微软给 Token 设预算、Cloudflare 让 Agent 持钱包：AI 从“能用”进入“要算账、能交易”

发生了什么：据36氪报道，微软正在调整内部 AI 使用政策：为业务部门设置 Token 预算目标，并将成本更低的 GPT-5.6 作为内部默认模型；员工可以查看个人 Token 支出，公司还计划进一步限制调用。另一篇同日跟进称，这项变化要求工程师关注每个 Token 的价值，而不是无边界使用工具。

为什么重要：这不是简单的“节流”。当模型从个人助手变成编码、检索、客服与内部流程的公共底座，成本不再只由采购团队承担，而会变成每一个工作流的产品指标。此前市场更常用模型分数衡量进步；微软的做法提示企业开始把“单位任务的 Token、吞吐与产出”放到同一张经营报表上。

具体证据：两篇报道共同给出三个可核对的动作：预算目标、个人支出可见、默认模型降本。它们分别对应治理、反馈和技术选型，而不是一刀切禁用。窗口中关于长对话 Token 与成本关系的解析以及Databricks Unity AI Gateway 通用版也说明，路由、用量与安全正被打包为企业 AI 基础能力。

编辑判断：2026 年的企业 AI 采购会越来越像云资源管理：先问任务值不值，再决定用哪个模型、给多少上下文和多少预算。模型厂商若只卖“更强”，而不能解释每次完成任务的成本与可控性，落地阻力会更大。

发生了什么：窗口内报道显示，Cloudflare 发布面向 AI 智能体的 Cloudflare Wallets，提供身份认证、支付和虚拟钱包能力；用户可设置预算上限，让 AI 在额度内自主消费。另一则资讯指出，它瞄准 API 与内容微支付，并与货币化网关配合。

为什么重要：过去的 Agent 工具调用通常停在“能不能访问 API”；一旦它需要购买数据、算力或付费服务，身份归属、额度和支付授权就会断层。钱包把这些原本散落在账号、密钥和财务流程中的要素收拢为一个可编程接口，目标是让无头 Agent 也能在明确边界内完成交易。

具体证据：今天披露的关键不是“给 AI 一张信用卡”，而是三项组合：钱包标识用于识别主体、预算上限限制可支配金额、支付能力支持任务中的服务采购。它与AI 支付嵌入线下商业流程的报道形成呼应：当 Agent 既能下单又能付款，授权和责任边界会成为产品设计的核心。

编辑判断：钱包不会自动解决 Agent 安全，反而会使“谁授权、谁负责、如何撤销”更紧迫。但它补齐了商业化所缺的一块底层能力：未来 API 可能不只按开发者账号售卖，也会按一个受预算约束的 Agent 身份售卖。

发生了什么：NVIDIA 在官方技术文章中发布 Alpamayo 2 Super。窗口内资料显示，它是用于自动驾驶的视觉语言行动（VLA）模型，规模为34B 参数，由32B 视觉语言主干和2.3B 扩散行动解码器构成，可从多相机视频生成规划轨迹、因果解释和元行动；采用 OpenMDW-1.1 许可，可商业使用。

为什么重要：自动驾驶和机器人不缺“看懂画面”的模型，也不缺单独的控制模块；难处在于如何把感知、对场景的解释和下一步动作连成可评估的链路。Alpamayo 2 Super 同时输出轨迹与解释，意味着它不仅试图做驾驶策略，也试图成为离线教师、评估器或数据引擎。

具体证据：官方文章强调多相机视频输入、轨迹预测、因果推理和场景问答；窗口内另一篇报道还提到其可处理长尾事件，并给出了 LingoQA、AlpaSim 的基准表现描述。与此同时，NVIDIA 的世界动作模型文章把同样的思路延伸到机器人操作：先理解世界动态，再进行动作后训练。

编辑判断：物理 AI 的价值不会由“模型会不会描述画面”决定，而由它能否在数据闭环中帮助生成、检查和改进动作决定。把可解释轨迹作为输出，是朝这一工程闭环迈出的一步；其安全性与真实道路泛化仍需独立测试，而不能仅凭基准或发布材料下结论。