H200還沒到中國，Anthropic先急了：千億美元搶芯片，轉頭漲價讓開發者買單

作者 | 褚杏娟

當地時間 5 月 14 日，Anthropic 以中美 AI 競爭為由發布長文，呼吁進一步收緊芯片出口限制。

同一天稍早時候，路透社報道稱，美國已批準約 10 家中國公司購買英偉達專為中國市場定制的 H200 芯片。報道提到的公司包括阿里、騰訊、字節、京東等。不過，這批許可尚未轉化為實際交付。

Anthropic 直接指出，訓練前沿 AI 模型最關鍵的資源是先進芯片，也就是算力。美國目前的優勢建立在 NVIDIA、AMD、TSMC 等“民主國家產業鏈”之上。但如果不進一步收緊管制，美國在 2028 年前可能會失去主導權，中國 AI 實驗室的模型能力可能追到只落后美國幾個月。

Anthropic 還引用了一組數據，稱按總處理性能計算，華為在 2026 年的算力產出僅相當于英偉達的 4%，到 2027 年更是降至 2%。

在 Anthropic 的框架里，中美 AI 競爭被拆解為四條線：第一是智能，即誰能開發出最強大的 AI 模型；第二是國內采用，即誰能更有效地把 AI 整合進商業和公共部門；第三是全球分發，即誰能部署支撐世界經濟運行的全球 AI 技術棧；第四是韌性，即誰能在 AI 帶來的經濟社會轉型中維持穩定和連續性。

其中，模型智能被認為是最重要的一條，而這也是 Anthropic 收入的重要基石。

Anthropic 認為，當前中國 AI 實驗室之所以仍能接近美國模型能力，主要依靠三類因素：世界級人才、先進算力，以及通過大規模“蒸餾攻擊”提取其前沿模型能力。為此，Anthropic 還提出，應明確將“蒸餾攻擊”非法化，并加強情報共享；同時推動美國“可信 AI 技術棧”出口，搶占全球南方市場。

一邊阻止先進芯片外流，Anthropic 一邊正在斥巨資解決自身面臨的巨大算力短缺問題，同時通過頻繁調整產品價格，讓用戶來承擔算力短缺帶來的影響。

又又又調價，開發者氣瘋了

在算力持續緊張的背景下，Anthropic 再一次調整了定價策略。

近日，Anthropic 宣布，從 6 月 15 日起，將把程序化 Claude 使用量與標準聊天訂閱額度拆分開來。也就是說，開發者通過 Agent SDK、GitHub Actions，以及 OpenClaw 等第三方智能體框架調用 Claude 時，將不再簡單計入原有訂閱套餐，而是進入一個獨立的月度積分系統，并按照類似 API 的方式計費。

這一變化意味著，過去許多開發者用 Claude Pro 或 Max 套餐低成本運行自動化任務、智能體腳本、CI 流水線和長期編碼代理的方式，將面臨重新定價。

根據 Anthropic 的安排，程序化使用的月度積分額度將與用戶現有 Claude 訂閱檔位掛鉤，大體對應其月費水平。其中，Pro 用戶每月可獲得 20 美元積分，Max 5x 用戶為 100 美元，Max 20x 用戶為 200 美元。

在此之前，Claude 的交互式聊天使用和程序化調用來自同一個訂閱額度池。開發者不僅可以用高階 Claude 套餐進行聊天、寫代碼、調試，也可以通過外部智能體框架運行自動化工作流。

正是這種“一個訂閱覆蓋多種用途”的模式，讓 Claude 一度成為智能體開發者眼中的高性價比選擇。尤其對于運行長期任務的開發者來說，通過 OpenClaw、Agent SDK 等工具調用 Claude，實際成本往往低于直接使用 API。

但 Anthropic 早在今年 4 月就已經釋放信號。公司當時在 X 上表示，Claude 訂閱將“不再覆蓋 OpenClaw 等第三方工具的使用量”，理由是算力容量受限。新政策落地后，開發者如果繼續使用外部智能體框架，要么購買額外用量包，要么轉向直接 API 計費。

有趣的是，Anthropic 首席財務官 Krishna Rao 在采訪中表示，“我們的定價一直比較穩定。無論是 Haiku、Sonnet，還是 Opus，價格都沒有頻繁調整。現在 Mythos 當然是比較新的模型，但總體來說，Anthropic 很少改價格。過去最大的一次價格調整，是在推出 Opus 4.5 時，公司把 Opus 系列的價格降了下來。”

