四個(gè)月燒光全年AI預(yù)算，為啥連Uber也燒不起token了？

今年以來(lái)，伴隨著AI智能體的高速發(fā)展，“養(yǎng)龍蝦”“養(yǎng)馬”逐漸成為了一種潮流，甚至不少科技巨頭發(fā)出來(lái)全員AI躍進(jìn)的號(hào)召，但是好景不長(zhǎng)，在不少科技巨頭全面進(jìn)軍AI的時(shí)候，突然發(fā)現(xiàn)AI雖好但是似乎要用不起了，就在最近網(wǎng)約車巨頭Uber4個(gè)月燒光全年AI預(yù)算的消息傳來(lái)，連Uber也要燒不起token了？

一、四個(gè)月燒光全年AI預(yù)算的Uber

據(jù)網(wǎng)易新聞的報(bào)道，彭博社援引Uber發(fā)言人確認(rèn)：Uber已對(duì)員工使用的智能體式編程工具設(shè)定消費(fèi)上限，包括Claude Code、Cursor等。新規(guī)則限制每名員工在每款工具上每月最多消耗1500美元token額度。不同工具之間額度不互通，一款工具超支不影響另一款的預(yù)算。員工可以通過(guò)內(nèi)部?jī)x表板查看自己的使用情況，特殊情況下也可以申請(qǐng)超過(guò)上限。

據(jù)TechCrunch引述相關(guān)報(bào)道，Uber此前曾鼓勵(lì)員工盡量多使用AI，甚至用排行榜推動(dòng)內(nèi)部采用；但公司今年前幾個(gè)月就已經(jīng)耗盡全年AI預(yù)算。先把AI當(dāng)成內(nèi)部效率試驗(yàn)大規(guī)模鋪開，再回到財(cái)務(wù)部門最熟悉的問(wèn)題：到底誰(shuí)來(lái)付賬、怎么控賬。公司沒(méi)有公開財(cái)務(wù)明細(xì)，今年AI預(yù)算的具體總額仍然未知。

Uber的做法在硅谷不孤立。GitHub Copilot也在同一時(shí)間轉(zhuǎn)向基于token消耗的新計(jì)費(fèi)模式，引發(fā)開發(fā)者反彈。差別在于Uber把額度直接鎖定到員工個(gè)人頭上，讓AI成本從公司總預(yù)算變成了每個(gè)人都能感受到的使用邊界。

1500美元的單工具月度上限，對(duì)一個(gè)日常重度依賴AI寫代碼的員工意味著什么？至少它會(huì)讓"隨手開一個(gè)長(zhǎng)任務(wù)"變成需要掂量的動(dòng)作。

二、為啥連Uber也燒不起token了？

近期，作為出行領(lǐng)域的標(biāo)志性企業(yè)，Uber被曝出僅用四個(gè)月便耗盡了全年的AI預(yù)算，進(jìn)而不得不開始限制內(nèi)部對(duì)AI工具的使用，這不僅是一家科技巨頭的財(cái)務(wù)窘境，更是給整個(gè)狂熱的科技產(chǎn)業(yè)敲響了一記警鐘，我們到底該怎么看這件事？

首先，AI智能體已經(jīng)徹底打破了傳統(tǒng)大模型的可控消耗體系。在傳統(tǒng)大模型應(yīng)用階段，企業(yè)AI使用場(chǎng)景大多集中在單次對(duì)話、簡(jiǎn)單問(wèn)答、基礎(chǔ)文案生成等輕量化場(chǎng)景，token消耗具備明顯的單次性、固定性、低頻次特征，整體使用量存在清晰的上限邊界。對(duì)于絕大多數(shù)科技企業(yè)而言，這類淺層AI應(yīng)用的成本可預(yù)判、可量化、可管控，全年AI預(yù)算基本可以實(shí)現(xiàn)精準(zhǔn)規(guī)劃、平穩(wěn)消耗。

