Uber 总裁表示人工智能支出“越来越难以证明其合理性”
一句话看懂：Uber 总裁公开质疑当前 AI 支出的合理性，认为许多企业支付高昂订阅费用和算力成本，但效果并未体现在季度财报上。这一言论揭示了 AI 商业化落地中的“生产力幻觉”困境。
事件核心：发生了什么
据 Hacker News 讨论帖引述，Uber 总裁在内部或公开场合表示，公司对人工智能的投入“越来越难以证明其合理性”。核心争议点在于：虽然 AI 辅助编码、自动化办公等工具提升了员工个人效率，但并未转化为可量化的营收增长或成本削减。例如，Uber 开发了“语音 AI 订车”“旅途中点餐”等功能，但这类创新对主营业务（出行订单）的拉动有限，“写两倍的代码并不意味着能产生两倍的订单”。此外，有观点指出，企业为 AI 工具支付大量订阅费用后，往往只是让职员“少忙了一点”，并未真正替换岗位——这导致 AI 支出变成“纯成本”，而非投资回报。
为什么重要
Uber 作为年营收超 400 亿美元、技术渗透极深的平台企业，其高层的质疑具有行业风向标意义。当前 AI 行业正处在“规模投入期”，各大云厂商、初创模型公司烧钱竞争，但企业客户开始计算 ROI（投资回报率）。Uber 总裁的说法呼应了多项研究结论：AI 在真实场景中的生产率提升多为个位数甚至为负，与宣传中的“革命性效率”形成落差。这件事直接挑战了“AI 支出即未来竞争力”的叙事逻辑——如果 Uber 这类高数字化企业都无法从 AI 支出中获得清晰回报，其他传统行业面临的误判风险可能更大。
对用户/开发者/创作者的影响
对企业采购决策者：需要从“情绪性采购”转向严格按 KPI 衡量 AI 工具的实际产出，否则可能陷入无效订阅和算力浪费。例如，衡量 AI 代码生成器是否真的减少了开发人员数量，而不是让团队写了更多“未被部署的代码”。对开发者/创作者：当前的 AI 工具（如代码补全、图像生成）容易产生“生产力幻觉”——你觉得更高效，但公司层级的财务结果不变。建议关注企业是否真将 AI 节省的时间转化为新的盈利点，而非仅仅增加个人舒适度。对 AI 公司/创业团队：需要尽快从“卖许可”转向“卖结果”，否则企业客户有理由砍预算。
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。
值得关注的后续
1. Uber 是否会削减 AI 团队或订阅服务：若其公开调整预算，将直接冲击 AI 商业工具市场，尤其是针对中型企业的通用型产品。2. 其他大型科技公司（如微软、谷歌）如何应对客户质疑：它们需要更透明地展示 AI 如何改善财报营收或利润率，而不仅是演示 Demo。3. 开源模型的吸引力可能上升：如果企业发现大投入的商用 AI 性价比不足，可能会转向自建或使用开源模型（如 Llama、Mistral）来完成特定任务，而非购买整套订阅解决方案。
来源：hackernews