他解釋當時的降價的原因在于，Anthropic 發現 Opus 級模型的能力很強，但實際使用量沒有完全匹配它的能力。很多客戶明明遇到的是一個適合用 Opus 解決的問題，卻會想辦法把它塞進 Sonnet 的工作負載里。后來，由于模型效率上又有提升，從 Anthropic 的角度看，已經可以更高效地運行 Opus，于是公司就把價格降下來，讓客戶更容易用上它。

這又回到一個核心點：Anthropic 希望用戶使用自己的模型，這也價格必須設在一個用戶可以接受、并且能夠從中獲得足夠價值的位置上。

Krishna 認為，“Opus 這次降價，其實體現了杰文斯悖論：Anthropic 把價格降了下來，但使用量的增長遠遠超過原本預期。也就是說，因為價格落到了客戶覺得合適的位置，他們開始更大量地使用 Opus。而 Anthropic 也有足夠的效率，可以支撐這種大規模使用。等客戶把它真正接入自己的工作流之后，Anthropic 再發布 Opus 4.6，它就是一次模型升級，客戶可以直接替換進去，而價格不需要再變。”

Krishna 強調定價穩定很重要，但實際上，用戶對價格有很強的敏感度，很反感 Anthropic 一而再再而三地調整價格策略。

如之前調整一樣，最新調整很快就引發了開發者不滿。許多人認為，Anthropic 正在削弱 Claude 對智能體工作流最有吸引力的一點：用相對穩定、可預測的訂閱價格，支撐大規模自動化任務。

高級數據科學家 Yadesh Salvi 在 X 上批評稱，Anthropic 提供的月度額度“連一天的認真工作都撐不過去”。他認為，Claude Agent SDK 和 Claude Code 中的claude -p等功能原本是用戶高頻使用的核心能力，如今卻被壓縮使用空間，還被包裝成訂閱福利。

Broadcom 高級站點可靠性工程師 Advait Patel 也表示，對于那些基于 Claude Pro 或 Max 固定價格套餐構建副業項目和個人自動化工具的開發者來說，新的獨立積分池確實能給開發者一點試驗空間，但一旦智能體足夠有用、需要頻繁運行，開發者就不可避免地進入按量計費模式。

“重度智能體用戶消耗的算力，遠遠超過 20 美元或 100 美元訂閱能夠支撐的范圍。”Patel 認為，運行大模型本身確實昂貴，面向程序化使用的無限固定價格套餐，本來就很難長期持續。同樣的錢，能跑的自動化任務變少了，想保持原來的使用強度，就要額外付費。

這場定價變化影響的不只是個人開發者，也會給企業帶來新的成本管理問題。Patel 指出，過去一些團隊會依賴 Claude 訂閱運行無人值守工作流，例如 CI 流水線、定時自動化任務和長時間運行的編碼智能體。但在新政策下，使用量將更直接地與 token 消耗綁定，而不是簡單跟訂閱檔位綁定。

這會讓企業在預算預測上面臨更大不確定性。尤其是那些涉及多次重試、大上下文窗口、多步驟智能體循環的工作負載，其 token 消耗可能快速膨脹。

更麻煩的是，Anthropic 的積分是按用戶分配的，不能在團隊之間共享。這意味著企業無法輕松建立一個統一預算池來覆蓋共享自動化任務。一個失控的智能體，或者一個設計不佳的提示詞，都可能迅速燒光個人額度，導致任務中斷或者開始產生額外費用。

高額的費用讓微軟也有了壓力。據外媒報道，微軟已開始逐步取消數千名內部開發者的 Claude Code 授權。盡管過去半年這個 AI 編程工具深受微軟員工歡迎，但公司決定將重點收縮至自家的 GitHub Copilot CLI。

微軟向員工解釋說，此舉是為了將 Copilot CLI 作為其在“體驗與設備”領域的主要代理命令行界面工具，但消息人士稱，此舉也與財務有關。6 月 30 日是微軟當前財年的最后一天，取消 Claude Code 許可證是削減運營開支的簡便方法，以便在 7 月新財年開始時節省開支。

