Apple tightens internal AI spending, cutting some engineers' daily quota from $300 to $200
English text is being prepared.
In October of this year, Apple cut the AI usage quota for some engineering teams from $300 to $200 per day and is studying further reductions, with some engineering teams potentially seeing their daily limit drop to $100 in the future. Many non-engineering teams had already been subject to a $100 per day cap, and the company has also discussed compressing some teams' quotas to $25 per day, with employees who genuinely need more able to request additional quota from senior managers. These budgets are mainly used to pay the token costs of generative AI services such as Claude, ChatGPT, and Gemini, and some teams have been encouraged to switch to lower-priced models or prioritize locally run AI solutions.
Why read this
AI score 58
The original article provides specific figures on Apple's reduction of AI usage quotas across teams and internal reactions, offering a window into how big tech firms are shifting from expansion to cost management.
Topics
Body
消息称,苹果在今年10月已经将部分工程师团队的AI使用额度从每天300美元下调至200美元。与此同时,公司还在研究进一步压缩相关开支的方案,部分工程团队未来的每日限额可能降至100美元。
除工程部门外,苹果许多非工程团队此前已经执行每天100美元的使用上限。报道称,公司曾讨论将部分团队的额度进一步压缩至每天25美元。对于确实需要更高AI资源配额完成工作的员工,苹果将允许他们向高级管理人员申请额外额度。
这些预算主要用于支付生成式人工智能模型所消耗的Token成本。Token是AI模型处理文本、代码以及其他数据时所使用的计算单位,也是目前主流AI服务的重要计费依据。由于软件开发过程中大量使用AI辅助编程工具,因此工程师通常拥有更高的使用额度。
目前,苹果内部员工可使用多种主流人工智能服务,包括Anthropic的Claude、OpenAI的ChatGPT以及Google的Gemini等平台。为了进一步降低成本,部分团队已被鼓励使用价格更低的模型,或者优先采用可直接运行在本地设备上的AI方案。
据了解,过去一年间,随着AI编程助手能力持续提升,硅谷科技行业出现了所谓“Token Maxxing”现象,即员工大量使用AI资源来提高开发效率,一些企业甚至建立了内部排行榜来比较员工的AI使用量。然而,随着AI相关支出迅速攀升,越来越多企业开始重新评估这些投入是否能够产生足够的生产力回报。
对于苹果此次调整,内部员工反应不一。一部分员工认为,此前每天300美元的额度本就相当宽松,许多人实际上从未接近使用上限,因此新规定对日常工作影响有限。但也有人将此视为更广泛成本控制计划的一部分,并担心未来是否会伴随组织调整或其他节流措施。
报道称,苹果部分业务部门近期还引入外部顾问对运营效率进行评估。再加上AI预算收紧,引发了一些员工对于未来重组计划的猜测。不过目前并无证据表明苹果已经制定相关裁员方案。
值得注意的是,苹果整体研发支出仍在持续增长。公司最新财务数据显示,2026财年研发开支同比大幅增加,其中人工智能和基础设施建设是推动成本增长的重要因素之一。这意味着苹果并未放缓AI战略布局,而是在寻求更加精细化的成本管理方式。
分析人士认为,苹果的举措反映出科技行业正在进入AI投入更加理性的阶段。经历早期大规模投资和快速扩张后,企业开始更加关注实际回报率,并对内部AI资源的使用建立更严格的管理机制。在继续推动人工智能融入产品和业务流程的同时,如何控制高昂的运行成本,正成为整个行业共同面对的新课题。