Uber高管质疑AI投入产出比四个月耗尽全年预算

近期，人工智能在企业级应用中的“生产力幻觉”正面临现实检验。Uber总裁兼首席运营官安德鲁·麦克唐纳公开指出，尽管公司内部近95%的工程师都在使用AI编程工具，且高达70%的代码提交由AI辅助生成，但为此投入的巨额算力成本，并未带来用户可明显感知的产品体验升级。

一、预算“熔断”：四个月的疯狂开支

2026年仅过去四个月，Uber内部便触发了财务警报：全年为AI编码工具（如Claude Code）预留的预算已全部耗尽。

• 失控的采用率： 自2025年底部署以来，Claude Code在Uber五千名工程师中的使用率，从2月的32%迅速攀升至3月的84%，增长势头远超预期。
• 高昂的单兵成本： 平均每位工程师每月的API调用成本介于500至2000美元。这笔开支被内部戏称为“令牌狂热”，反映出团队可能陷入以消耗算力资源为导向的产出竞赛。
• 倒逼战略决策： 这一财务压力迫使Uber开始严肃评估：在AI工具上的投入与直接招聘更多工程师的成本，究竟哪个更具性价比？两者已形成直接的资源竞争关系。

二、COO的冷思考：算力增长 ≠ 产品升级

面对“代码生成效率大幅提升”的数据报告，麦克唐纳保持了清醒的审视。他明确指出，公司目前无法在“消耗的Token数量”与“为用户创造的实际功能价值”之间建立有效关联。换言之，代码产出量的提升并不等同于产品竞争力的增强。

• 生产力的错位： 工程师或许专注于利用AI生成更多代码，但这些代码有多少能转化为用户切实需要、并能提升其体验的功能？这仍然是一个核心疑问。
• 从“效率工具”到“核心成本”： AI工具在试点阶段常被视为“免费的效率杠杆”，但一旦规模化应用，它迅速演变为一项与人力成本相当的固定运营支出，必须接受严格的投资回报率考核，而非继续被视为技术福利。

三、行业启示：AI进入“价值验证”深水区

Uber的案例并非个例，它标志着一个关键的行业转折点：企业AI应用正从初期的“不计成本激进试验”阶段，迈入“务实价值审计与精细化运营”的新阶段。

1. 拒绝“为了AI而AI”： 不仅是Uber，像Duolingo等公司也已开始调整策略，叫停强制性的AI使用考核，以避免团队陷入单纯比拼“资源消耗量”的内卷，转而关注实际业务问题解决。
2. 重塑绩效评估框架： 未来的开发者生产力衡量标准必将革新。核心关键绩效指标将从“你使用了多少AI”，转向“你利用AI解决了哪些关键业务痛点”。
3. 成本治理常态化： 对于重度依赖大模型API的大型企业而言，AI算力成本治理将成为继云计算成本管理之后，CFO及技术管理层必须面对的核心运营课题。有效管理AI账单，即是管控企业未来盈利能力。

Uber此次的“预算熔断”事件，为所有积极部署AI的企业敲响了警钟。在AI深化应用的时代，单纯堆砌算力资源的边际效益正在迅速递减。真正的竞争决胜点，在于如何将高昂的算力投入，精准、高效地转化为可衡量、可感知的商业价值与用户体验提升。这将是企业在智能化转型浪潮中持续生存并赢得优势的核心能力。