Uber用AI放慢招聘：不是让工程师消失，而是让人和智能体一起多交付

AI在Uber工程团队里具体做什么

Uber的变化不只是把AI当作“自动补全”。从公开信息看，它正在把AI放进软件交付流程的更多环节。

Uber CTO Praveen Neppalli Naga表示，公司已经在AI编码上“重度投入”，95%的Uber工程师每月使用AI工具；同时，一个内部AI智能体每周大约完成1,800次代码变更 。

开发者生产力方面的工作也不止于写代码。一个Developer Productivity Engineering相关会议介绍称，Uber的AI投入覆盖软件开发生命周期，包括为大型单一代码仓库（monorepo）定制编码助手、用智能体系统处理大规模代码迁移，以及把AI用于测试和代码审查流程 。

关键控制点仍然是审核。Khosrowshahi称，AI生成的代码会在进入代码库前由员工检查 。换句话说，Uber是在用智能体加快准备和产出，而不是把生产级工程完全交给无人监督的系统。

“10%的代码变更”不等于“10%的代码”

围绕Uber AI编码的几个数字，容易被混在一起理解，但它们衡量的是不同事情。

Khosrowshahi所说的10%，指的是由自主智能体生成的“代码变更” 。另有The Pragmatic Engineer报道称，Uber有84%的开发者属于“智能体式编码”用户，也就是他们使用命令行智能体，或在IDE里发起的智能体式请求多于简单的Tab补全请求 。同一报道还称，在基于IDE的工具中，65%至72%的代码由AI生成 。

这些说法并不必然矛盾：一个衡量自主智能体产出的代码变更，一个衡量开发者是否采用智能体式工作流，另一个衡量IDE工具里AI生成代码的比例。更稳妥的理解是：AI可能参与了相当多代码草拟工作，但最终被归因于“自主智能体”的已合并变更，占比是另一回事 。

为什么这会减少招聘压力

如果同样数量的工程师可以交付更多工作，Uber就有机会在不同比例增加员工的情况下扩大工程产能。这正是“加大AI投入、放慢招聘”的经济逻辑 。

但成本并没有凭空消失，而是发生了转移。过去更多成本可能体现在新增薪酬和岗位上；现在还要支付AI工具、智能体系统和算力基础设施费用。有报道称，Claude Code使用量激增，导致Uber提前耗尽了原本规划的2026年AI编码预算；Uber还使用了Claude Code和Cursor等工具 。

这类报道更适合作为工具需求迅速上升的截面观察，而不是Uber整体AI经济账的完整审计。但它说明了一点：软件产能越来越像是由“人、智能体、工具和基础设施”共同组成的组合，而不是单纯靠增加工程师人数来解决。

AI也在进入工程之外的运营环节

Uber的AI策略并不限于写代码。Khosrowshahi表示，Uber多年来已经用AI为网约车行程定价，并匹配司机与乘客 。

近年的报道还称，生成式AI和智能体式AI正在用于客户支持、司机入驻，以及工程开发生命周期中的部分环节，从而减少一些流程里的人工介入 。

这对招聘同样重要。即便不在编码环节，如果AI能加快客服处理、简化司机上线流程，或帮助排查内部服务问题，Uber也可能在不按原计划增加同等人数的情况下缓解瓶颈 。

对工程师意味着什么

Uber目前展示的不是“没有工程师的工程组织”，而是“有监督的AI工程组织”。智能体可以起草代码、准备变更、支持迁移、辅助测试和审查流程；但在进入代码库前，人类仍承担审核责任 。

真正受到影响的，更可能是增量招聘。只要AI工具能在真实工作流中持续带来可靠收益，Uber就可以在扩大工程产能的同时，比过去少招聘一部分新增员工 。

不过，仍要区分“使用率”和“生产率”。95%的工程师使用AI、一定比例代码由AI生成，这些数字说明AI已经深入日常开发；但它们本身并不能精确证明质量、可靠性、维护成本和长期工程效率分别提升了多少。对Uber以及其他大型科技公司来说，下一步难题不是让大家用上AI，而是证明AI写得快、改得稳、长期也划算。