Uber 嘅 AI 燒錢噩夢：帶頭玩「鬥多 Token」比賽，結果一年預算四個月玩完

燒錢嘅速度真係好得人驚。Uber 喺 2025 年底開始導入 Claude Code，仲要整咗個內部排行榜（Leaderboard），鬥邊個工程師用得多 Token，變相鼓勵大家「用多啲」。到咗 2 月，Claude Code 嘅使用量幾乎翻咗一倍。到咗 3 月，Uber 有成 84% 嘅開發者都俾公司歸類為「Agentic 編碼用家」，而喺 IDE（整合開發環境）工具入面，有 65% 至 72% 嘅程式碼都係由 AI 生成嘅 。Uber 內部嘅 AI 編碼 Agent，每個禮拜會產生差唔多 1,800 個程式碼改動 。呢個情況就好似，公司將「鬥用得多 Token」變成一場比賽，而結果亦都正中下懷——工程師梗係有咁多得咁多。

個預算模型根本就行唔通

出事嘅根源，唔單止係因為大家貪新鮮。Uber 一直係用緊一種「按人頭計錢」（Per-seat）嘅 SaaS 思維去砌預算，呢套嘢喺過去廿年嘅軟件授權模式都好掂 。但生成式 AI 嘅定價，係建基於一個完全唔同嘅邏輯：每處理一個 Token 都要畀錢，張單係跟住啲人用得幾「狠」去計，而唔係跟住有幾多人去用。Gartner 份報告提過，Agentic 工作流程每個任務消耗嘅 Token，係普通靜態 Chatbot 嘅 5 到 30 倍，咁樣就會產生一條傳統估算方法完全跟唔上嘅成本曲線 。

Uber 做到嘅，係計到盤數（開支），但計唔到成果。每個工程師慳咗幾多時間？避免咗幾多 Bugs（程式錯誤）？公司收入或者乘客體驗有冇改善到？對於呢啲問題，公司都冇明確答案 。

COO 忍唔住要出聲

喺 2026 年 5 月《Business Insider》嘅一篇訪問入面，Uber 嘅營運總監 Andrew Macdonald 就將呢種矛盾擺晒上枱。同幾位資深工程主管傾過之後，Macdonald 話，公司使喺 AI「Tokenmaxxing」上面嘅錢，「愈嚟愈難解釋得通」（harder to justify）。佢承認，更高嘅 Token 使用量，並冇相應咁轉化為更多有用嘅消費者功能：「條 link 仲未接通㗎，係咪？我諗，可能隱約係有多咗嘢推出到，但係你好難喺呢啲統計數據同『好啦，而家間公司行得快咗』之間，畫到一條線出嚟」。

技術總監自己都承認，公司喺 AI 成本管理上要「返去重新畫過晒啲圖則」（back to the drawing board）。呢場內部風波，反映出一個好典型嘅激勵錯配：管理層用盡方法（排行榜、公開排名、CTO 鼓勵）去力推工具普及，然後先發現，冇約束嘅 Token 消耗會搞到成本失控，一發不可收拾 。工程師好理性咁，有獎就拎，用盡啲工具。而生意佬而家亦都好理性咁去問：咁樣燒錢法，對利潤、乘客體驗、定係收入，究竟有冇幫助？

全行都係咁，唔係得 Uber 係咁

Uber 唔係個別例子。微軟都有類似嘅發現，就係 AI 編碼助手嘅成本，可以仲貴過佢哋諗住去輔助嘅人手 。成個企業界都面對緊同一個結構性問題：生成式 AI 工具係按 Token 收費，佢嘅價值好難獨立咁去量化同衡量，而工程團隊內部嘅誘因，就係推人去鬥用得最多，而唔係鬥用得最有效率。

Gartner 講嗰個 Agentic 工作流程嘅 5 到 30 倍 Token 消耗倍數，係適用於成個行業嘅 。單係 Anthropic 嘅 Claude Code，喺 2026 年 2 月嘅年度經常性收入（ARR）就已經去到 25 億美元，比起 2025 年 11 月嘅 10 億美元升咗一大截——呢個係企業軟件史上最快嘅增長紀錄 。錢就肯定使咗出去，但回報就仲未見到。

成個行業都要解決嘅難題

Uber 呢單嘢，帶出咗一個冇乜大公司解決到嘅挑戰：當一樣科技，佢嘅成本會跟住使用量升，產出品質又好難衡量，而你為咗保持競爭力又要鼓勵人去用——喺呢個時候，CFO（財務總監）仲要你交到盤數，睇到損益表（P&L）嘅影響，咁你究竟要點樣去砌個預算？

喺企業諗到點樣建立一套管理模型，將 Token 花費連結去一啲具體、可衡量嘅商業成果之前，呢個「Tokenmaxxing」問題只會喺 Uber 以外嘅地方繼續蔓延。邊間公司最先諗到點樣去衡量同優化 AI 嘅「真正投資回報」（ROI）——而唔係淨係識睇住個 Token 消耗量——佢就會得到一個比任何排行榜名次都更重要嘅競爭優勢。