近幾個月來，微軟內部開發者更傾向于使用 Claude Code 而非 GitHub Copilot CLI。對于內部員工來說，從 Claude Code 過渡到 GitHub Copilot 并非易事。微軟一直鼓勵沒有編程經驗的員工嘗試使用 Claude Code，以便設計師和項目經理能夠快速構建原型。微軟最初還希望員工同時使用 Claude Code 和 GitHub Copilot，以便比較兩者并提供反饋。

現在，微軟的 GitHub 團隊面臨著巨大的壓力，他們需要改進 Copilot CLI，并力爭超越 Claude Code。

可以看到，Claude Code 雖然得到了能力認可，但一旦價格超出用戶負擔，無論個人還是企業，都會考慮選擇其他產品，這對 Codex、Copilot 們來說，也是一次機會。

“算力是我們整個業務的生命線”

擁有更多算力是 Anthropic 最直接的解法。

“我們采購的算力，基本就是整個業務的生命線。”Krishna 也在近期參加播客節目時表示。

Anthropic 近期大規模采購算力，也說明了這一點。該公司已經獨家租用 SpaceX Colossus 1 超算中心；與 AWS 長期合作，鎖定 5GW Trainium 算力，10 年投入超 1000 億美元；簽約 Google 與 Broadcom 的下一代 TPU 長單，3.5GW 算力將從 2027 年起交付。去年，Anthropic 還宣布投入 500 億美元自建美國 AI 基礎設施，并同步加碼 Google TPU 與 Microsoft Azure 算力。

值得一提的是，Krishna 明確表示，公司內部并沒有看到 scaling laws 放緩的跡象。

在 Anthropic 內部，scaling laws 的討論也與不同開發階段密切相關。Krishna 表示，公司會看模型在不同開發階段的表現。比如，在一次預訓練運行過程中，Anthropic 可以從損失曲線上看到，這個模型和之前訓練過的模型相比表現怎么樣。這樣一來，公司就能對模型能力有一個基本判斷。

在強化學習階段，也可以用類似的方式來看。還有一點同樣重要，就是當客戶真正拿到模型之后，他們看到了什么、在哪些地方發現了問題。這些痛點之后就會變成 Anthropic 的訓練目標。

當然，在企業側，Anthropic 不會用客戶數據來訓練模型，但客戶會告訴 Anthropic 一些很具體的反饋。比如：“我希望模型在這個方面更好”，或者“我在某個地方被卡住了”，Anthropic 通常會按這個方向去做產品，因為公司會在研發側持續推進，隨著時間推移把這些能力提升上來。

所以，這里面其實形成了一個相互連接的循環。在內部，Anthropic 會一直觀察不同訓練階段的模型、不同版本的模型快照，把它們和自己的指標做比較，也會和外部模型做一些比較；最終，公司還會看客戶怎么評價這些模型。

Krishna 補充解釋道，Anthropic 確實非常相信 scaling laws。“當然，很多 scaling laws 論文的作者本來就是 Anthropic 的創始人。但即便如此，公司內部其實也是一群帶著懷疑精神的人。至少從目前看到的情況來看，scaling laws 并沒有放緩。”

因此，單從模型開發層面，Anthropic 就有動力持續進行算力投入，更何況其背后還有眾多用戶。

克制采購、大量異構算力終于可以快速消化

“對公司來說，算力是最重要的資源，也是其他一切能力建立起來的基礎。所以，到底要買多少算力，是公司里最關鍵、也最難做的決策之一。”Krishna 解釋稱，算力買多了，公司可能會被成本拖垮；算力買少了，又沒辦法服務客戶，也沒辦法繼續站在技術前沿。某種意義上，這兩個結果都很危險。

因此，對 Anthropic 來說，算力采購不是一個可以臨時拍板的事情，它會帶來非常現實的后果。公司不可能今天說要買一吉瓦算力，下周它就交付。很多事情都必須提前規劃。

據 Krishna 介紹，Anthropic 在思考算力問題時，會盡量用一套系統的方法來判斷。公司會從具體需求往上推，建模型、預測未來可能需要多少算力。當然，這些預測有時候也會出錯。公司還要判斷，如果想繼續保持在前沿，到底需要準備多少算力，并且盡量根據未來的發展去估算。

“等到真正去做算力采購交易時，靈活性就非常重要。”Krishna 強調，Anthropic 會把這種靈活性寫進合同里，也會體現在后續使用算力的方式里。因為當業務進入指數級增長階段，最關鍵的就是盡可能高效地使用手里的算力。