但行業(yè)全面邁入智能體時(shí)代后，AI的應(yīng)用形態(tài)徹底重構(gòu)，自主決策、多輪迭代、場(chǎng)景聯(lián)動(dòng)、持續(xù)運(yùn)算成為核心特征。智能體不再是被動(dòng)響應(yīng)人類指令的工具，而是能夠自主拆解任務(wù)、反復(fù)試錯(cuò)、多流程聯(lián)動(dòng)運(yùn)算的智能主體，這一模式直接帶動(dòng)token消耗量呈現(xiàn)幾何級(jí)、指數(shù)級(jí)增長(zhǎng)。筆者自己在嘗試使用龍蝦等智能體的時(shí)候，無(wú)論是OpenClaw還是國(guó)產(chǎn)的各種龍蝦，隨便一個(gè)指令往往都是幾十萬(wàn)token的瞬時(shí)消耗，如果是那種需要隨時(shí)盯著執(zhí)行的指令，這種消耗無(wú)疑更加巨大。

對(duì)于Uber這類擁有海量業(yè)務(wù)場(chǎng)景、全鏈路數(shù)字化運(yùn)營(yíng)的平臺(tái)型科技企業(yè)而言，調(diào)度、客服、運(yùn)維、數(shù)據(jù)分析、業(yè)務(wù)優(yōu)化等全場(chǎng)景落地智能體，會(huì)形成海量的持續(xù)性算力與token消耗。這種消耗沒(méi)有固定上限、沒(méi)有平穩(wěn)周期，完全跟隨業(yè)務(wù)運(yùn)轉(zhuǎn)持續(xù)疊加，最終讓企業(yè)既定的年度AI預(yù)算體系徹底失效，短時(shí)間內(nèi)透支全年預(yù)算成為必然結(jié)果，這也是智能體時(shí)代所有平臺(tái)型企業(yè)都會(huì)面臨的成本結(jié)構(gòu)性難題。

其次，token投入產(chǎn)出比嚴(yán)重失衡才是最大的問(wèn)題。在經(jīng)濟(jì)學(xué)中，我們始終強(qiáng)調(diào)投資必須帶來(lái)相應(yīng)的邊際收益。但當(dāng)前的AI智能體發(fā)展仍處于野蠻生長(zhǎng)的初級(jí)階段，其邏輯推理能力和規(guī)劃能力遠(yuǎn)未達(dá)到成熟狀態(tài)。這就導(dǎo)致了一個(gè)極其尷尬的局面：智能體在執(zhí)行任務(wù)時(shí)，往往會(huì)陷入“死循環(huán)”或“無(wú)效推演”。它們可能在某一個(gè)邏輯節(jié)點(diǎn)上反復(fù)打轉(zhuǎn)，或者為了完成一個(gè)微不足道的子任務(wù)而調(diào)用海量的無(wú)關(guān)數(shù)據(jù)，甚至在多智能體協(xié)作中產(chǎn)生無(wú)意義的相互扯皮。

這一切的底層表現(xiàn)，就是海量token的無(wú)效燃燒。企業(yè)為這些無(wú)意義的內(nèi)耗買了單，但業(yè)務(wù)效率并沒(méi)有得到實(shí)質(zhì)性的提升，收入端也沒(méi)有看到相應(yīng)的增長(zhǎng)。這就好比一家工廠引進(jìn)了號(hào)稱最先進(jìn)的自動(dòng)化設(shè)備，結(jié)果設(shè)備每天大部分時(shí)間都在空轉(zhuǎn)和做廢品，電費(fèi)和耗材消耗巨大，但良品率和出貨量卻毫無(wú)起色。這種投入產(chǎn)出比的嚴(yán)重失衡，才是Uber真正感到肉痛的核心原因。AI沒(méi)有成為利潤(rùn)的催化劑，反而成了財(cái)務(wù)報(bào)表上純粹的費(fèi)用吞噬者，這無(wú)疑更讓公司的管理層擔(dān)憂。

第三，token經(jīng)濟(jì)沒(méi)有邊際成本遞減是問(wèn)題的根源。回顧科技產(chǎn)業(yè)的發(fā)展史，無(wú)論是硬件制造還是軟件開發(fā)，其商業(yè)模式的底層邏輯都是“規(guī)模經(jīng)濟(jì)”，隨著用戶量或產(chǎn)出的增加，分?jǐn)偟墓潭ǔ杀驹絹?lái)越低，邊際成本無(wú)限趨近于零。互聯(lián)網(wǎng)時(shí)代“邊際成本遞減”的甜頭，讓所有科技公司對(duì)新技術(shù)都抱有一種天然的樂(lè)觀，我們經(jīng)常看到很多產(chǎn)品都是剛上來(lái)的時(shí)候很貴，但是隨著技術(shù)的發(fā)展價(jià)格越來(lái)越低，甚至成本有趨近于零的可能性。

