Uber的AI賬：4個月燒光全年預算，然后開始限額

2026年4月，Uber的CTOPraveenNeppalliNaga向管理層匯報了一個令人尷尬的情況：公司為2026年全年準備的AI工具預算，已經在今年的前4個月，全部花完了。

2個月后，Uber出臺內部新規：每位員工、每款AI編碼工具（ClaudeCode、Cursor等），月調用上限1500美元。員工可通過內部數據面板實時查看消耗額度，特殊場景經審批可突破限額。

從"盡可能多用AI"到"每人每月1500刀封頂"，Uber只用了兩個月。

2400萬美元的“開胃菜”

錢是怎么燒的？6000名工程師，每人每月的AI工具成本在500-2000美元之間。取中位數1000美元，每月就是600萬美元，四個月就是2400萬美元。

而這只是直接開支。Uber2025年研發支出是34億美元，同比上漲9%，AI是最大的增量推手。如果算上自動駕駛采購、股權投資、數據中心、與英偉達合作等，這個數字要再翻幾十倍。

但管理層頭疼的不是數字本身，而是另一個問題：這些錢，到底換來了什么？

COO說了硅谷不敢說的話

COOAndrewMacdonald在內部會上坦誠："花錢速度驚人，但目前很難把AI用量和實際產品產出直接掛鉤。"

他進一步承認："還沒有明確證據證明AI投入帶來了顯著可量化的業務提升。"

這話分量不輕。Uber不是AI初創公司，而是擁有數千萬日活用戶的成熟平臺。它的每一個AI功能，如ETA預測、動態定價、智能匹配，都已經深度嵌入業務。按理說，效果應該是可測的。

但問題在于：增量效果，越來越難歸因。

復購率增長了10%，究竟歸功于AI模型的優化，還是歸功于市場需求的自然增長？是AI工具讓工程師寫了更好的代碼，還是工程師本來就該寫出更好的代碼？

1500刀的月度限額，本質上就是對這個問題的一個粗暴回答：既然算不清，那就先封頂。

錢到底花在哪了？

Uber的AI開支可以分成幾層。

工程師工具層。ClaudeCode、GitHubCopilot、Cursor……每人每月幾百到幾千美元的訂閱費，看起來不多，乘上6000人就變成了一筆巨款。這些工具到底讓工程師快了多少？沒人能給出精確數字。

有內部人士調侃："以前寫一個功能要一天，現在半天，但另外半天用來調prompt。"現在這塊被月限額給卡住了。

業務AI層。DeepETA融合實時路況、天氣、歷史數據，每秒數萬次計算做精準預測；動態定價實時調溢價，匹配率提升15%實實在在。但多少來自新的AI投入？邊際效益是否在遞減？算不清。

司機助手和底層基建。UberAssistant幫新司機快速度過磨合期、幫老司機優化時間分配，AIGuard做內部治理篩幻覺；Michelangelo負責模型訓練部署推理；GenAIGateway負責路由和成本。產品有明確的用戶價值，但目前還都是成本中心。GPU算力、數據存儲、網絡帶寬，每一項都是天價。

自動駕駛：更大的"無底洞"

上述所有開支，與Uber在自動駕駛上的投入相比，只是零頭。

2026年4月，Uber承諾投入超過100億美元。25億美元投資技術公司，75億美元購買Robotaxi車輛。

但問題在于，Uber不自主研發自動駕駛算法、芯片或傳感器。所有AI駕駛能力來自Waymo、英偉達等合作伙伴。

在自動駕駛五層模型里，Uber只占最上層的調度網絡（Marketplace）。車輛制造、AV算法、車隊運營、融資與殘值管理，全在別人手里。Uber用100億美元買了一張入場券，但核心技術不在自己手里。

更尷尬的是，2026年2月和5月，Uber因Cloudflare故障兩次大面積宕機。AI調度再聰明，底層一崩全癱。AI加的是智能，加不了韌性。

AI的賬，為什么算不清？

原因有三。

歸因困難。AI已經嵌入業務流程的每一個毛孔。ETA預測準確率提升1%，到底是模型變好了，還是天氣變好了？無法剝離。

時間錯配。很多AI投入是基礎設施級的，效果要在中長期才能顯現。但預算是按年度制定的，矛盾天然存在。

競爭壓力。即使算不清，Uber也不敢停。Lyft、Waymo都在加碼AI。停下來的代價，比花冤枉錢更大。

Uber不是孤例。微軟給OpenAI投了130億美元，Copilot的商業效果同樣說不清；谷歌Gemini內嵌搜索，增量營收幾何？也沒人算得清。

COO的坦誠，暴露的是硅谷的集體焦慮：沒有人敢說算清了AI的賬，但所有人都必須繼續砸。

一種新的"開支品類"

四個月花光全年AI預算，看點不是"花錢太猛"，而是"花了這么多，居然說不出效果"。成熟上市公司，在AI面前，竟然回到了初創公司"先燒錢、后找模式"的狀態。

但比"算不清賬"更深層的問題是：AI創造了一種會計上從未有過的開支品類。

以前你花1億買服務器，至少知道買了什么。幾臺機器，擺在哪個機房，折舊幾年，殘值多少。現在你花1億買token，買的是一堆"可能有用"的概率。沒有折舊表，沒有資產清單，沒有退出機制。停掉訂閱，它就歸零了。

這跟SaaS還不一樣。SaaS買的是確定功能。你用Salesforce，知道你買的是CRM。但你買ClaudeCode，買的是什么？是"工程師可能寫代碼更快"的期望。這個期望值多少錢？取決于你怎么定義"更快"，以及"更快"值多少錢。

而這兩個問題，目前沒有標準答案。

COO說"很難量化"時，他在描述一個科技公司的真實困境：AI的賬不是"暫時算不清"，而是在現有的會計框架下，它可能就不是一個能被傳統方式算清的東西。它既是運營支出，又像研發投入，但會計準則不允許你把它資本化。因為你說不清它產出了什么資產。

但不算，就意味著出局。

所以，燒吧。只不過，從現在起，每人每月最多燒1500刀。