扫描下载APP
其它方式登录
Uber四个月内耗尽全年AI预算，被迫限制员工AI工具使用额度，暴露智能体时代token消耗呈指数级增长、投入产出比失衡及缺乏边际成本递减等结构性成本问题，警示科技企业需回归成本约束与价值导向的AI商业化路径。
文章指出企业大规模采用AI导致裁员潮，但实际使用成本远超人工成本，Uber、微软、Nvidia等公司面临高昂API和算力支出；调查显示多数企业无法量化AI投资回报，而价格便宜10-30倍的中国大模型正快速抢占市场，引发美国政策限制担忧。
企业AI投入面临成本与价值脱钩困境：Uber、微软等公司发现Token消耗激增但商业回报微弱，GitHub转向按用量计费引发开发者抵制，数据显示仅18%的AI支出产生用户价值；行业正从追求Token消耗量转向关注单位有效行动成本，但云厂商与AI实验室间的循环融资结构隐含可持续性风险。
文章以Uber为例，揭示企业大规模投入AI工具（如Claude Code）后出现的预算失控与ROI缺失问题：一方面AI使用成本（按token计费）难以预测且飙升，另一方面裁员式AI应用并未提升实际业务回报。核心矛盾在于AI支出未转化为用户体验改善或新增功能，资金实质流向Anthropic、OpenAI等AI基础设施提供商，形成‘淘金热’式价值转移。
文章揭示大厂AI应用中普遍存在的‘Token崇拜’现象：部分企业将Token消耗量作为考核指标，导致无效使用和成本失控；微软、Uber因预算超支紧急收缩AI投入，Meta则因激励机制使Token消耗暴增12倍；国内厂商通过高额补贴推广AI使用，但缺乏有效价值度量体系，亟需从用量导向转向效率与业务结果导向。
微软因Claude Code高昂的Token计费成本，强制要求近10万名工程师在6月底前停用该工具，全面转向内部GitHub Copilot CLI；Uber亦在2026年前四个月烧光全年AI预算，凸显AI工具从SaaS订阅模式转向按使用量计费的‘效用经济’，企业正面临AI投入与现金流平衡的生存危机。
Uber工程师在四个月内耗尽全年AI工具预算，95%工程师高频使用AI编程工具，70%新代码由AI生成，单人月成本达500–2000美元。文章揭示AI工具使用无天花板特性导致传统预算模型失效，企业面临从‘推广使用’到‘管控用量’的管理范式转变，引发对ROI、成本结构及工程师生产力定义的深层反思。
美国外卖平台被匿名AI生成帖子指控算法压榨司机，引发公众共鸣并迫使企业紧急辟谣。尽管内容被证实为AI伪造，但因契合大众对平台的负面认知而广泛传播，反映虚假信息在情绪认同下极易扩散，真假边界逐渐模糊。
Uber CEO Dara Khosrowshahi 表示公司正考虑使用稳定币进行全球资金转账，这种与美元挂钩的加密货币因其低成本和高效率受到科技巨头和金融机构的关注。尽管监管环境逐步改善，稳定币仍面临消费者接受度和技术成熟度的挑战，但其在跨境支付和资本管理中的潜力巨大，吸引了亚马逊、苹果等公司探索应用。
