🔥 Uber半年烧光全年AI预算，每个工程师限薪$1500/月

AI编程工具帮了谁？代价有多大？

“

大圣说：当一个公司的AI预算在4个月内被清零，而它的COO公开说「越来越难 justify 这个成本」——这不是一个新闻，这是一个信号。

▸ 先看事件

2026年6月2日，Bloomberg 爆出一条消息：

Uber 2026年度的 AI 预算，在4个月内就被烧光了。

不是一点点超支，是干干净净烧完。结果呢？Uber 紧急出台了一项新政策：

“

🔒 每位员工、每款 AI 编程工具，每月 token 消费上限 $1,500

注意，是「每款工具」：你如果用 Cursor 写代码，每月上限 $1,500；如果同时用 Claude Code，也是 $1,500。互不影响，各算各的。

这个政策覆盖的是所谓的 agentic coding software——AI 编程代理，比如 Cursor、Claude Code、Copilot 的高阶模式。普通 AI 聊天不在限制范围内。

📦 干货：$1,500/月到底是多少？

这个数字看着不大，但做个简单的算术你就明白了。

Simon Willison（Django 联合创始人、知名技术博主）给出了一个精辟的分析：

“

▸ 假设一个工程师同时用2款 AI 编程工具 ▸ 每款 3,000/月 ▸ 一年就是 $36,000

Uber 美国软件工程师的中位数总薪酬（含股票）大约是 $330,000（数据来自 Levels.fyi）。

330,000 ≈ 11%

也就是说，Uber 每个工程师年薪的 11%，现在已经花在 AI 编程工具上了。

💡 我的判断： 这不是「AI 取代程序员」的问题，而是「AI 成为程序员标配成本」的问题。11% 的薪酬比例，已经高到 CFO 不得不关注的程度了。

⭐ 关键视角：为什么不是 $1,500 的问题？

你可能会想，$1,500 对 Uber 这种体量的公司算什么？

问题不在这里。真正的信号是：

1️⃣ 预算是在「上个周期」定的

Uber 的 2026 年度 AI 预算，是在 2025 年确定的。那时候，Claude Code 还没发布、Cursor 还没这么火、AI 编程代理的市场还没有爆发。他们定预算的时候，参考的是 2024 年底的 token 消耗量——而现在，实际消耗量是预期的好几倍。

这不是管理失误——这是所有人都低估了 AI 编程工具的需求增长曲线。

2️⃣ 个人 vs 企业的定价鸿沟

Simon Willison 自己也说：他个人每月花在 AI token 上的钱大概 500），但因为是个人订阅计划，实际只付了 $100/月。

🚨 企业客户享受不到这个优惠。

Anthropic 和 OpenAI 的企业定价比个人高出 5-10 倍。Uber 作为大客户，付的是「正经企业价」。当你的工程师一个月用 $1,500 的 token 时，实际消耗的 API 资源比你想象的多得多。

3️⃣ Claude's Law

HN 上有个用户（rluna828）提了一个很有意思的定律，我称之为 Claude's Law：

“

「Token 消耗量的增长速度，永远快于 token 单价下降的速度。」

打个比方：AI 降价了，你以为能省钱，结果工程师们写代码的「胃口」变得更大——写更长的 prompt、做更多的迭代、让 AI 生成更多的代码。总花费反而增加了。

这跟 Jevons Paradox（杰文斯悖论）是一个逻辑：效率提升 → 使用量暴增 → 总资源消耗不降反升。

🐵 大圣说：这件事比你想象的更重要

我在前几期的文章里提过：2025 是「AI 编码元年」，2026 是「AI 编码成本元年」。

Uber 这个案例，实际上是第一张多米诺骨牌。

几个趋势我觉得值得关注：

▸ 趋势一：AI 编程工具将变成「津贴化」

就像公司给员工发手机补贴、午餐补贴一样——未来可能会出现「AI 编程补助」。每个月固定额度，用超了自己掏钱，或者走审批。

这其实是好事。说明 AI 编程工具已经从一个「实验项目」变成了「正式生产力工具」，需要纳入成本管理了。

▸ 趋势二：企业开始自己训练小模型

当 API 调用费成为一个大头支出，精明的 CTO 会怎么想？"我们自己训一个能用得起的模型。"

这就是为什么我们看到越来越多的公司开始搞自己的小模型。不是因为他们想做 AI，而是因为用别人的 AI 太贵了。

▸ 趋势三：AI 编程的 ROI 会开始被严格审视

Uber 的 COO 已经说了：「it's getting harder to justify money spent on tokenmaxxing」（越来越难 justify 花在 token 上的钱了）。

当一个企业的 COO 开始问「我们花的这些 token 钱，到底产生了多少价值？」——这就是所有 AI 编程公司都要面对的问题。

Cursor 们要证明的不只是「好用」，而是「好用得值这个价」。

📦 一些数据对比

为了让你更好判断这个 $1,500 的含金量：

看出问题了吗？个人订阅和企业实际成本之间，存在一个巨大的差距。这中间的差距就是 token 用量——个人用起 AI 来「点到为止」，企业工程师是「火力全开」。

🔗 参考文献

• Bloomberg: Uber Caps Employee AI Spending After Blowing Through Budget^[1]
• Simon Willison: Uber's $1,500/month AI limit^[2]
• TechCrunch: Uber caps employee AI spending^[3]
• Hacker News Discussion^[4]
• Levels.fyi: Uber SWE Compensation^[5]

💡 写在最后

Uber 这件事，其实不是一个「行业地雷」——它是一个清晰的信号：AI 编程工具已经从玩具变成了核心生产力，而核心生产力是要接受成本效益分析的。

接下来的 6 个月，你会看到更多公司出台类似的限制政策。 你会看到 AI 编程公司推出企业级定价套餐。 你会看到「AI token 预算」成为工程管理的一个新维度。

这不是 AI 的冬天，这是 AI 的 成年礼。

“

我是大圣，我在持续关注 AI 如何改变软件工程的底层逻辑。 如果你觉得有启发，转发给一个做管理的朋友，他可能会感谢你。

引用链接