四个月耗尽全年 AI 预算，Uber 高管质疑 AI 投入产出比

一句话看懂：Uber 仅用四个月就烧光了 2026 年全年的 AI 编程工具预算，其总裁兼首席运营官公开表示，大规模 AI 使用带来的高算力成本，并未直接转化为用户能感知的产品功能提升。这起事件为陷入“规摸焦虑”的 AI 部署公司敲响了算力投入产出比警钟。

事件核心：发生了什么

据 Uber 总裁兼首席运营官 Andrew Macdonald 在采访中披露，公司 2026 年针对 AI 编码工具（如 Claude Code）的全年预算已在四个月内耗尽。具体数据显示：从 2025 年底部署后，Uber 约 5000 名工程师中，Claude Code 的采用率从 2 月份的 32% 飙升至 3 月份的 84%，每位工程师每月的 API 调用成本在 500 到 2000 美元之间。Uber 内部将这种高消耗现象称为“Tokenmaxxing（Token 最大化）”。Macdonald 强调，尽管目前 AI 工具已覆盖 Uber 近 95% 的工程师，且 70% 的代码提交由 AI 生成，但企业尚无法将 Token 消耗量等同于面向用户的功能提升，例如无法证明算力投入带来了 25% 的用户体验改善。

为什么重要

Uber 的案例标志着企业 AI 部署进入“价值验证”的深水区。此前，许多公司侧重于开发侧效率指标，如代码生成量或工程师覆盖率，却忽视了这些指标的兑现成本。Uber 的预算危机表明，大模型 API 成本在规模化后容易失控，成为堪比人力成本的财务负担，迫使企业像管理云服务费用（FinOps）一样治理 AI 算力支出。Duolingo 等公司也已开始叫停强制性的 AI 使用评估，以防员工陷入“无意义堆 Token”的竞争。这预示着行业绩效体系的转折点：未来的生产力标准将不再是“用了多少 AI”，而是“解决了多少实际问题”。

对用户/开发者/创作者的影响

对企业采购决策者：Uber 的教训意味着，盲目引入大模型 API 并鼓励全员使用，极可能导致预算超支且回报不明。企业需建立严格的 ROI 审计机制，明确将算力投入与可量化的业务指标（如用户留存、功能上线率）挂钩。

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。

了解 GamsGo AI

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。

对独立开发者/创业团队：预算压力可能反向推动 AI 模型提供商调整定价策略或推出更经济的 API 套餐。开发者应关注最优 Token 消耗策略，例如优化提示词结构或使用本地小模型处理非关键任务，避免因冗余调用增加成本。

对内容创作者：若 Uber 所反映的“AI 开发效率与用户体验脱节”长期存在，面向用户的图文、视频生成工具也可能面临用户对内容质量提升不敏感的挑战，从而影响创作者对 AI 辅助工具付费意愿的判断。

值得关注的后续

1. API 定价是否调整：Uber 的“Tokenmaxxing”现象是否会倒逼 Anthropic（Claude）或 OpenAI 推出更友善的企业批量调用套餐？

2. 绩效评估框架演变：Uber 及其他公司何时会公开调整工程师的 AI 使用考核指标，从“覆盖率”转向“问题解决量”？

3. 行业连锁反应：类似 Uber 规模的科技公司是否会跟进设立专门的“AI 算力治理”岗位或预算上限，类似当年的云成本管理部门 FinOps？

来源：AIbase

四个月耗尽全年 AI 预算，Uber 高管质疑 AI 投入产出比