毕竟，AI 编程工具现在已经不是简单的代码补全了。工程师让它改函数、查 bug、写测试、重构模块时，往往会把内部私有代码一起交出去。对个人开发者来说，这叫提效。对 Meta 这种 AI 大厂来说，这里面每一段上下文都可能是风险。
麻烦还不只在代码外泄。如果外部模型的输出进入 Meta 自己的研发和训练链路，后面就可能出现数据污染、合同边界、模型归属等一串问题。
尤其是当对方服务协议允许使用交互数据训练模型时，员工随手一次粘贴，可能就把内部代码和竞品模型之间的边界搅在一起。
所以 Meta 这次禁 Claude Code 和 Codex，放到 AI 大厂竞争里看，其实是在给研发工具重新划线。
过去大厂最在意的是模型能力、算力规模、人才密度。现在连工程师用哪家 AI 写代码，都成了敏感问题。因为 AI 编程工具越好用，越容易嵌进日常研发流程；嵌得越深，公司越难保证自己的代码、数据和模型训练链路完全干净。
当一类工具已经明显提高效率时，限制本身就会带来新的效率差。网友说工程师大不了回家用 AI 写完，周一再复制到公司电脑，这话听着像段子，其实正好戳中了大厂管控的尴尬。
现在，AI 大厂之间的信任成本正在变高。于是硅谷开始出现一个新画面，公司一边喊 AI 提效，一边又要防着员工把活交给别家的 AI。
AI 工具越强，大厂的墙反而越高了。
