Uber 四个月烧光全年 AI 预算：当“好用”变成一种负债

事件概述

2025 年 12 月，Uber 为工程师部署了 AI 编程工具 Claude Code。四个月后，Uber CTO Praveen Neppalli Naga 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。

核心数据

• 采用率异常高：95% 的工程师每月使用 AI 编程工具，而企业软件行业平均采用率仅为 20%–40%。
• 代码贡献：70% 的提交代码由 AI 生成，工程师主要扮演审核角色。
• 成本飙升：每位工程师每月 AI 工具成本为 500–2000 美元。按 Uber 约 6000 名工程师估算，月均成本约 600 万美元，四个月合计约 2400 万美元。
• 预算失控：Uber 2025 年全年研发支出为 34 亿美元，AI 已成为最大的增量推手，但财务团队的预测模型仍偏差三倍。

问题根源：用量无天花板

传统 IT 预算基于“使用量可预测”的假设。但 AI 编程工具没有使用上限：工程师让 AI 写一个函数后，发现效果好就继续写十个，继而重构整个模块、补充单元测试——每一步都在消耗 token，且每一步都看似合理。

行业影响

• 成本结构重塑：高级工程师每年 2.4 万美元的 AI 工具成本，已接近一些国家初级开发者的年薪。行业对“一个工程师值多少钱”的定义正在被改写。
• 激励错位：硅谷出现“tokenmaxxing”现象，工程师将 token 消耗量视为生产力指标甚至社交货币。AI 厂商按用量收费希望多消耗，企业希望控成本，工程师认为自己创造价值——三方利益完全冲突。
• 管理新挑战：当 AI 跨过“够用”门槛后，企业的主要矛盾从“推广使用”变为“控制用量”。一些公司开始设置用量上限、要求先写需求文档等，但这与购买工具提升效率的初衷相悖。

核心问题：谁来为“好用”买单？

工程师不会买单，管理层不愿买单，AI 厂商不会改变按量计费模式。最终财务部门需要重新规划预算模型，并应对更刁钻的股东提问。