构建中使用Claude和Codex。 随着模型越来越先进，AI变成了大厂的核心生产资料，AI大厂之间的关系也因此变得微妙。 AI大厂彼此之间既是客户也是竞争对手，他们既要调用对方最强的模型能力，又怕自己的数据、代码、工作流和模型路线被对方吸走。 AI的自由试用期结束了。AI大厂，正在互相设防。 AI大厂开始互相限制了 只看今年被报道出来的事件，Google是最早被看到“内外两头设闸”的大厂之一。 据《金融时报》报道，早在3月前后，谷歌就已经开始限制Meta对Gemini的使用。 从报道口径看，并不是谷歌不想卖，是Meta想购买的Gemini相关计算容量太大，超过了谷歌当时能够提供的规模。 换句话说，Meta想多拿一些Gemini，但谷歌的“后厨”供不上，所以只能限量供应。 大模型调用不同于传统软件授权，即使客户愿意付钱，也不一定能买到足够的容量。每一次调用背后都是真实的算力需求。 谷歌一边在外部给Meta设限，一边也在内部给自己人设限，不让自家员工使用竞争对手的AI编程工具。 4月22日，《洛杉矶时报》报道称，谷歌大多数员工因为“安全担忧”，被禁止使用Claude Code、Codex等竞争对手工具，如果能证明有业务理由，则可以申请例外。 与此同时，部分DeepMind团队，包括Gemini、内部应用和开源模型相关团队，仍在使用Claude Code。 这件事让谷歌公司内部出现了所谓“Claude haves and have-nots”，用还是不用，这是个问题。 谷歌在这种情况下显得非常矛盾：一边，公司正在推动员工更积极地使用AI，一些工程师甚至被设定了具体AI使用目标，并可能影响绩效评估；另一边，不同团队能拿到的AI工具并不一样。 据报道，部分员工认为谷歌内部模型在编码能力上不如Claude，于是“能不能用Claude”就不只是工具偏好，直接变成了效率的差异。 从谷歌的立场上来看，它也不是不知道Claude Code、Codex好用——关键AI团队仍然在使用这些外部工具，至少说明外部AI编程工具在谷歌的一线研发里仍有不可忽视的价值（就连它自己都承认了Coding落后）。 公开报道没有披露谷歌“安全担忧”的具体细节，但从企业内部使用AI编程工具的场景看，这类担忧通常会涉及代码、内部文档、产品信息和工作流数据进入外部模型。 说完了谷歌，微软也有类似的担忧。 The Verge 5月14日报道称，微软开始取消大部分Claude Code内部许可证，把开发者导向自家的GitHub Copilot CLI。 据报道，Claude Code在微软内部很受欢迎，但它毕竟是Anthropic的工具。把员工导向GitHub Copilot CLI，一方面可以控制成本，另一方面也是把内部AI编程工作流重新放回微软和GitHub自己的体系里。 不久后，微软又开始限制Claude Fable 5。 6月10日，据The Verge报道，微软因Anthropic的数据留存要求，限制员工使用Claude Fable 5。 报道称，微软法律团队正在评估员工内部是否可以使用这个模型，担心点主要集中在客户数据、内部代码和机密信息。 到6月底，Meta也开始跟进，给外部模型设闸。 The Information 6月29日披露，Meta内部文件显示，公司正在限制员工在AI模型构建中使用Claude和Codex。 报道标题直接点出了原因：Meta担心竞争对手模型的输出可能进入自家的训练数据，从而触发蒸馏、法律和竞争风险。 Anthropic的条款可是明确禁止用户使用Claude输出训练与Anthropic竞争的模型，也禁止支持第三方这样做；OpenAI的条款也写明，用户不得使用OpenAI服务的输出开发与OpenAI竞争的模型。 这些大厂并不是同一种限制，但共同说明了一件事：AI工具已经不再是可以随便试用的效率插件了。 它消耗算力，流过代码，接触客户数据，影响产品入口，甚至可能成为训练下一代模型的原料。 大厂不是不用彼此的模型，是不敢再随便用了。 大厂给AI的三道防线 一个员工多装一个软件、多开一个网页、多试一个工具，通常不会影响公司的底层资源分配。 但AI不一样，每一次模型调用背后，都是算力、token、代码、数据、权限和输出资产。 当AI变成了公司的核心生产资料，公司对待它的态度自然也发生了变化。 把这段时间的信息串在一起看，大厂开始给AI工具设三道闸。 第一道闸是资源。 算力和token都不能无限用。 大模型不是传统软件。传统软件卖出去以后，边际成本很低，但大模型每一次调用，背后都是真实的算力账单。尤其是长上下文、代码任务、Agent工作流，消耗的资源远比普通问答更重。 问题是，AI竞争已经进入算力紧缺的阶段。 路透社今年多次提到，微软、亚马逊、Alphabet和Meta等巨头2026年AI相关资本开支已达到数千亿美元量级；其中2月报道提到约6000亿美元，3月转述S&P Global Visible Alpha的口径则约为6350亿美元。这是一场历史级别的资本开支，但即便如此，市场仍然在讨论这些钱什么时候能转化成足够的可用算力。 最近的存储和内存价格上涨，也是一个非常直观的信号。 路透社6月援引摩根士丹利（Morgan Stanley）报告称，受大型科技公司AI基础设施投资推动，内存芯片价格在过去一年已经上涨约6倍。摩根士丹利把这种现象称为 “芯片通胀（chipflation）”：最初只是AI基础设施瓶颈，现在已经外溢到硬件利润率、设备价格、云成本、资本开支和供应链延迟。 谷歌限制Meta使用Gemini，就是最直接的资源侧限制。路透社转述称，这一短缺影响并推迟了Meta的部分内部AI项目，其他谷歌客户也受到影响，只是程度较轻。与此同时，Meta已经要求员工更高效地使用AI tokens。 也就是说，连Meta这种