“即便到今天，我大概仍然有 30% 到 40% 的時間花在算力上。”他說道。

在 Anthropic 的語境里，靈活性有好幾層意思。首先，公司不是只押注一種芯片平臺。現在 Anthropic 同時使用三類芯片：Amazon 的 Trainium、Google 的 TPU，以及 Nvidia 的 GPU。對公司來說，這些芯片可以在不同場景里相互替換、靈活調度。

Anthropic 買來的算力，會被用在幾類事情上：一類是模型開發，一類是內部使用，比如加速自己的產品和模型研發，當然還有一類是對外服務客戶。無論是 Trainium、TPU 還是 GPU，Anthropic 都會盡量讓它們覆蓋這些內部和外部場景，而不是把某一種芯片固定死在某一種用途上。

但這種靈活性不是一開始就有的。Anthropic 花了很多年時間，持續投入，才慢慢做到今天這個程度。Krishna 認為，在所有前沿實驗室里，Anthropic 可能是最高效的算力使用者之一。

比如 Anthropic 剛開始用 TPU 的時候，Krishna 記得大概還是第三代 TPU。那是 Anthropic 第一次大規模使用 TPU。很多人當時都不理解，覺得：“你們是不是瘋了？大家都在用 GPU，為什么你們不用 GPU？”但 Anthropic 一直很重視這件事，因為公司的目標就是能夠非常靈活地使用各種算力。

除此之外，Anthropic 還會比較同一芯片平臺的不同代際，看哪一代芯片最適合哪一種內部工作負載，然后把它放到最合適的位置上。也正因為這樣，公司后來真正搭起了一套編排層。它的作用就是幫 Anthropic 靈活調度不同類型、不同代際的算力，并在這個過程中，把每一份算力的價值盡可能榨出來。

一方面，公司會貼近底層硬件做優化，盡量少被中間軟件層限制，從而控制更多性能變量；另一方面，這也是一個與各方緊密協作的過程。比如，Anthropic 和 Amazon 的 Annapurna Labs 團隊合作非常緊密，也會參與影響這些芯片的路線圖。

因為 Anthropic 認為，公司正在做的事情確實是在把這些芯片的能力推到極限。這也意味著，在 Anthropic 內部，一美元算力所產生的價值，比在其他任何地方都要更高。

Krishna 坦言，今天在這些使用場景里，Anthropic 其實都受算力限制。如果放在一兩年前，突然給 Anthropic 一批不同類型的算力，公司確實很難馬上消化掉。因為這些芯片平臺彼此不一樣，有些更難操作，有些在使用方式上也有自己的特點。

但今天不一樣了。如果現在給 Anthropic 更多算力，公司會很快把它部署到不同的使用場景里。整體分配方式可能和今天差不多，但 Anthropic 現在已經更擅長快速啟動、快速部署幾乎任何類型的算力。Krishna 認為，這也是公司的一個真正優勢。

性價比很重要，要把算力拆得非常細

Anthropic 已經宣布與 SpaceX 在 Memphis 的 Colossus 設施合作。這就是一個很好的例子，來證明，只要能拿到近期算力（near-term compute），Anthropic 都會去尋找機會。

隨著算力基數越來越大，這類近期算力在整體可用算力中的占比會越來越小，但 Anthropic 看它的核心標準是：這些可用算力能不能有效部署起來。

答案有時候是可以，有時候是不行。如果可以，Anthropic 就會繼續看它的經濟回報：價格怎么樣、能用多久、位置在哪里、屬于哪種類型的算力，以及公司能不能高效地運行它。所以，Anthropic 內部有一套評估流程。

這套流程也會用來評估長期交易。上個月，Anthropic 和 Google、Broadcom 簽了一個五吉瓦的 TPU 合作，從 2027 年開始。Anthropic 也和 Amazon 簽了一個最高五吉瓦的 Trainium 交易，這是一個超過 1000 億美元的承諾，其中很多算力其實已經開始落地，并且會在今明兩年里繼續落地。

Krishna 將其形容成一層層疊起來的“算力蛋糕”（layer cake）：不同算力會在不同時間啟動，能力也不一樣，而 Anthropic 會非常動態地比較這些算力。對公司來說，算力隨著時間變化的性價比非常重要，它什么時候能落地，以及公司認為它能在業務內部發揮什么作用，也同樣重要。這里有很多變量需要一起優化：它是什么類型的算力、成本是多少、使用周期有多長等。Anthropic 會用一套相當動態的方式去看近期算力、中期算力和長期算力。評估的核心大體相同，只是時間周期不同。

