问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年5月，Uber总裁兼首席运营官安德鲁·麦克唐纳公开质疑企业AI投入产出比。该公司2026年仅过去四个月便耗尽全年AI编码工具预算，尽管目前95%的工程师已使用Claude Code等AI工具，70%的代码由AI生成，但高昂算力投入并未直接转化为用户可感知的产品功能提升，暴露出企业级AI落地的普遍痛点。
今年年初Uber内部的AI工具普及速度，远超管理层的预期。2025年底才正式在工程师团队内部部署的Claude Code，仅用三个月普及率就从32%跃升至84%，截至5月已有近95%的技术人员将其纳入日常工作流。
高速普及的背后是成本的快速攀升：每位工程师每月的API调用成本在500到2000美元不等，叠加Uber全球超过5000名工程师的使用规模，仅四个月就吃光了2026年全年预留的AI编码工具预算，直接触发了内部财务警报。此前管理层对AI工具的成本测算普遍偏乐观，完全没有预料到用户渗透率会在短时间内出现爆发式增长，也没有设置动态的成本管控阈值。
最让管理层困惑的不是短期超支，而是投入和产出的明显不匹配。安德鲁·麦克唐纳在公开采访中提到，目前Uber70%的代码提交都由AI辅助生成，工程师的单点编码效率确实有直观提升，但这些增量产出大多集中在重复代码生成、内部工具优化等非核心环节，几乎没有转化为面向用户的新功能迭代，也没有带动订单量、用户留存等核心业务指标的显著增长。
不少内部技术人员透露，AI生成的代码往往存在隐性的逻辑漏洞，需要额外耗费资深工程师的时间校验调试，这部分隐形成本并没有被纳入前期的投入产出测算，也进一步摊薄了AI带来的实际收益。
Uber的案例并非个例，此前已有多家全球科技公司透露正在收紧非核心场景的AI算力投入。过去两年行业普遍将AI工具普及率、代码生成率等作为核心考核指标，盲目跟风上线通用AI工具，却很少将AI投入和业务核心指标直接挂钩，“为了上AI而上AI”的情况十分普遍。
随着越来越多企业意识到AI“生产力幻觉”的存在，未来企业级AI的落地会明显转向精耕模式：不再追求全员覆盖的表层数据，而是针对具体业务场景定制轻量化AI工具，直接将AI产出绑定到业务价值上，从“看规模”转向“看收益”。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号