2025 年 12 月，Uber 給工程師們部署了 Claude Code。這不是什么大事，硅谷的科技公司，幾乎每個季度都會往工程師的工具鏈里塞進新東西，更何況還是 AI，降本增效的武器。

四個月后，Uber 的 CTO Praveen Neppalli Naga 向管理層匯報了一個令人尷尬的情況：公司為 2026 年全年準備的 AI 工具預算，已經在今年的前四個月，全部花完了。

1

這數字不對勁

Uber 內部的數據是這樣的：95% 的工程師每個月都在用 AI 編程工具。

這個數字本身就很離譜：企業軟件的行業平均采用率大約在 20%到 40%之間。大多數工具真正的命運是 IT 部門發一封郵件，少數嘗鮮者試用幾天，然后它就安靜地躺在某個被遺忘的瀏覽器標簽頁里，直到下一次資產清點。作為參考：微軟花了三年時間才讓 Teams 的日活突破公司員工總數的一半。

Uber 的 AI 編程工具做到 95%，只花了四個月，這不太對勁吧。

更關鍵的數字是第二個：70%的提交代碼由 AI 生成。也就是說，在 Uber 的代碼倉庫里，每十行新代碼中有七行是 AI 寫的，工程師只負責審核、修改、提交。

Uber 西雅圖辦公室. 圖片來自：GeekWire

第三個數字試圖解釋了錢去了哪里：每位工程師每月的 AI 工具成本在 500 到 2000 美元之間。按 Uber 大約 6000 名工程師粗算，即使取中位數 1000 美元，每月就是 600 萬美元，四個月就是 2400 萬。而 Uber 2025 年全年的研發支出是 34 億美元，同比漲了 9%，AI 已經是最大的增量推手。

一位 Hacker News 上的工程師對照了自己的情況，去算這些數字：到底怎么能用到這個量級的？

他的困惑代表了整個行業的困惑，倒不是質疑 AI 有沒有用，而是用到這個量級，就應該算算 ROI 了吧。

1

不是采購失敗，是預測模型失敗

傳統的企業 IT 預算建立在一個基本假設上：工具的使用量是可預測的。你知道公司有多少人，知道每人每月大概用多少云存儲、多少 SaaS 席位、多少 API 調用次數，算一下就能算出年度預算，誤差也有，但通常可以控制在 10%到 20%以內。

AI 編程工具打破了這個假設，原因很簡單：傳統工具的使用量有天花板。一個工程師一天最多寫那么多代碼，一個設計師一天最多出那么多稿，但 AI 工具的使用量沒有天花板。

你讓它寫一個函數，發現效果不錯，那就再寫十個。寫完十個發現還能重構，就讓它把整個模塊重構一遍。重構完發現測試也能寫，那就把單元測試全補上。

每一步都是合理的，每一步都在創造價值，但每一步也都在燒 token。

一位技術博主在分析 Uber 案例時寫道：這是一家市值超過 1000 億美元的公司，有成熟的財務團隊，有完善的預算審批流程，預測模型照樣偏差了三倍。那么，每一個比他們小的團隊都會以同樣的方式——或許是更慘烈的方式——崩潰。

1

當好用變成一種負債

反而呢，這讓人想起了那句扎心冷笑話：AI沒有鋪開，是因為現階段它的費用比人貴。

這句話乍看像是在說 AI 太貴，但細思它說的其實是另一件事：在某些場景下，一個工程師加上 AI 工具的綜合成本，已經超過了直接多雇一個初級工程師的成本，初級員工的就業率側面反映了一定問題。

這不是 AI 的失敗，恰恰相反，這是 AI 成功得太徹底的結果。

早兩年，科技行業關于 AI 的敘事一直是「AI 還不夠好」，模型會幻覺，代碼會出錯，上下文窗口太短，無法理解復雜的業務邏輯……即便到了今天，這些批評依然部分成立。

但 Uber 的故事揭示了硬幣的另一面：當 AI 跨過「夠用」的門檻之后，企業面對的不再是「要不要用」的問題，而是「怎么控制用量」的問題。

前者是一種戰略決策，很顯然，現在已經沒有猶豫的空間了，開團秒跟吧。

而后者，則是一種全新的管理挑戰。歷史上，企業軟件的主要矛盾一直是「推廣」，花了大價錢弄出來的系統沒人用，是 CIO 們的噩夢。所有的培訓、激勵、考核機制都在解決同一個問題：讓員工多用一點。

現在 AI 的使用門檻不斷降低，使用本身不需要培訓，不需要激勵，不需要任何推廣手段，工程師自己就會用到停不下來，就促生了新的管理面向。

1

更大的問題

Uber 不是唯一一個遇到這個問題的公司。在 Reddit 和 Hacker News 上，關于 AI 工具成本失控的討論在過去幾個月密集出現。很多公司的情況和 Uber 類似：預算是按保守估計做的，實際使用量遠超預期。

Axios 報道中有一個更驚人的視角。一位 Nvidia 深度學習部門的 VP 說：我團隊的算力成本已經遠遠超過了員工工資。

英偉達深度學習部門 VP Bryan Catanzaro

圍繞這個現象，硅谷發明了tokenmaxxing，它模仿了健身圈的「maxxing」構詞法，意思是不計成本地大量消耗 AI token，把 token 消耗量當成一種生產力指標，甚至一種身份標簽。「你這個月燒了多少 token」正在變成工程師之間的社交貨幣，就像前幾年他們比較誰的 GitHub commit 更多一樣。

在過去，一個科技公司最大的成本是人，現在最大的成本可能是喂養 AI 的 token。這不是一個簡單的成本結構變化，它會重塑整個行業對「一個工程師值多少錢」的定義。

如果一個高級工程師每月的 AI 工具成本是 2000 美元，一年就是 2.4 萬美元，這已經接近一些國家初級開發者的全年工資。如果 AI 讓這個高級工程師的產出翻了三倍，那這 2.4 萬花得值。但如果 AI 只是多生成了很多不必要的代碼，或者讓工程師養成了「先讓 AI 跑一跑」的習慣而不是自己思考，那這 2.4 萬，稱得上是某種浪費。

Ainvest 的一篇分析指出，這種行為創造了一個奇怪的利益沖突：AI 廠商希望企業燒更多 token，因為他們按用量收費。企業希望控制成本，但又不想限制工程師的生產力。與此同時，工程師覺得自己在創造價值，不理解為什么要限制工具的使用，三方的激勵完全錯位。

一些公司已經開始采取措施。設置每月用量上限、要求先寫需求文檔再調用 AI、用更輕量的模型處理簡單任務。但這些場景吧，想象一下多少有點荒誕，你花錢買了一個提升效率的工具，然后又花精力限制大家使用它。

1

誰來買單？

Uber 的 CTO 說公司需要「回到白板前面」重新規劃 AI 預算，潛臺詞是，「我們之前畫的那個模型估算錯了」。

過去兩年，關于 AI 的爭論一直圍繞著「AI 能不能取代人類」，但 Uber 的故事提供了一個更現實、也更緊迫的問題：當 AI 足夠好用的時候，誰來為這個「好用」買單？

工程師不會買單，因為他們覺得自己在提高效率。管理層不會買單，因為他們已經享受了 70%的代碼由 AI 生成的紅利。AI 廠商更不會買單，因為按量計費是他們的商業模式。

最后，大概率只有財務繼續頭疼，該怎么面對下一輪股東大會時更刁鉆的提問。

文章轉載于APPSO，歡迎點擊下方卡片關注。

點個“愛心”，再走 吧