Uber 的技术主管公开给企业 AI 烧钱热潮泼了一盆冷水。这家长期大手笔采购算力和模型服务的公司，现在明确表示“tokenmaxxing”时代正在走向终结——所谓 tokenmaxxing，指的是以模型消耗的 token 数量衡量 AI 投入，默认用得越多、价值越大。这个信号从 Uber 口中说出来，分量不轻。
一句话看懂：Uber 首席技术官 Praveen Neppalli Naga 表示，企业 AI 开支“tokenmaxxing”时代正在结束——即不再以 token 消耗量衡量 AI 价值。Uber 自身曾因 AI 预算失控而踩刹车，这轮转向可能影响整个行业的大模型定价和 To B 商业模式。
事件核心：发生了什么
Uber CTO Praveen Neppalli Naga 近日公开表示，企业 AI 领域“tokenmaxxing”时代正在落幕。所谓 tokenmaxxing，是指企业以模型消耗的 token 数量作为 AI 投入的核心指标，默认“用得越多、回报越大”。Uber 总裁 Andrew Macdonald 此前也直言：AI 使用数据高得惊人，但产品层面并未看到相应的成功功能落地，支出与成果之间“还没有建立起联系”。
Uber 的转变来自切肤之痛。该公司 2026 财年的 Claude Code 预算在 4 月就已全部耗尽——Anthropic 的编程助手工具消耗速度远超预期，逼着 Uber 从“无限量使用”转向“先证明价值再投入”。与此同时，Atlassian 开始为工程师设置 AI 预算额度，GitHub 也因 agentic 用量超过定价承受能力而冻结了新 Copilot 注册。多家研究机构的调查同样显示，多数企业级 AI 项目仍停留在试点和概念验证阶段，真正进入量产产品的并不多。
为什么重要
这标志着企业 AI 采购逻辑的分水岭。过去两年，大模型厂商的高估值建立在一个假设上：企业 AI 支出只会单边上涨。Uber 作为深度使用大模型、与头部实验室保持紧密合作的重度客户，它的公开表态等于给这个假设画上问号。
一旦“效率优先于消耗量”成为主流采购逻辑，竞争重点将从“谁的模型参数最大”转向“谁的单位成本产出最高”。这对模型厂商是坏消息——它们的收入直接依赖 token 消耗；但对企业买家、中小开发者和开源社区却是利好。更小、更便宜的模型和更精细的预算管控，将重新定义 AI 投资的评价标准。
对用户/开发者/创作者的影响
对开发者和企业技术决策者而言，最直接的变化是预算审批会变严：像 Atlassian 那样给工程师设置 AI 额度、按项目评估 API 调用回报，可能成为常态。依赖“无限调用”习惯的团队需要尽早建立成本核算机制。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对普通用户和创作者，这一转向的深层影响是：AI 工具的价格结构可能从“打包订阅”走向更精细的按效果计费；同时，模型厂商会更有动力优化推理成本，而不是一味堆大模型。长期看，用户可能以更低价格获得更实用的 AI 功能，但那种“什么都能聊、什么都能生成”的免费大模型体验，可能会更快撞上商业化的天花板。
值得关注的后续
接下来有三个具体观察点：第一，Uber 自身是否会公开新的 AI 投入评估框架，或削减与头部模型厂商的合作规模——目前公开信息显示它仍在与主要实验室保持合作，只是强调“花在刀刃上”；第二，GitHub Copilot 冻结注册后何时恢复、是否调整定价，这将是 agentic 编程工具商业模式的试金石；第三，其他大型企业客户是否跟进 Uber 和 Atlassian 的做法，如果形成连锁反应，大模型厂商的 To B 定价策略可能被迫重构。
来源：The Next Web
