TL;DR：
硅谷大厂Uber给全员配了AI编程神器Claude Code，结果四个月就把全年预算烧光了。CTO看着账单一脸懵：95%的人在用，70%代码是AI写的，但一个人每月光AI工具费就高达2000美金。当“工具太好用”变成了“成本大失控”，财务部可能要哭了。
事情的起因是这样的：2025年12月，Uber给工程师们发了个“新装备”——Claude Code。这在硅谷不算啥新闻，哪家厂子现在还不给码农配上AI外挂，毕竟这是“降本增效”的金字招牌嘛。
然后，画风就突变了。
四个月后，Uber的CTO Praveen Neppalli Naga在公司内部汇报时，说出了那句经典的台词：“我们为2026年全年准备的AI工具预算，今年前四个月，就花完了。”[^1]
别急着笑，让我们看看数字有多离谱。
这数据，是不是充了会员？
Uber内部数据显示：
- **95%**的工程师每月都在用AI编程工具。什么概念？企业软件的行业平均采用率在20%-40%之间。微软让半个公司的人用上Teams都花了三年。[^1]
- **70%**的提交代码由AI生成。每十行新代码，七行是AI写的，工程师主要的工作变成了“审稿”。[^1]
- 每位工程师每月500-2000美元的AI工具成本。按Uber约6000名工程师估算，一个月就是600万美元，四个月烧掉2400万美元。[^1]
一个Hacker News上的工程师老哥坐不住了，他算了一笔账：“这用量，是把AI当驴使吗？”[^2]
不是采购失败，是预测模型“扑街”了
问题出在哪？传统企业IT预算的逻辑是：工具都有个“使用天花板”。一个人一天最多写十行代码，一个设计师出不了100张图。
但AI这玩意，没有天花板。[^1]
你让它写个函数，发现不错，那就再来十个。写完十个，它还能帮你重构整个模块。重构完发现，测试也能自动写。每一步都在创造价值，每一步都在疯狂烧token。[^1]
一位技术博主在分析Uber案例时写道：
这是一家市值超过1000亿美元的公司，有成熟的财务团队，有完善的预算审批流程，预测模型照样偏差了三倍。那么，每一个比他们小的团队都会以同样的方式——或许是更惨烈的方式——崩溃。[^2]
翻译成人话就是：连Uber这种顶级玩家都算不准，你们这些小厂，省省吧。
当好用变成了“负债”
这让人想起一个扎心冷笑话：AI没铺开，是因为现阶段它比人贵。[^1]
这句话细思极恐。在某些场景下，一个高级工程师+AI工具的综合成本，已经超过直接多雇一个初级工程师。初入职场的年轻人找工作更难了，因为老板们发现，与其花钱请一个人，不如花钱买token让老员工干两个人的活。[^1]
这不是AI的失败，恰恰相反，这是AI成功得太彻底的结果。过去两年，科技圈还在争论“AI好不好用”，现在Uber的故事告诉我们，当AI跨过“够用”门槛之后，企业要面对的不是“要不要用”，而是“怎么控制用量”。[^1] [^2]
硅谷新潮流：Tokenmaxxing
Uber不是一个人在战斗。在Reddit和Hacker News上，关于AI工具成本失控的讨论最近密集爆发。硅谷甚至发明了一个新词——Tokenmaxxing。[^2]
这词模仿了健身圈的“maxxing”构词法，意思是不计成本地大量消耗AI token，把token消耗量当成一种生产力指标，甚至一种身份标签。
“你这个月烧了多少token？”正在成为工程师之间的社交货币，就像前几年比谁的GitHub commit更多一样。[^2]
英伟达一位深度学习部门的VP更是爆出猛料：我团队的算力成本已经远远超过了员工工资。[^2]
在过去，一个科技公司最大的成本是人。现在，最大的成本可能是喂养AI的token。
一个荒诞的利益链
这就形成了一个三方错位：
- AI厂商（如Anthropic）：希望企业往死里烧token，因为他们按量收费。
- 企业老板：希望控制成本，但又不想限制工程师的“生产力”。
- 工程师：觉得自己在用AI创造价值，不理解管理层为什么要限流。
Ainvest的一篇分析直指核心：这种激励结构，完全错位了。[^2]
于是，一些公司开始采取“奇葩”措施：设置每月用量上限、要求先写需求文档再调用AI、用更轻量的模型处理简单任务……[^2]
但想想挺荒诞的：你花钱买了个提升效率的工具，然后又花精力限制大家使用它。
最后，谁来买单？
Uber的CTO说，公司需要“回到白板前”重新规划AI预算。潜台词是：我们之前那个财务模型，就是个笑话。[^1]
过去两年，关于AI的争论一直围绕着“AI能不能取代人”。但Uber的故事提供了一个更现实、也更紧迫的问题：[^1]
当AI足够好用的时候，谁来为这个“好用”买单？
工程师不会买单，因为他们觉得自己在提高效率。管理层不会买单，因为他们已经享受了70%代码由AI生成的“红利”。AI厂商更不会买单，因为按量计费是他们的印钞机。[^1]
最后，大概率只有财务部的同学继续头疼，得琢磨着怎么在下一轮股东大会上，面对更刁钻的提问了。
也许，这才是真正的“人工智障”——不是技术不行，而是财务算不过来账。