科技
Uber四个月烧光2026全年AI预算：一场企业AI投入的"失控"警示录
2026年才过了三分之一，Uber就宣布：今年的AI预算，已经花光了。
这不是演习，也不是小道消息——据多家科技媒体报道，Uber在2026年仅用四个月就烧光了全部AI预算，主要支出流向了一个你可能没想到的方向：Claude Code，Anthropic推出的AI编程工具。
消息一出，科技圈炸锅了。有人调侃"Uber是把AI当电费在交吗"，有人担忧"企业AI支出是不是已经失控了"，还有人开始认真算账：Claude Code到底凭什么这么贵？
这篇文章，我们用大白话聊聊这件事的来龙去脉，以及它背后反映出的AI落地真问题。
一件事：Uber的AI预算，四个月见底了
事情是这样的。
2026年年初，Uber像很多大公司一样，给AI项目批了一笔预算。这笔钱本来计划撑一整年——采购算力、订阅各种AI服务、给员工培训和开发使用等。财务部门做预算的时候，大概参考了去年的AI支出曲线，觉得怎么着也够用了。
结果到四月，财务一看报表：糟了，钱已经花得差不多了。
具体烧了多少钱？报道没有给出确切数字，但能让一家财大气粗的巨头企业四个月就"弹尽粮绝"，这个数字显然不是小数目。
而这次"超支"的元凶，指向了Claude Code。
Claude Code是什么？简单说，它是Anthropic为Claude模型打造的一个编程辅助工具，程序员可以用自然语言让它帮忙写代码、改bug、做代码审查。对于科技公司来说，这类工具理论上应该能提升开发效率、节省人力成本。
但问题在于：效率提升了，成本也爆炸了。
为什么Claude Code会让预算"失控"？
这里需要解释一下AI编程工具的收费模式。
以Claude Code为代表的AI编程助手，通常采用"按用量收费"的模式。你用得越多，调用API的次数越多，账单就越高。这和买一个固定价格的软件许可证完全不同——它的成本是弹性的，取决于你用得多频繁。
Uber是一家技术驱动型公司，全球有数万工程师。如果大量工程师同时高频使用Claude Code，累积起来的API调用费用会是一个非常可观的数字。一个月可能几百万美元，几个月下来就能轻松吃掉全年预算。
这就暴露了企业AI应用的一个核心矛盾：
AI工具的价值在于提升效率，但提升效率本身也在制造新的成本。
用一个更形象的比喻：这就像你买了一把高科技斧头，砍树速度确实快了，但发现电费比雇人还贵。
这不是Uber一家的问题
Uber的案例之所以引发关注，是因为它不是孤例。
PwC同期发布的CEO调查报告显示，56%的受访CEO表示自己的AI投资"零财务回报"。只有12%的CEO认为从AI中获得了真正的商业价值。
换句话说：半数以上的企业AI投入，在财务上打了水漂。
这个数据和黄仁勋的"AI是新的电力"形成了鲜明的反差。一边是AI厂商描绘的美好图景——AI将彻底改变企业运营、降低成本、提升效率；另一边是CEO们摸着口袋发出的苦笑：钱花了，效果呢？
这种割裂感，恰恰是当前AI落地困境的真实写照。
三个值得深思的问题
1. AI工具的价值衡量标准是什么？
很多企业在引入AI工具时，衡量指标往往是"用了多少次"、"覆盖了多少场景"。但这些是过程指标，不是结果指标。
真正的价值衡量，应该是：AI是否带来了可量化的业务提升？代码质量提高了吗？bug减少了吗？产品上线速度加快了吗？成本真正下降了吗？
Uber的案例说明，光有使用量是不够的。如果AI支出增速远超它带来的效率增益，那就是在烧钱而不是投资。
2. 企业对AI工具的成本预估普遍不足
当前很多企业引入AI工具时，参考的往往是早期的低价或试用成本。但随着使用规模扩大、使用频率提高，实际成本往往会远超预期。
Claude Code的按量收费模式，对高频使用的企业用户来说，成本可能是桌面计算的10倍甚至100倍。企业如果没有建立完善的成本监控机制，很容易在不知不觉中"超支"。
3. AI的"效率提升"和"成本结构"需要重新匹配
传统的软件工具，成本是固定的——买一个许可证，无论你用100次还是10000次，成本不变。但AI工具的成本结构完全不同，它随着使用量线性增长。
这意味着，企业需要用全新的财务模型来评估AI投资。不能只算"效率提升了多少"，还要算"效率提升带来的收益，能否覆盖AI工具本身的成本"。
对普通人意味着什么？
说了这么多，你可能会问：Uber烧钱，和我有什么关系？
关系还挺大的。
如果你是科技公司的员工，这类事件可能会影响你公司内部AI工具的采购决策。公司可能会开始更审慎地评估AI工具的投入产出比，不再盲目采购。
如果你是关注AI行业的观察者，这类事件说明AI的落地远比宣传的复杂。不是买一个AI工具装上，就能省下一堆人力成本。真正的AI落地，需要配套的成本管理、流程优化和效果评估体系。
如果你只是个普通消费者，一个值得记住的信号是：那些宣称"AI将大幅降低成本"的故事，背后往往还有另一面——AI本身也是有成本的。这个成本最终会不会转嫁到产品和服务价格上，值得持续观察。
这件事的启示
Uber四个月烧光AI预算，表面上是一个"预算管理失误"的个案，实际上折射出了AI落地过程中的普遍困境：
- AI工具的成本结构，和传统软件完全不同
- 企业对AI的投入产出认知，还处于早期阶段
- "AI能提升效率"和"AI值得花钱"是两回事
当然，这并不意味着AI工具本身有问题。Claude Code这样的产品，确确实实能帮助程序员提升效率。问题在于：企业需要用匹配新工具特性的方式来管理它，而不是用管理传统软件的方式来管理AI工具。
这是一个学习过程。Uber踩的坑，其他企业大概率也会遇到。区别在于，谁能从这些案例中更快地学会：AI是强大的，但也是需要精细化管理的。
参考来源：