Uber 第一季度就耗尽了人工智能预算

一句话看懂：Uber 在 2026 年前四个月就用完了全年 AI 编码工具预算，高管承认难以将这些投入与消费者端创新直接挂钩，暴露了企业级 AI 采用中“成本越花越多、效果难以量化”的核心矛盾。

事件核心：发生了什么

在播客《Rapid Response》中，Uber 总裁兼 COO Andrew Macdonald 表示，公司虽积极推动 AI 使用——包括通过内部排行榜激励团队采用 Claude Code 等工具——但很难在 AI 消耗的 token 数与实际上线的用户功能之间建立直接因果关系。此前有报道称，Uber 2026 年全年的 AI 编码工具预算已在第一季度到第二季度初烧完。2026 年 Q1 研发支出高达 9.51 亿美元，同比增长近 17%。CEO Dara Khosrowshahi 则在财报电话会上称，约 10% 的已提交代码来自自主智能体，且法律、营销等部门也在广泛使用 AI。

为什么重要

Uber 的困境是当前企业 AI 商业化“成本悖论”的缩影：虽然每次模型推理的单位价格在下降，但智能体任务所需的 token 数远超传统模型，导致总支出不降反升。Gartner 预测到 2030 年推理成本将降低 90%，但企业整体 AI 支出不会同步走低——原因是供应商通过按量计费（如 Anthropic 从固定费转向 token 计费）而非降价来让利。与此同时，微软已开始取消大部分直接的 Claude Code 授权，转而引导工程师使用 GitHub Copilot CLI。这表明，即使是头部科技公司也在从“盲目上 AI”转向“算清 AI 的投入产出比”。

对用户/开发者/创作者的影响

对企业采购决策者而言，Uber 案例意味着内部推广 AI 工具时，必须建立效果追踪机制，避免单纯以使用量作为 KPI。对开发者而言，工具选择权可能收窄——比如微软工程师正被要求从 Claude Code 迁移至 Copilot CLI，反映出平台锁定与生态控制的升温。对 AI 服务提供商来说，按 token 或按用量收费的定价策略将越来越普遍，用户需要更精准地评估任务复杂度与 token 消耗量，否则预算将快速超支。