夜雨聆风
2026年春，Uber首席技术官Praveen Neppalli Naga对媒体表示，公司年初数月就用完了为Claude Code等工具准备的全年AI预算。这个消息随即把企业生成式AI的讨论从“用了多少”推向“产出了什么”。
5000名工程师的狂欢，与CFO的噩梦
Uber到底干了什么？
时间拨回2025年12月，Uber做了一个极具魄力的决定：向全公司工程团队全面推广Anthropic的智能编程工具Claude Code。
在硅谷的大厂文化里，效率就是生命Uber不仅开放了权限，甚至在内部搞起了“用量排行榜”，谁消耗的算力多、谁调用的AI频繁，谁就被视作拥抱创新的先锋。一种被称为“Tokenmaxxing（刷Token主义）”的狂热风潮席卷了整座大楼。
效果看似立竿见影：
到2026年3月，84% 的工程师已经成为深度智能体编程用户； 到了4月，全公司 95% 的工程师每月都在重度依赖AI； 线上代码库里，70% 的提交代码被打上了AI生成的烙印，甚至有 11% 的后端更新连人类的一根手指都没碰过，完全由AI智能体自主上线。
一位CTO在开会演示时，短短两个小时的实时Agent协同就烧掉了1200美元。普通重度用户一个月的开销轻易突破2000美元。
▲ 科技分析师Aakash Gupta发文指出：预算破产恰恰证明了AI工具的极高渗透率
但问题恰恰出在“怎么算钱”上
过去几十年，企业给员工买软件，用的是“席位制”，比如买一套协同软件，一个人一个月几十美元，财务算盘一打，一整年的IT开支清清楚楚。
然而，大语言模型的计费单位是Token（你可以把它理解为模型处理语言与代码的“字词碎片”或“计费跳表”）。如果员工只是把AI当搜索引擎用，偶尔问一句，花不了几个钱；但一旦让AI以“自主智能体（Agent）”的模式运行，让它通读几十万行祖传代码、自己写测试、自己找Bug、自己反复迭代，后方的账单就会迅速累积。
Uber的财务团队以为自己批下的是一笔“买办公软件”的定额经费，工程师们拿到的，却是一台台按秒扣费且没有功率上限的超级工业粉碎机。
COO的灵魂发问：Token在狂转，有用的功能变多了吗？
预算穿仓的消息传出后，硅谷舆论迅速撕裂成了两个阵营。
乐观派挥舞着计算器大喊：“这是今年最强烈的AI利好信号！”
产品专家Aakash Gupta公开算了一笔账：一个Uber高级工程师的全包年薪高达35万至40万美元，5000名工程师一年的人力成本就是17.5亿美元。他认为，若几千万美元的Token账单能对应到70%的代码产出，AI支出可能仍然划算。按照他的判断，财务预算崩了，原因是“CFO按照聊天机器人做预算，工程师却掏出了全自动工人”。
但管理层很快泼来了一盆刺骨的冷水。
▲ The Verge报道：Uber总裁兼首席运营官直言“AI支出正变得难以辩护”
Uber总裁兼首席运营官Andrew Macdonald在接受采访时提出了一个关键问题：公司很难在高额Token消耗与更多对消费者有用的功能之间画出清晰连线。他承认可能确有更多功能被交付，却无法用现有指标证明增幅达到25%。
这击中了生成式AI在企业落地中最深层的痛点：“个人感觉爽快”与“公司赚到利润”之间，存在着一条巨大的认知鸿沟。
▲ 支出管理巨头Ramp联合创始人发文：Token只证明电表转过，不代表创造了真实价值
企业支出管理平台Ramp的联合创始人Eric Glyman对此一针见血：“销售团队花钱，你能看到线索转化；客服团队花钱，你能看到客诉解决而Token除了告诉你电表刚才飞速旋转过，什么也证明不了。归因缺失，预算也就无从合理分配”
工程师可能只用10秒钟就生成了500行华丽的代码，但如果这些代码只是在系统内部空转、重构那些无足轻重的模块，或者用来写更冗长的内部文档，那么对于核心业务来说，这不过是一场昂贵的内部自嗨。
绝地反击：降低单位成本，派出30人“精锐拆迁队”
面对失控的账单，Uber没有选择因噎废食地一刀切禁用，而是掀起了一场极其残酷的“AI治理革命”。
CTO公开宣布：“所谓的Tokenmaxxing（无脑刷量）时代，彻底终结了。”
