Uber 四個月燒光全年度 AI 預算的警世錄：當「代幣最大化」失控，錢都去哪裡了？

這個預算燒穿的速度令人咋舌。Uber 在 2025 年底導入 Claude Code，並透過內部排行榜，以工程師的「代幣消耗量」作為排名依據，積極鼓勵使用 。到了 2 月，Claude Code 用量幾乎翻倍；3 月時，已有 84% 的 Uber 開發者被歸類為「代理式編碼」（agentic-coding）用戶，IDE 工具中有 65% 至 72% 的代碼是 AI 生成的 。Uber 內部 AI 編碼代理現在每週產生約 1,800 次代碼變更 。簡單來說，公司將最大代幣消耗量包裝成一場遊戲競賽，最終也精準拿到了它所設定的獎勵：失控的帳單。

出了問題的預算編列思維

根本原因並不僅僅是工程師的狂熱。Uber 的預算是建立在「按人頭計算（Per-seat）」的 SaaS 思維模型上——這個模式在過去二十年軟體授權的時代非常有效 。然而，生成式 AI 的定價原則完全不同：每個處理的代幣（Token）都要錢，帳單是隨著人們的「使用強度」而增長，而非單純的「取用人數」。顧問公司 Gartner 報告指出，代理式工作流程每項任務消耗的代幣量，是靜態聊天機器人的 5 到 30 倍，創建了一條傳統預測方法無法承擔的成本曲線 。

Uber 仔細計算了支出，卻沒有衡量收益。每位工程師節省了多少時間？避免了多少程式錯誤？對營收或乘客體驗有什麼實際影響？公司高層並沒有明確的答案 。

營運長畫下的那條線

在 2026 年 5 月接受《Business Insider》採訪時，Uber 營運長安德魯·麥克唐納 (Andrew Macdonald) 讓這種緊張關係浮上檯面。在與資深工程主管對話後，麥克唐納表示，越來越「難以證明」公司在 AI「代幣最大化」上所花費的資金是合理的 。他坦言，更高的代幣使用量，並未轉化為對消費者有用的功能：「這個連結還沒出現，對吧？我認為可能隱約有更多東西被推出，但很難在那些統計數據和『好，現在業務確實跑得更快了』之間，畫上一條明確的線」。

技術長本人也承認，公司對於 AI 成本治理已「回到原點重新構思」。這種內部矛盾揭露了一個經典的誘因錯配：領導階層透過排行榜、公開排名和技術長的鼓吹，大力推動工具採用；然後才發現，沒有限制的代幣消耗，會在沒有自然調節機制下創造出失控的成本 。工程師很理性地根據獎勵機制盡可能使用工具；而企業經營端也很理性地開始質疑，這些消耗是否真的能對利潤、乘客體驗或營收帶來任何轉變。

更廣泛的行業困境

Uber 並非異類。微軟也發現類似情況，AI 驅動的編碼助手可能比它們原本要輔助的人力勞動更昂貴 。整個企業界面臨的結構性挑戰如出一轍：生成式 AI 工具按代幣計費、其價值難以獨立衡量、而工程組織內的獎勵機制又傾向於追求最大消耗量而非最大效率。

Gartner 所說的代理式工作流程 5 至 30 倍代幣乘數效應，不只發生在 Uber，而是全行業的現象 。光是 Anthropic 的 Claude Code，年化營收（annualized revenue）到 2026 年 2 月已達 25 億美元，高於 2025 年 11 月的 10 億美元，創下史上最快的企業軟體成長速度 。企業的支出是真實的，但回報目前還看不見。

行業需要克服的難題

Uber 的案例揭示了一個還沒有任何大公司能解決的挑戰：你要如何為一門成本隨使用量增長、產出品質不易衡量、且為了維持競爭力必須鼓勵採用的技術，來編列預算？而這一切，都是在財務長必須看到清晰的損益（P&L）影響的前提下。在企業還沒有建立一套能將代幣支出連結到具體、可衡量商業成果的治理模式之前，「代幣最大化」的病灶將從 Uber 蔓延開來。未來，誰能率先想出如何衡量並優化 AI 真正的投資報酬率（ROI），而不只是盯著代幣消耗量，誰就能掌握遠比排行榜名次更關鍵的競爭優勢。