四个月耗尽全年 AI 预算，Uber 高管质疑 AI 投入产出比
人工智能在企业端的“生产力幻觉”正在被打破。近日，Uber 总裁兼首席运营官安德鲁·麦克唐纳（Andrew Macdonald）在公开采访中发出警示：尽管公司已实现近 95% 的工程师 AI 工具覆盖率，且 70% 的代码提交均由 AI 生成，但这些高昂的算力投入却难以直接转化为用户可见的产品功能提升。
一、预算“熔断”：四个月的疯狂开支
2026 年刚刚过去四个月，Uber 内部便传出了财务警报：公司为 2026 全年预留的 AI 编码工具（如 Claude Code）预算已彻底耗尽。
● 失控的采用率： 自 2025 年底部署以来，Claude Code 在 Uber 5，000 名工程师中的采用率从 2 月的 32% 飙升至 3 月的 84%。
● 高昂的单兵成本： 每位工程师每月的 API 调用成本高达 500 至 2，000 美元，这被公司内部戏称为“令牌狂热”（Tokenmaxxing）。
● 倒逼决策： 这一财务“黑洞”迫使 Uber 开始严厉审视 AI 消费与人员编制（Headcount）之间的直接竞争关系。
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”的亮眼指标，麦克唐纳却表现出了罕见的审慎。他直言，目前公司根本无法在“Token 消耗量”与“交付给用户的实用功能提升 25%”之间划上等号。
● 生产力的错位： 工程师们可能在追求 AI 生成代码的“量”，但这些代码是否真正转化成了用户可感知的价值，仍是巨大的问号。
● 从“免费工具”到“经营成本”： AI 工具在开发端看似是“免费的效率杠杆”，但随着使用规模化，它已转变为与人工成本同等量级的财务负担，必须接受更严格的 ROI（投资回报率）核算。
三、行业启示：AI 进入“价值验证”深水区
Uber 的案例并非个例，它标志着企业 AI 部署正迈入第二阶段：从“不计成本的激进采用”转向“极度务实的价值审计”。
1. 拒绝“为了 AI 而 AI”： 不仅是 Uber，Duolingo 等公司也已开始叫停强制性的 AI 使用考核，避免员工陷入“令牌堆叠”的无效内卷。
2. 重塑绩效框架： 未来企业衡量生产力的标准，将不再是“使用了多少 AI”，而是“解决了多少实际问题”。
3. 成本审计常态化： 对于依赖大模型 API 的大型组织而言，AI 算力治理将成为继云服务支出管理（FinOps）后的又一核心财务命题。
Uber 的这次“头脑爆炸时刻”为全球企业敲响了警钟：在 AI 时代，算力的边际效应正在递减，而如何将算力账单转化为真实的商业价值，才是决定企业在智能化浪潮中能否幸存的关键。
via AI新闻资讯 (author: AI Base)
人工智能在企业端的“生产力幻觉”正在被打破。近日，Uber 总裁兼首席运营官安德鲁·麦克唐纳（Andrew Macdonald）在公开采访中发出警示：尽管公司已实现近 95% 的工程师 AI 工具覆盖率，且 70% 的代码提交均由 AI 生成，但这些高昂的算力投入却难以直接转化为用户可见的产品功能提升。
一、预算“熔断”：四个月的疯狂开支
2026 年刚刚过去四个月，Uber 内部便传出了财务警报：公司为 2026 全年预留的 AI 编码工具（如 Claude Code）预算已彻底耗尽。
● 失控的采用率： 自 2025 年底部署以来，Claude Code 在 Uber 5，000 名工程师中的采用率从 2 月的 32% 飙升至 3 月的 84%。
● 高昂的单兵成本： 每位工程师每月的 API 调用成本高达 500 至 2，000 美元，这被公司内部戏称为“令牌狂热”（Tokenmaxxing）。
● 倒逼决策： 这一财务“黑洞”迫使 Uber 开始严厉审视 AI 消费与人员编制（Headcount）之间的直接竞争关系。
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”的亮眼指标，麦克唐纳却表现出了罕见的审慎。他直言，目前公司根本无法在“Token 消耗量”与“交付给用户的实用功能提升 25%”之间划上等号。
● 生产力的错位： 工程师们可能在追求 AI 生成代码的“量”，但这些代码是否真正转化成了用户可感知的价值，仍是巨大的问号。
● 从“免费工具”到“经营成本”： AI 工具在开发端看似是“免费的效率杠杆”，但随着使用规模化，它已转变为与人工成本同等量级的财务负担，必须接受更严格的 ROI（投资回报率）核算。
三、行业启示：AI 进入“价值验证”深水区
Uber 的案例并非个例，它标志着企业 AI 部署正迈入第二阶段：从“不计成本的激进采用”转向“极度务实的价值审计”。
1. 拒绝“为了 AI 而 AI”： 不仅是 Uber，Duolingo 等公司也已开始叫停强制性的 AI 使用考核，避免员工陷入“令牌堆叠”的无效内卷。
2. 重塑绩效框架： 未来企业衡量生产力的标准，将不再是“使用了多少 AI”，而是“解决了多少实际问题”。
3. 成本审计常态化： 对于依赖大模型 API 的大型组织而言，AI 算力治理将成为继云服务支出管理（FinOps）后的又一核心财务命题。
Uber 的这次“头脑爆炸时刻”为全球企业敲响了警钟：在 AI 时代，算力的边际效应正在递减，而如何将算力账单转化为真实的商业价值，才是决定企业在智能化浪潮中能否幸存的关键。
via AI新闻资讯 (author: AI Base)