▲ 行业分析师总结Uber如何在扩大AI使用面的同时大幅拉低单位成本
Uber首先在技术底层拧紧了水龙头：
- 提示词缓存与复用（Prompt Caching）
：不再让模型每次都从头读一遍海量代码库； - 默认模型降级与动态路由
：普通代码补全、会议纪要绝不调用最贵的最强大脑（如前沿旗舰模型），只有攻坚高难度架构时才允许“放行”； - 实时成本仪表盘
：谁在烧钱、花了多少，实时亮红灯； - 开源本地模型兜底
：把大量轻量任务分流给更轻便的模型。
但更绝的一步，是Uber在组织架构上挥出的重拳。
COO Andrew Macdonald在知名播客《20VC》中披露了一个关键动作：Uber从核心技术团队中抽调了约30名最顶尖的AI工程师，组成了一支特遣小队（Pod）。
这30个人不再被允许关在房间里自顾自写代码，而是被直接“空投”到最繁琐、最沉重的业务与行政（G&A）支持部门，财务预测、全球资本配置、市场营销质检。
他们带着最先进的工具，像外科手术一样，一个流程一个流程地重新改造传统业务：
- 全球资本配置
：过去，Uber要在全球几千个城市市场动态调整补贴与资源，核心团队每周要肉搏15个小时；AI小队介入重构流程后，这个时间被直接压缩到了2个小时； - 财务滚动预测
：过去财务分析师重做一轮复杂的全球收支模型需要8个小时，现在压到了2个小时； - 营销物料与合规质检
：过去跨国市场的素材审核需要整整两周，如今两天全部跑完。
Macdonald在访谈中说，这才是“看得见、摸得着的真实ROI（投资回报率）”。
但他也道出了一个极其反常识的管理真相：“你在流程上省下了6个小时，这6个小时绝对不会自动变成利润表上的净利润。因为人总会找其他的事情把时间填满。”
要想把AI省下来的时间反映到公司经营中，可行的抓手之一是配合编制目标与经营目标，例如控制新增编制，同时用这套AI系统提高产出。
硅谷集体宿醉：从“魔法狂欢”到“逐笔审计”
Uber的经历具有代表性，它像推倒了第一块多米诺骨牌，揭开了整个科技界在2026年的“集体宿醉”。
几乎在同一时期，巨头们纷纷从“盲目放水”走向了“精打细算”：
- 零售巨头沃尔玛（Walmart）
：在其内部编码助手用量爆表后，紧急引入了基于业务价值挂钩的Token配额制； - 微软（Microsoft）
：据报道开始要求大批工程师从昂贵的第三方工具迁回内部方案，严格控制单人算力成本； - GitHub
：悄然改变了Copilot的收费策略，向更精准的按量消耗靠拢。
一份针对数千名企业人士的调查显示：
样本中约 59% 的组织每年在 AI 上的支出至少为 100 万美元，但只有约 29% 表示看到了显著回报。
▲ 行业调查显示：绝大多数企业陷入了“巨额投入却难见显著收益”的尴尬境地
在过去两年里，所有人都在兜售一种神话：只要给员工配上最先进的生成式AI，企业的生产力就会瞬间爆发5倍、10倍。
但2026年的现实告诉我们：个人用得爽，不等于公司能赚钱。
当一个分析师把写PPT的时间从8小时缩减到2小时，若公司的决策链条、商业模式和产品交付维持原样，那么剩下的6小时只会被更多无意义的会议和沟通填满。
这就像90年代企业疯狂购买ERP系统，或者十几年前企业疯狂上云的早期阶段一样，第一阶段总是盲目跟风与预算失控，等财务压力传导下来，精细化运营与深层组织调整也会随之展开。
终局：谁能活着走出这轮“算力大考”？
Uber的这堂“天价学费课”，给所有正在狂热拥抱AI的企业上了一剂清醒剂。
AI是一台昂贵的精密机床，买下来并不会自动生钱。
如果只是放任员工拿着这台机床去雕刻无足轻重的工艺品，除了留下一张张惊心动魄的算力账单外，什么也不会留下；只有当你把它对准业务流程中最核心、最耗时、最阻碍周转的齿轮时，它才能迸发出惊人的商业威力。
那个靠讲故事、刷用量、甚至“用Token排行榜自嗨”的草莽时代，已经画上了句号。
接下来的商业世界，将比拼谁能最精准地算清每一颗Token的投入产出比。
算力不再是免费的自来水，当水表开始飞速转动，每一个拧开水龙头的人，都必须交出他的答卷。
