AI烧钱速度超乎想象：Uber四个月烧完整年预算，企业AI投入正在失控

---

今年6月，硅谷传来一条颇具讽刺意味的消息：全球最大网约车平台Uber，刚刚给自己定下了一个新规矩——每位员工每月在AI工具上的花费，上限1500美元。

这不是奖励，是限制。

就在几个月前，Uber还在鼓励员工"尽可能多地使用AI"，甚至在公司内部搞起了AI使用量排行榜，谁用得多谁光荣。而现在，画风突变：CTO亲自出来承认，整个公司的年度AI预算，在四个月内被花光了。

这不是Uber一家的问题。《财富》杂志报道，Uber COO安德鲁·麦克唐纳（Andrew Macdonald）近期在播客中坦言："很难在AI使用量和新增用户功能之间画一条直接连线。"换句话说：钱烧了很多，产出呢？看不清楚。

与此同时，全球知名咨询公司贝恩（Bain & Company）在6月1日发布的一项调查更进一步——AI带来的成本削减效果，远低于多数企业此前的预期。报告中有一句话非常直白：AI ROI（投资回报率）目前还停留在"理论上的希望"阶段，而非真正的财务收益。

这听起来很残酷，但正在成为越来越多企业的真实处境。

一家科技巨头踩下AI刹车，说明了什么

Uber的故事本质上是一个关于"AI承诺 vs AI现实"的经典案例。

Uber CTO早在今年4月就在一次沟通中透露，公司在使用Anthropic的Claude Code和Cursor等AI编程工具后，AI支出呈现爆发式增长。他们曾天真地以为，只要给员工足够的工具，生产力自然会提升。于是他们放开预算、取消限制、甚至把AI使用量做成竞争游戏。

结果呢？四个月，烧完全年预算。

这不是Uber管理失误，而是整个行业正在经历的认知纠偏：AI工具的单价并不低，当数万员工同时高频使用时，费用会迅速膨胀到一个令人瞠目的规模。更关键的是——花了钱，不等于赚到了钱。

AI投入的三个"隐性陷阱"

Uber的经历折射出当前企业AI应用中最典型的三个问题：

购买AI工具是最容易的一步，但它解决不了组织内部流程混乱、数据质量差、员工不会用等根本问题。就像买了一台顶级咖啡机，却没有咖啡豆和会操作的咖啡师。

Uber没有在早期设置使用上限或追踪机制，导致AI消耗变成一个"黑箱"。等到发现时，预算已经被掏空了。大多数中小企业同样没有完善的AI支出监控体系。

这是最致命的一点。Uber COO的表态非常诚实："很难画出一条线。"当企业无法证明AI创造了可量化的价值，管理层就会开始质疑这笔投入的必要性，进而引发预算收缩。

贝恩的调查揭开了更深的焦虑

贝恩公司在6月初发布的报告，几乎给整个行业泼了一盆冷水：

- 多数企业在部署AI时设定的"效率提升目标"与实际落地效果存在显著落差 - AI在成本削减方面的贡献，普遍低于预期10%~30% - 约60%的受访企业表示，AI项目至今没有产生可衡量的ROI

这组数据并不是说AI没有价值，而是揭示了一个被过度乐观情绪掩盖的事实：AI的价值实现，需要远比"购买工具"更复杂的配套条件。

这些条件包括：高质量的数据基础设施、清晰的问题定义、跨部门协作机制，以及一套真正能衡量AI产出的评估框架。没有这些，就像在沙子上建高楼——看起来热闹，实际上站不住脚。

下一步行动清单

Uber的故事不是AI失败的证明，而是AI"用错了方式"的证明。对于正在部署AI的企业，我建议从以下几个具体行动开始：

像管理云服务器费用一样，为每个AI工具设置月度使用上限和实时消耗追踪。大多数AI平台（如OpenAI、Anthropic、Google）都提供详细的用量报告，从今天起养成每周查看一次的习惯。

不要用模糊的"提高效率"来衡量AI效果。把它拆解成可量化的指标：每行代码审查时间缩短了多少？客服响应速度提升了多少？内容产出量增加了多少？只有可测量的目标，才能判断AI是否值得继续投入。

Uber的错误之一是鼓励全员无限制使用，结果无法区分哪些使用真正产生了价值。建议先选择2~3个高频使用场景的团队，进行为期4周的严格ROI追踪，有了数据支撑后再决定是否扩大规模。

将AI预算纳入正式的财务审计流程，和其他IT支出同等对待。当AI投入开始和其他投入一样被审视，企业才能真正进入理性使用阶段，而不是盲目扩张后的被动收缩。

---

AI不会因为烧钱就自动带来回报。

Uber用四个月烧光全年预算的教训，恰恰说明了：在AI这件事上，方向比速度重要，衡量比投入更重要。

今天就检查一下你公司的AI工具使用报表吧。也许你的"Uber时刻"正在路上，只是还没被发现。

---