然而，在token經(jīng)濟(jì)中，這套經(jīng)典的經(jīng)濟(jì)學(xué)法則失效了。大模型的推理成本是實(shí)打?qū)嵉乃懔ο模恳淮紊啥夹枰狦PU進(jìn)行高強(qiáng)度的運(yùn)算。你使用一次，就要支付一次的算力租金，一萬(wàn)個(gè)人使用一萬(wàn)次，成本就是線性疊加甚至超線性疊加的。它沒(méi)有規(guī)模效應(yīng)，只有剛性支出。

這就意味著，隨著AI應(yīng)用規(guī)模的擴(kuò)大，企業(yè)的算力成本曲線是持續(xù)攀升且難以攤薄的。當(dāng)AI成為基礎(chǔ)設(shè)施，企業(yè)實(shí)際上是在按流量計(jì)費(fèi)的模式下運(yùn)營(yíng)，這在商業(yè)邏輯上是極其脆弱的。沒(méi)有邊際成本遞減的護(hù)城河，所謂的AI規(guī)模化落地，就無(wú)異于在沙丘上建高樓，規(guī)模越大，財(cái)務(wù)崩塌的風(fēng)險(xiǎn)就越高。

第四，重構(gòu)AI的成本邏輯才是每家公司最需要做的事情。過(guò)去兩年，整個(gè)科技行業(yè)對(duì)AI的態(tài)度可以用四個(gè)字概括："先上再說(shuō)。" 很多公司接入AI不是因?yàn)橄肭宄嗽趺从茫且驗(yàn)榕侣浜蟆＿@種心態(tài)在技術(shù)早期或許沒(méi)問(wèn)題，但當(dāng)AI進(jìn)入深水區(qū)，當(dāng)成本開始真正兌現(xiàn)的時(shí)候，這種心態(tài)就是致命的。

AI產(chǎn)業(yè)經(jīng)過(guò)多年高速發(fā)展，已經(jīng)告別了野蠻生長(zhǎng)、盲目布局、燒錢換賽道的初級(jí)階段，單純追求技術(shù)先進(jìn)性、場(chǎng)景全覆蓋、智能度最大化的發(fā)展模式已經(jīng)完全失效。未來(lái)AI商業(yè)化落地的核心競(jìng)爭(zhēng)，不再是誰(shuí)的AI用得更多、場(chǎng)景鋪得更廣，而是誰(shuí)的AI用得更精、成本更低、產(chǎn)出更高。

所有科技企業(yè)都必須摒棄“盲目擁抱AI”的慣性思維，回歸產(chǎn)業(yè)經(jīng)營(yíng)本質(zhì)，以成本約束為前提規(guī)劃AI投入，以投入產(chǎn)出比為核心評(píng)判AI價(jià)值。一方面，企業(yè)需要建立精細(xì)化的AI使用管控體系，篩選高價(jià)值、高回報(bào)的AI應(yīng)用場(chǎng)景，淘汰無(wú)效、低效、高消耗的智能體應(yīng)用，杜絕無(wú)意義的算力與token內(nèi)耗；另一方面，要持續(xù)優(yōu)化AI應(yīng)用模式，推動(dòng)技術(shù)復(fù)用、場(chǎng)景集約、算力共享，弱化AI成本的剛性屬性，逐步打造邊際成本遞減的AI商業(yè)化模型。

歸根結(jié)底，AI從來(lái)不是企業(yè)的戰(zhàn)略噱頭，也不是跟風(fēng)布局的工具，而是服務(wù)于企業(yè)盈利的核心生產(chǎn)力，任何不能持續(xù)給企業(yè)創(chuàng)造價(jià)值的AI都會(huì)注定被市場(chǎng)所淘汰，而最后企業(yè)回歸理性，為真正賺錢的AI和算力付費(fèi)才是最終的可能的結(jié)果。