Uber高管反思：四个月烧光全年AI预算，投入产出比如何优化？
近期，关于人工智能在企业端能直接转化为生产力的普遍乐观预期，正遭遇现实的严峻审视。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%的工程师已在使用AI辅助工具，且高达70%的代码提交由AI生成，但为此投入的巨额算力成本，并未同步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
仅仅在2026年的前四个月，Uber内部便触发了财务警报：为全年规划的AI编码工具（例如Claude Code）专项预算，已全部耗尽。
- 失控的采用率： 自2025年底部署以来，Claude Code在Uber五千名工程师中的渗透率急剧攀升，从2月的32%猛增至3月的84%，扩张速度远超预期。
- 高昂的单兵成本： 平摊至每位工程师，每月的API调用成本介于500至2000美元。这笔内部戏称为“令牌狂热”的开销，折射出一种以消耗算力资源为导向的产出竞赛。
- 倒逼决策： 这一财务压力迫使Uber管理层必须直面一个核心权衡：在AI工具上的投入，与直接增聘工程师的支出，究竟何者能带来更高的投资回报？两者已成为直接竞争的资源分配选项。
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，麦克唐纳保持了审慎态度。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，代码产出量的激增，并不等同于产品竞争力的实质性提升。
- 生产力的错位： 开发团队可能专注于利用AI生成更多代码，但这些自动化产出的代码模块，有多少能最终转化为提升用户满意度或解决核心痛点的功能？其价值转化率仍不明确。
- 从“免费工具”到“经营成本”： AI工具在试点阶段常被视为“免费的效率杠杆”，一旦进入规模化应用，便迅速演变为一项与人力成本同级的固定运营开支，必须接受严格的ROI（投资回报率）考核，而非继续被视为实验性福利。
三、行业启示：AI进入“价值验证”深水区
Uber的案例并非个例，它标志着一个明确的行业拐点：企业AI应用正从初期的“狂热采纳期”，转向更为冷静和务实的“价值验证与审计阶段”。
- 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使用指标考核，以避免团队陷入单纯追求“令牌消耗”的无效内耗。
- 重塑绩效框架： 未来的开发者效能评估标准必将重构。核心关键绩效指标将从“AI工具使用率”，转向“利用AI解决了何种复杂问题”及“创造了哪些可衡量的业务成果”。
- 成本审计常态化： 对于重度依赖大模型API的企业而言，AI算力成本治理将成为CFO（首席财务官）的核心管理议题，其重要性堪比早期的云服务成本优化。有效管控AI账单，即是守护企业未来的利润空间。
Uber此次的“预算熔断”事件，为所有积极部署AI的企业提供了一个关键警示。在智能化进程中，单纯依赖算力堆砌的边际收益正在迅速衰减。真正的竞争壁垒，在于能否将高昂的算力投入，精准、高效地转化为可度量、可持续的商业价值。这将是决定企业能否在下一轮技术浪潮中赢得长期优势的核心命题。