---
id: "2059298057506705525"
title: "Uber 给公司的 5000 名工程师配上了 AI 助手。 结果短短 4 个月，全年的 AI 预算就被烧了个精光。 AI…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: 100
percentile: null
published_at: "2026-05-27 07:19:24"
translated_x_url: null
reason_tags: []
canonical_url: "https://mubeitech.com/p/2059298057506705525"
markdown_url: "https://mubeitech.com/p/2059298057506705525/markdown"
json_url: "https://mubeitech.com/api/posts/2059298057506705525"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# Uber 给公司的 5000 名工程师配上了 AI 助手。 结果短短 4 个月，全年的 AI 预算就被烧了个精光。 AI…

Uber 给公司的 5000 名工程师配上了 AI 助手。
结果短短 4 个月，全年的 AI 预算就被烧了个精光。
AI 现在的运行成本，甚至开始超出它能替代的员工成本。

Uber 的 COO 公开承认了一件事。
他无法向公司证明这笔巨额开销是合理的。
硅谷大厂的 AI 账本，正在遭遇残酷的现实对账。

只看底层研发指标，一切都很完美。
Token 用量每天都在翻倍。
上个季度，公司 25% 的代码提交全部由 Claude Code 完成。
员工的 AI 渗透率极其漂亮。

但当管理层拿着这些华丽的数据去问工程负责人：
既然效率提升了，那我们多产出了 25% 有商业价值的用户功能吗？
有多少之前因为缺人手而被搁置的项目，现在被重新捡起来了？

答案是没有答案。
这条等号线，目前根本画不出来。
AI 确实以惊人的速度生成了更多代码，但这并没有直接转化为可量化的业务增量。

把代码生成量等同于生产力提升，中间存在巨大的商业断层。
当底层技术指标涨到天上，却无法在资产负债表上兑现为利润。
大企业盲目铺开的 AI 投入，很快就要面对资本真正的灵魂拷问。

---

_Translation: (n/a)_
_Canonical: <https://mubeitech.com/p/2059298057506705525>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-05-27 07:19:24_