Uber的AI账：4个月烧光全年预算，然后开始限额|lyft|优步|初创公司|知名企业|自动驾驶|谷歌|限额

2026年4月，Uber的CTOPraveenNeppalliNaga向管理层汇报了一个令人尴尬的情况：公司为2026年全年准备的AI工具预算，已经在今年的前4个月，全部花完了。

2个月后，Uber出台内部新规：每位员工、每款AI编码工具（ClaudeCode、Cursor等），月调用上限1500美元。员工可通过内部数据面板实时查看消耗额度，特殊场景经审批可突破限额。

从"尽可能多用AI"到"每人每月1500刀封顶"，Uber只用了两个月。

2400万美元的“开胃菜”

钱是怎么烧的？6000名工程师，每人每月的AI工具成本在500-2000美元之间。取中位数1000美元，每月就是600万美元，四个月就是2400万美元。

而这只是直接开支。Uber2025年研发支出是34亿美元，同比上涨9%，AI是最大的增量推手。如果算上自动驾驶采购、股权投资、数据中心、与英伟达合作等，这个数字要再翻几十倍。

但管理层头疼的不是数字本身，而是另一个问题：这些钱，到底换来了什么？

COO说了硅谷不敢说的话

COOAndrewMacdonald在内部会上坦诚："花钱速度惊人，但目前很难把AI用量和实际产品产出直接挂钩。"

他进一步承认："还没有明确证据证明AI投入带来了显著可量化的业务提升。"

这话分量不轻。Uber不是AI初创公司，而是拥有数千万日活用户的成熟平台。它的每一个AI功能，如ETA预测、动态定价、智能匹配，都已经深度嵌入业务。按理说，效果应该是可测的。

但问题在于：增量效果，越来越难归因。

复购率增长了10%，究竟归功于AI模型的优化，还是归功于市场需求的自然增长？是AI工具让工程师写了更好的代码，还是工程师本来就该写出更好的代码？

1500刀的月度限额，本质上就是对这个问题的一个粗暴回答：既然算不清，那就先封顶。

钱到底花在哪了？

Uber的AI开支可以分成几层。

工程师工具层。ClaudeCode、GitHubCopilot、Cursor……每人每月几百到几千美元的订阅费，看起来不多，乘上6000人就变成了一笔巨款。这些工具到底让工程师快了多少？没人能给出精确数字。

有内部人士调侃："以前写一个功能要一天，现在半天，但另外半天用来调prompt。"现在这块被月限额给卡住了。

业务AI层。DeepETA融合实时路况、天气、历史数据，每秒数万次计算做精准预测；动态定价实时调溢价，匹配率提升15%实实在在。但多少来自新的AI投入？边际效益是否在递减？算不清。

司机助手和底层基建。UberAssistant帮新司机快速度过磨合期、帮老司机优化时间分配，AIGuard做内部治理筛幻觉；Michelangelo负责模型训练部署推理；GenAIGateway负责路由和成本。产品有明确的用户价值，但目前还都是成本中心。GPU算力、数据存储、网络带宽，每一项都是天价。

自动驾驶：更大的"无底洞"

上述所有开支，与Uber在自动驾驶上的投入相比，只是零头。

2026年4月，Uber承诺投入超过100亿美元。25亿美元投资技术公司，75亿美元购买Robotaxi车辆。

但问题在于，Uber不自主研发自动驾驶算法、芯片或传感器。所有AI驾驶能力来自Waymo、英伟达等合作伙伴。

在自动驾驶五层模型里，Uber只占最上层的调度网络（Marketplace）。车辆制造、AV算法、车队运营、融资与残值管理，全在别人手里。Uber用100亿美元买了一张入场券，但核心技术不在自己手里。

更尴尬的是，2026年2月和5月，Uber因Cloudflare故障两次大面积宕机。AI调度再聪明，底层一崩全瘫。AI加的是智能，加不了韧性。

AI的账，为什么算不清？

原因有三。

归因困难。AI已经嵌入业务流程的每一个毛孔。ETA预测准确率提升1%，到底是模型变好了，还是天气变好了？无法剥离。

时间错配。很多AI投入是基础设施级的，效果要在中长期才能显现。但预算是按年度制定的，矛盾天然存在。

竞争压力。即使算不清，Uber也不敢停。Lyft、Waymo都在加码AI。停下来的代价，比花冤枉钱更大。

Uber不是孤例。微软给OpenAI投了130亿美元，Copilot的商业效果同样说不清；谷歌Gemini内嵌搜索，增量营收几何？也没人算得清。