人工智能在企業端的“生產力幻覺”正在被打破。近日，Uber 總裁兼首席運營官安德魯·麥克唐納（Andrew Macdonald）在公開採訪中發出警示：儘管公司已實現近 95% 的工程師 AI 工具覆蓋率，且 70% 的代碼提交均由 AI 生成，但這些高昂的算力投入卻難以直接轉化爲用戶可見的產品功能提升。

一、預算“熔斷”：四個月的瘋狂開支

2026 年剛剛過去四個月，Uber 內部便傳出了財務警報：公司爲 2026 全年預留的 AI 編碼工具（如 Claude Code）預算已徹底耗盡。

  • 失控的採用率： 自 2025 年底部署以來，Claude Code 在 Uber 5，000 名工程師中的採用率從 2 月的 32% 飆升至 3 月的 84%。

  • 高昂的單兵成本： 每位工程師每月的 API 調用成本高達 500 至 2，000 美元，這被公司內部戲稱爲“令牌狂熱”（Tokenmaxxing）。

  • 倒逼決策： 這一財務“黑洞”迫使 Uber 開始嚴厲審視 AI 消費與人員編制（Headcount）之間的直接競爭關係。

二、COO 的冷思考：算力增長 ≠ 產品升級

面對“代碼生成效率大幅提升”的亮眼指標，麥克唐納卻表現出了罕見的審慎。他直言，目前公司根本無法在“Token 消耗量”與“交付給用戶的實用功能提升 25%”之間劃上等號。

  • 生產力的錯位： 工程師們可能在追求 AI 生成代碼的“量”，但這些代碼是否真正轉化成了用戶可感知的價值，仍是巨大的問號。

  • 從“免費工具”到“經營成本”： AI 工具在開發端看似是“免費的效率槓桿”，但隨着使用規模化，它已轉變爲與人工成本同等量級的財務負擔，必須接受更嚴格的 ROI（投資回報率）覈算。

三、行業啓示：AI 進入“價值驗證”深水區

Uber 的案例並非個例，它標誌着企業 AI 部署正邁入第二階段：從“不計成本的激進採用”轉向“極度務實的價值審計”。

  1. 拒絕“爲了 AI 而 AI”： 不僅是 Uber，Duolingo 等公司也已開始叫停強制性的 AI 使用考覈，避免員工陷入“令牌堆疊”的無效內卷。

  2. 重塑績效框架： 未來企業衡量生產力的標準，將不再是“使用了多少 AI”，而是“解決了多少實際問題”。

  3. 成本審計常態化： 對於依賴大模型 API 的大型組織而言，AI 算力治理將成爲繼雲服務支出管理（FinOps）後的又一核心財務命題。

Uber 的這次“頭腦爆炸時刻”爲全球企業敲響了警鐘：在 AI 時代，算力的邊際效應正在遞減，而如何將算力賬單轉化爲真實的商業價值，纔是決定企業在智能化浪潮中能否倖存的關鍵。