大厂让程序员卷 AI，4 个月烧掉全年预算，CTO 懵了

一句话看懂：Uber 部署 AI 编程工具 Claude Code 后，95% 的工程师每月都在用，70% 的新代码由 AI 生成，但仅用 4 个月就耗尽了全年的 AI 工具预算，导致 CTO 不得不重新规划预算。这场成本失控的背后，暴露了传统用量预测模型在 AI 时代的彻底失效。

事件核心：发生了什么

2025 年 12 月，Uber 在工程师团队中全面部署了 AI 编程工具 Claude Code。四个月后，Uber 的 CTO Praveen Neppalli Naga 向管理层汇报：公司为 2026 年全年准备的 AI 工具预算已在今年前四个月全部花完。内部数据显示，95% 的工程师每月使用该工具，而行业同类企业软件的平均采用率仅 20%–40%；更关键的是，Uber 代码仓库中 70% 的新提交代码由 AI 生成，工程师主要承担审核与修改工作。每位工程师每月的 AI 工具成本在 500–2000 美元之间，按 6000 名工程师计算，月均成本达 600 万美元。作为对比，Uber 2025 年全年研发支出为 34 亿美元，AI 已经是最大的增量推手。

为什么重要

这场预算危机揭示了一个深层矛盾：当 AI 工具跨过“足够好用”的门槛后，企业面对的不再是“要不要用”，而是“如何控制用量”。传统企业 IT 预算基于“使用量可预测”的假设，但 AI 编程工具的消耗量几乎没有上限——工程师会自发地让模型写函数、重构模块、补充测试，每一步都在创造价值，每一步也在快速烧钱。Uber 的案例说明，即使是市值超 1000 亿美元、拥有成熟财务团队的科技公司，其预测模型仍偏差了三倍。硅谷甚至出现了“tokenmaxxing”现象，工程师将 token 消耗量视为生产力指标和身份标签，而 AI 厂商按量计费的商业模式与企业控制成本的诉求形成了明显的利益错位。

对用户/开发者/创作者的影响

对于普通开发者，这直接关系到个人工作流的成本意识和工具选择。在 Uber 的案例中，一个高级工程师每月 AI 工具成本 2000 美元，一年 2.4 万美元，已接近某些国家初级开发者的年薪。如果 AI 能让单个工程师的产出翻三倍，这笔钱值得；但若只是生成了大量冗余代码或养成了“先让 AI 跑一跑”而非主动思考的习惯，则是隐性浪费。对于企业采购方，这意味着未来的 SaaS 和 API 定价模型可能从固定席位费转向更复杂的用量分层套餐，同时，企业需要引入“用量上限”、“任务分级”或“先写需求文档再调 AI”等管理规则——花大价钱买效率工具，再花精力限制使用，本身就是一种反直觉的新现实。

值得关注的后续

第一，Uber 的 CTO 已表示需要“回到白板前面”重新规划 AI 预算，其调整方案（如设置月度上限、引入轻量模型处理简单任务）可能成为行业参照。第二，其他硅谷公司（如 Reddit 和 Hacker News 上讨论的案例）是否会跟进类似的用量控制政策，以及 AI 厂商（如 Claude Code 背后的 Anthropic）是否会因此调整其计费模型或推出企业级用量预警服务。第三，OpenAI、GitHub Copilot 等竞品是否会在定价或功能层面做出相应反应，以应对企业客户对成本透明度和可控性的新需求。

来源：36氪 · 24小时热榜

大厂让程序员卷 AI，4 个月烧掉全年预算，CTO 懵了