（AI 资源之家讯）2025 年底，Uber 给工程师们部署了 Claude Code，本以为靠 AI 编程省人、省钱、提效，结果短短四个月，公司为 2026 年一整年准备的 AI 工具预算已经全部花完。Uber CTO Praveen Neppalli Naga 向管理层汇报这一令人尴尬的情况时，也揭开了企业级 AI 从采纳到大规模应用后面临的成本失控难题。这一案例迅速成为硅谷热议话题，为企业 AI 部署敲响警钟。
## 成本失控的根源
数据显示，Uber 高达 95% 的工程师在使用 Claude Code，七成代码由 AI 编写。然而每个工程师每月光 AI 工具费就高达 2000 美元，全公司数千名工程师的累计使用量远超预期。问题的本质不在于 AI 太贵，而在于 "太好用"。当工具足够便捷，员工会不自觉地大量使用，导致成本呈指数级增长。Uber 的案例表明，AI 工具的边际成本几乎为零这一假设在现实中并不成立。
## 企业 AI 成本治理的新课题
Uber 的困境并非孤例。随着 AI 编程工具在企业中普及，如何平衡效率提升与成本控制成为 CTO 们的新课题。一些企业已开始将 token 消耗量纳入员工绩效考核，试图通过管理手段控制 AI 使用量。但这种方式可能引发 "表演性工作" 和组织创新枯竭等深层管理困境。如何在推动 AI 采纳的同时建立合理的成本管控机制，是企业 AI 战略中不可回避的核心挑战。
## 行业反思与趋势
Uber 案例折射出企业级 AI 落地的一个普遍规律：从 "试点采纳" 到 "无限使用" 之间存在巨大的成本鸿沟。企业需要建立精细化的 AI 使用预算体系，设置使用上限和成本预警机制，同时评估 AI 工具带来的实际产出是否匹配投入。当 "太好用" 变成 "太烧钱"，硅谷大厂开始重新审视 AI 部署的经济账。
