起底Uber AI软件工厂：智能体用量暴涨9.4倍

Uber 把 AI 编程用量涨了 9.4 倍，账单却没跟着爆。

从今年 2 月到 8 月，他们七成以上的代码提交都靠 AI。但单次请求成本反而降了 34%。秘诀不是少用，而是把开销拆开算、抠细节。

先定规矩：任务越固定，越容易控成本。
他们把 AI 任务分四层。越往上层，任务边界越清楚。团队能专门给它建测试集，挑性价比最高的模型。这比让一个万能模型瞎猜强得多。

再拆账单：死磕“零价值”的 Token。
总花费等于用户数乘会话轮次，再乘每次请求的 Token 量。前两项鼓励多用，中间三项才是重点。他们专门盯着这三项里的浪费下手：

挑对模型：简单活绝不跑旗舰模型。子智能体默认全用便宜款。
给请求减重：上下文快满就压缩。缓存时间按人的停顿习惯来调。
工具按需加载：以前所有工具说明全塞进上下文。现在改成用时才查，直接省下几万个 Token。
把轮询打包：多步操作写成脚本自己跑。只把最终结果交给 AI，查询成本砍掉一半以上。
给 AI 画地图：搞了个知识图谱。AI 找代码和表不用再盲搜，少走弯路也省钱。

最后是透明化。
工程师敲代码时，屏幕实时显示花了多少钱。系统还会自动揪出 16 种烧钱坏习惯。比如缓存过期、模型选贵了，直接标出损失金额。

说白了，AI 太贵是个工程问题。只要账算得细，用量翻倍也能把成本压住。