在評估算力時，Anthropic 也會看每 token 成本、吞吐量和速度之間的取舍。Krishna 提到，當 Anthropic 同時看三個不同芯片平臺時，每個平臺里面其實還有不同代際的芯片，比如 TPU V5e、V6、V7，Trainium 2、Trainium 3，它們在性價比曲線上的位置都不一樣。

接下來很重要的一點，是看公司準備怎么用這些算力。性價比當然重要，因為它直接關系到效率；但對某些使用場景來說，速度也同樣重要。所以，Anthropic 會把算力拆得非常細，細到它什么時候能交付、能交付什么能力。

這件事主要由 Anthropic 的算力團隊主導，但整個公司也會密切配合，一起討論哪些地方需要這些算力、具體是為了什么。比如，公司可能需要 CPU 來做強化學習，也可能需要更前沿的算力來運行最好、最快的模型，或者用來訓練這些模型。所以，從 Anthropic 的角度看，算力怎么用，既取決于客戶需求，也取決于一個非常細的問題：每種芯片最適合做什么，以及公司什么時候能夠拿到它。

模型開發有算力保底，內部員工的也得給

Anthropic 現在想要達到的狀態是：首先仍然要站在前沿，這是最重要的；其次要能夠服務客戶；同時還要有足夠的內部算力來加速員工推進工作。

除了討論怎么買算力，Anthropic 也經常開會討論算力怎么分配。Krishna 認為，這套討論方式和公司文化有關。Anthropic 的文化非常強調協作，所以大家討論算力分配時，也不是各自守著自己的“地盤”，更不是零和博弈，而是用一種非常協作的方式來推進。

但在模型開發這件事上，Anthropic 會設一個不會低于的算力底線。也就是說，哪怕這會讓服務客戶變得更困難，或者不得不在某些地方采取一些不太常規的做法，公司仍然會繼續做長期投入，去開發最好的模型。因為 Anthropic 認為，前沿智能的回報非常高，尤其是在企業領域。所以，分配給模型開發的算力，會有一個明確的下限。

而內部團隊也會分走一部分算力。Krishna 提到一個很有意思的點。如果公司對員工說，“你們不能再使用我們的模型了”，那么 Anthropic 分配給員工內部使用的這些算力，其實可以支撐數十億美元的收入。

實際上，Anthropic 現在內部 90% 以上的代碼，其實都是由 Claude Code 寫的。很多 Claude Code 本身，也是在 Claude Code 的幫助下寫出來的。這一程度上解釋了 Anthropic 為什么要把部分算力留給給內部使用，因為模型本身正在幫助 Anthropic 構建下一代模型。

Krishna 表示，公司內部討論算力分配問題時，每個團隊都會說明：如果拿到這些算力，他們會用來做什么。接著，大家會非常開放、坦誠地討論這些投入的回報該怎么看。因為 Anthropic 可以非常動態地分配算力，所以也能在相對較短的時間內做出調整和改變。

這期間，Krishna 還強調了人的作用。擁有最好模型的人才，可以加速能力發展。

他解釋稱，Anthropic 其實不太用“閉源”或“開源”來區分模型，而是會把模型分成“在前沿”和“不在前沿”。那些站在前沿的模型，顯然正在捕獲經濟價值，也在為客戶帶來有意義的投資回報。Anthropic 現在做的，就是繼續圍繞這個判斷加大投入。這既意味著投入算力，也意味著投入那些能夠用好算力、并且能夠用 Anthropic 自己的模型來真正加速開發的人才。

不只模型，還包括構建在模型之上的產品。比如，Anthropic 在一月發布了三十個不同的產品和功能。這個節奏也在加快。這部分也得益于公司把模型和現有人才結合起來，讓人們能夠更快、更有效地使用底層智能。這基本上就是 Anthropic 在產品側的判斷。

Krishna 強調，Anthropic 的核心仍然是一個研究實驗室，是那些不斷推動模型能力上限的事情。公司一切都建立在這套研究體系之上。

今天，這套研究體系確實已經被模型賦能了，但還不是完全由模型自己完成。隨著時間推移，Anthropic 認為模型會變得更強，也會在研究過程中提供更多幫助。但研究方向怎么定、優先級怎么排、哪些新領域值得探索，仍然需要最優秀的研究人才來判斷和設定。模型的加入，是在進一步放大這些研究人才的能力。

