AI 工具在企业落地的第一道坎:Uber 烧光预算这件事,比表面更值得深究

Uber 在 4 个月内花完了全年 AI 预算,然后紧急踩了刹车。

TechCrunch 6 月 2 日报道了这条消息:Uber 在公司内部鼓励员工大量使用 AI 工具之后,AI 支出急剧膨胀,以至于管理层不得不介入、设置上限。

表面看这是一个”钱没花好”的故事。但如果仔细想想,这件事揭示的问题远比”预算超支”要深。

一家科技公司,为什么会在 AI 上失控?

Uber 不是小公司。它有资源,有技术团队,有采购流程。它不会无缘无故地在软件订阅上失控。

真正的问题是:企业对 AI 工具的消耗方式,和对传统软件的消耗方式完全不同。

传统 SaaS 是按账号收费——给你 100 个账号,每年 X 美元,用多用少不影响成本结构。但 AI 工具是按用量计费(per-token),一个人的日常使用量可能相差 10 倍、100 倍。一个重度使用的工程师,和一个轻度使用的运营人员,消耗的成本可以差出一个数量级。

Uber 的情况很可能是:内部鼓励使用 AI 之后,大量员工开始高频使用 Claude Code、Copilot 这类工具,消耗量急剧攀升,在短短四个月内就烧穿了全年预算。

这说明什么?

企业在引入 AI 工具时,往往低估了真正的消耗规模。 管理层看到的是”AI 可以提高效率”的叙事,但财务系统看到的,是一份措手不及的账单。

一个值得关注的信号:Claude Code 的企业采用速度

Uber 的案例里有一个细节值得注意:据报道,Uber 内部大量使用的是 Claude Code。

Claude Code 是 Anthropic 推出的 AI 编程工具,月费最高 200 美元,按使用量计费。它能帮你写代码、调试、重构,是目前 AI 编程工具里技术评价最高的产品之一。

而另一边,一个叫 Goose 的开源工具,做的是几乎同样的事情——免费。VentureBeat 的报道专门对比了这两个产品,指出 Goose 在基础功能上已经可以替代 Claude Code,而且没有月费。

这带来一个有趣的问题:企业 AI 工具的定价模式,正在受到开源社区的挑战。

AI 企业落地的真正瓶颈:不只是钱

Uber 的故事可以引出更深的问题:AI 在企业落地的瓶颈,到底在哪里?

很多人会说”技术不成熟”、”幻觉问题”、”数据安全”——这些当然都是障碍。但 Uber 的案例指向了一个更隐蔽的问题:管理机制和财务模型的滞后。

当一个工具的消耗模式发生了根本性变化(从固定账号到按量计费),企业需要对应的管理基础设施:

  • 实时监控各团队的 AI 消耗量
  • 建立谁可以用、用多少的分配策略
  • 把 AI 成本纳入 ROI 评估框架
  • 大多数企业现在的 AI 采购流程,停留在”买个账号、分给团队”的阶段。这在按量计费的 AI 工具面前,根本不够用。

    OpenAI 的应对:从通用工具到垂直工作流

    有意思的是,就在 Uber 预算事件发酵的同一天,OpenAI 推出了新的 Codex 功能——针对 6 个特定职业场景的插件:数据分析、创意生产、销售、产品设计、股权投资、投资银行。

    这不是一个通用编程助手,而是一套”把 AI 打包成职业能力”的方案。

    背后的逻辑是什么?

    如果企业很难管住 AI 的消耗量,那不如让 AI 的输出更可预期。 一个数据分析插件,有明确的输入输出范围,消耗量更容易预测,价值也更容易量化。

    这和 Copilot 按开发者数量收费的模式不同——Copilot 是固定成本,不会因为用得多就多付钱。而 OpenAI 的垂直插件,是把 AI 能力打包成可量产的”工作流产品”,卖给需要特定职业能力的企业。

    这是两种完全不同的商业思路:一个卖工具,一个卖工作流。

    真正的问题:AI 企业化的核心矛盾

    回到 Uber。

    这家公司的问题不是”买了 AI 工具”,而是买了 AI 工具,但没有建立对应的消耗管理和价值评估体系。

    这个问题的普遍性,远超 Uber 一家。

    现在大量企业在采购 AI 工具时,决策者是技术团队,但买单的是财务团队。技术团队看到的是能力,财务团队看到的是成本。两边之间缺乏有效的翻译机制。

    当 AI 工具以”按用量计费”的方式进入企业,现有财务模型完全无法应对:成本是可变的、不可预测的,但收益是模糊的、难以量化的。

    这就是为什么”AI 落地”这个词,在 2026 年的企业语境里,已经不只是技术问题,而是管理问题、财务问题、甚至组织文化问题。

    Uber 的预算危机,是 AI 企业化进程中的一道必过关卡。 过不去的企业,会在财务压力下收缩;过去的企业,会建立起全新的 AI 采购和管理能力。

    这不是”AI 行不行”的问题,而是”企业准备好了没有”的问题。

    本文相关平台:如果你对 AI 模型和工具感兴趣,可以体验 Freemodel(注册送一个月 Pro,每周 66 美元 GPT-5.5 额度):https://freemodel.dev/invite/FRE-7704e9c5


    本文相关平台:如果你对 AI 模型和工具感兴趣,可以体验 Freemodel(注册送一个月 Pro,每周 66 美元 GPT-5.5 额度):https://freemodel.dev/invite/FRE-7704e9c5

    上一篇 Uber 烧光全年 AI 预算只用 4 个月:企业 AI 幻觉正在破裂
    下一篇 Alphabet为谷歌人工智能业务筹集了创纪录的850亿美元,这是一个非常好的信号深度解读

    站点性能

    运行正常
    实时心跳0 ms
    页面加载
    0
    SQL 查询
    0
    服务端响应
    0 ms
    峰值内存
    0 MB

    探索站点内容

    搜索文章、标签、分类

    热搜 教程 主题