Uber CTO 今年4月透露公司4个月就烧光了全年AI预算，现在直接给每个员工每月$1500的AI工具花费上限。这不仅是Uber一家的问题——有公司一个月在Anthropic上烧掉$5亿，GitHub Copilot用户一两天就耗尽月度配额。大厂的"全员All-in AI"策略正在被成本现实打脸。
事件回顾：从"能用就用"到"每人$1500封顶"
6月2日，Uber正式宣布了一项令人警醒的新政策：每位员工每月在AI编程工具上的花费不得超过$1500，覆盖 Claude Code、Cursor 等主流Agent工具。
这个数字听起来不低——$1500 足够一个高级工程师半天的时薪。但放在Uber的语境下，它代表的是从鼓励到限制的180度转向。
就在两个月前的4月，Uber CTO公开承认了一个令人瞠目的事实：公司仅用了4个月就烧光了2026全年的AI预算。而在此前，Uber的策略是鼓励员工"尽可能多地使用AI"，甚至内部搞起了AI使用量排行榜——谁用AI最多，谁就上Leaderboard。
这是一场典型的"先上车再说"式AI军备竞赛——然后在撞到成本墙之后紧急刹车。
Uber COO Andrew Macdonald 最近在一次播客中提到，"很难在AI使用量和实际产出的消费者功能之间画上等号"。翻译成大白话就是：钱花了不少，但不知道花到哪里去了。
成本失控的远不止Uber一家
如果你觉得Uber是个例，那来看看同一周曝出的其他数字：
"那个一个月烧掉$5亿的公司"
据Axios报道，某公司因为没有设置AI花费限额，一个月内在Anthropic模型上烧掉了$5亿美元。你没看错，5亿——而且是"意外"。
Ed Zitron 在他刚发表的深度分析《AI Doesn't Have ROI》中写道："如果无法衡量AI的效果、成本，或者投资回报率，那就该问自己：为什么一开始要付这个钱？"
GitHub Copilot：从$39随便用到信用额度焦虑
就在同一天，微软的GitHub Copilot全面转向了基于Token的计费模式。原因很直白：用户在$39/月的订阅下可以"无限"使用，有人一个prompt就烧掉月度配额的50%，有人8个prompt用掉一半，还有人在5小时session里就耗光了整月额度。
这些用户之前不知道每个prompt的真实成本，因为微软刻意隐藏了它。现在真相大白——而且账单开始分摊到用户头上。
Ed Zitron 的结论一针见血：每个AI订阅用户都在被补贴。AI公司（Anthropic, OpenAI）以远远低于成本的价格卖服务，而第三方工具（GitHub Copilot, Cursor）把差额烧在VC的钱里。当补贴结束、真实成本暴露，所有人都会像Uber一样开始算账。
对大厂意味着什么：AI ROI的"皇帝新衣"被撕开了
Uber COO的"hard to draw a line"（很难画一条线）不是随便说说的。这背后是一个结构性问题：
LLM的天然不确定性让ROI无法标准化测量。 一个prompt可能产出完美代码，也可能陷入死循环。同一个任务，模型可能$0.50解决，也可能$15.00才搞定——而且还可能搞错。当"正确率"不是100%（实际上远低于100%），任何一个任务的真实成本都是一个概率分布，而不是一个数字。
这对于习惯了"投入-产出"精确计算的CFO们来说，是个噩梦。
大厂在2025-2026年疯狂投入AI，背后有FOMO（害怕错过）驱动，也有内部AI Leaderboard这样的游戏化机制推动。但当年度预算四个月就烧光、当$500M的意外账单出现，当GitHub Copilot被迫把成本转嫁给用户——这个游戏的底色开始暴露了。
对AI创业者的启示
Uber踩刹车这件事，对AI创业圈有几个关键信号：
1. "烧钱换市场"的to-C AI工具面临定价重构
GitHub Copilot从$39包月转向按token计费，是行业拐点。Cursor、Claude Code、Windsurf 这类工具如果还在$20-30包月模式下补贴用户，迟早步Copilot后尘。
对于一人公司/独立开发者来说：现在正是关注自托管开源模型（如本地部署的DeepSeek、Qwen）的时机。API成本只会越来越透明，而透明意味着你无法再被补贴。短期来看，用API的产品能快速起量；长期来看，控制推理成本的产品才能活下来。
2. 企业内部AI治理将催生新需求
Uber的$1500/月/人/工具上限不是终点，而是起点。当更多企业开始讨论"AI预算该由谁来批"，企业级AI成本治理（谁在用、用多少、产出什么）将成为一个独立的产品类别。这可能是下一个enterprise SaaS的金矿。
如果你在做开发者工具，内置cost tracking和usage analytics会是差异化卖点。如果你的产品依赖于Anthropic/OpenAI的API作为底层推理引擎，你现在的定价模型可能需要重构。
3. "Agent到底省了多少时间"需要被量化
当大厂CFO开始追问ROI，打工人也得准备答案。未来6-12个月，能拿出数据证明"AI确实提升了我的产出"的工程师，和拿不出数据的，将走向不同的职业轨迹。
但这也意味着一个新的创业机会：AI生产力度量工具。如何量化"Claude Code帮我省了3小时debug时间"？如何对比"人工写代码 vs Agent写代码"的质量差异？目前市面上还没有好的解决方案。
4. 开源模型是最后的底牌
HN评论区有一条高赞评论很精辟："They'll switch to DeepSeek right when Anthropic IPOs." 一句话道出了困境——企业现在付费是因为别无选择，但开源模型正在快速追赶。DeepSeek、Qwen、Llama 等开源模型的编码能力，在某些场景下已经不输商业模型。当企业财务部开始砍AI预算，第一刀砍的永远是最高溢价的API订阅。
底部信号还是暂时回调？
一个值得思考的问题：这是"AI泡沫破裂前兆"还是"行业成熟过程中的正常回调"？
正方（泡沫派）：企业终于开始算账了。当补贴消失、真实成本暴露、ROI无法证明，AI投资会像所有科技泡沫一样经历一次大规模回撤。
反方（回调派）：这恰恰证明AI真的有价值——如果完全没用，谁会用$1500/月？Uber限制的是花费，不是禁用。真正的泡沫是没人用的东西。
我的判断：两个都成立。 AI工具确实提供了前所未有的生产力提升（用过Claude Code的人都知道），但定价模式不可持续，补贴不可能永远持续。行业将经历一个痛苦的"正常化"过程——高溢价的闭源API将面临开源模型的强力竞争，而按token计费将倒逼用户学会"省钱地用AI"。
对于AI创业者来说，这时候该问自己的不是"AI火不火"，而是"当补贴结束，我的产品还成立吗？"
数据来源：TechCrunch（2026年6月2日报道）、Ed Zitron "AI Doesn't Have ROI"（2026年6月2日）、HN社区讨论（62 points, 47 comments）、Business Insider Uber COO报道
#AI创业 #AI成本 #Uber #一人公司 #AI风向
本文由AI辅助创作，经人工审核编辑发布