所以，Krishna 把模型看成一種放大器：它不是取代 Anthropic 已有的人才，而是在強化和加速這些人才。人們經常說，人才密度比人才規模更重要，Krishna 認為在這里同樣成立。

Anthropic 真正想要的，是聚集最優秀、最密集的一批 AI 研究人才和推理工程人才，再用最好的模型放大他們的能力。Anthropic 認為，這會形成一個非常有競爭力的組合。

算力，不是 Anthropic 的某一項具體成本

Krishna 透露，Anthropic 看算力投入，不會只看某一項具體成本，而是看整塊算力支出到底能帶來多少回報。這里說的“整塊”，包括各種用途：服務客戶、模型開發、內部提效等等。可以把它們理解成在不同時間尺度上支持收入增長的事情。

比如，現在用算力做推理，它直接支撐今天的收入；如果把算力用在模型開發上，它可能會在六個月后帶來新的模型能力，打開新的市場空間，進而推動未來收入增長；如果把算力用于內部提效，幫助團隊更快推出新產品，這本質上也在支持收入。

所以，Anthropic 真正看的不是某一筆算力花費本身，而是整個算力池的總體回報。至少從今天來看，Krishna 認為 Anthropic 在算力上的投入回報是很穩健的。公司一方面要為客戶創造價值，另一方面也要確保自己能從算力投入中獲得足夠強的回報。站在這個角度看，Anthropic 對目前的位置比較有信心。

再看第一季度的收入增長，那段時間收入漲得很快，但并不是因為 Anthropic 突然上線了一大批新算力。算力通常是按照很早以前就確定好的節奏逐步到位的，很多時候這個節奏可能在十二個月前就已經定下來了。

所以，在 Krishna 看來，如果把服務每一個客戶都簡單理解成一筆“新增變量成本”，其實不太適合 Anthropic 的業務。那更像是在用傳統軟件公司的邏輯來套它，但真實情況不是這樣。

他解釋稱，算力不是只對應某一個客戶、某一項成本，它同時支撐客戶服務、模型研發、內部提效等一整套活動。而 Anthropic 衡量的核心，就是這整套算力投入到底能不能帶來穩健回報。因此，Anthropic 會把現有的算力池看成一個關鍵約束條件。它決定了公司短期能服務多少客戶、長期能推動多少模型和產品能力，也決定了最終能帶動多少收入。

Amazon、Google、Microsoft 都是 Anthropic 的重要合作伙伴，Broadcom 和 Nvidia 也是如此。Krishna 表示，Anthropic 的生態系統很強。今天，Anthropic 是唯一一個同時出現在三大云上的模型，也是唯一一家使用這三種芯片平臺的語言模型實驗室。

“這些合作遠遠不只是采購。”Krishna 認為，這一點經常被忽視。

比如 Anthropic 和 Amazon 的關系，Anthropic 的團隊和 Annapurna Labs 團隊是深度綁定在一起的。Anthropic 非常擅長使用 Trainium，也投入了大量時間和精力，和 Amazon 團隊密切合作，雙方會一起做容量規劃。

“再看三大云，它們對 Anthropic 來說也是非常好的分發渠道。”Krishna 進一步解釋道，“當然，Anthropic 自己的一方業務也非常強。但總體來看，這些合作關系都是多維度的，不只是買算力這么簡單，包括了芯片本身的開發、容量落地、服務交付，最后還包括把這些能力分發給客戶。”

https://www.anthropic.com/research/2028-ai-leadership

https://www.reuters.com/business/retail-consumer/us-clears-h200-chip-sales-10-china-firms-nvidia-ceo-looks-breakthrough-2026-05-14/

https://www.infoworld.com/article/4171274/anthropic-puts-claude-agents-on-a-meter-across-its-subscriptions.html

https://www.theverge.com/tech/930447/microsoft-claude-code-discontinued-notepad

聲明：本文為 AI 前線原創，不代表平臺觀點，未經許可禁止轉載。

會議推薦

Agent 從 Demo 到工程化還差什么？安全與可信這道坎怎么過？研發體系不重構，還能撐多久？

AICon 上海站 2026，13 大重磅專題已上線，誠摯邀請你登臺分享實戰經驗。AICon 2026，期待與你同行。快來掃碼鎖定 8 折專屬席位或提交演講議題

今日薦文

你也「在看」嗎？