Claude Code 讓 Uber 兩個月燒完年度預算後，COO 直言：Token 消耗和有用輸出不存在正比

Uber COO Andrew Macdonald 在最新訪談中坦言，公司的 AI 支出正愈來愈難向內部交代，CTO Praveen Naga 兩個月前透露 Claude Code 預算已提前燒完，但更核心的問題在於：更高的 token 消耗，換不來等比例增加的消費者功能輸出。
（前情提要：不只叫車》Uber 合作 Expedia 新增飯店訂房，邁向一站式旅遊超級 App）
（背景補充：Anthropic 報告：2028 年 AI 霸主之爭，美國不守住算力優勢恐被中國反超）

本文目錄

當一家公司的每位工程師每月在 AI 工具上燒掉最高 2,000 美元，70% 的提交程式碼來自 AI 生成，卻沒有人能回答「這到底換來了幾個功能」問題就不再是技術問題，而是管理危機。

Uber 營運長 Andrew Macdonald 日前接受 Rapid Response 訪談，說出了這件科技業心照不宣的事：花在 AI 上的錢，愈來愈難向人交代。

一場預算危機

此前 Uber 技術長 Praveen Neppalli Naga 今年四月接受 The Information 採訪時，也說了一句話：「我以為的預算，已經提前燒完了。」

當時的背景是：Uber 旗下 5,000 名工程師對 Claude Code 的採用率，在短短數月內從 32% 飆升至 84%。個別工程師每月花費介於 500 至 2,000 美元不等；Naga 本人曾在一次內部展示中，兩小時就消耗了 1,200 美元的 token 額度。

Macdonald 形容這句話在 Uber 高層引發了撼動，觸動了一連串關於 AI token 消耗的討論，包括這些支出是否值得、以及它對人員編制帶來的取捨壓力。

CEO Dara Khosrowshahi 本月在財報電話會議上已明確表態：Uber 正在放緩招聘，部分原因正是為了抵銷 AI 投資的支出。換句話說，AI 工具的帳單，開始影響真實的用人決策。

斷掉的因果鏈：Token 多，功能未必多

Macdonald 在訪談中描述了他與 Uber 資深工程主管溝通後的發現：更高的 token 使用量，並未轉化為等比例增加的消費者功能輸出。

「那條連結還不存在，對吧？」他說，「也許隱隱約約有更多東西被交付出去了，但要在那些數字和『我們多產出了 25% 的有用消費者功能』之間畫一條線，非常困難。」

這個問題揭示了當前 AI 採用潮的核心矛盾：token 消耗量是可測量的，但它衡量的是「使用程度」，而非「產出價值」。Salesforce 近期將這類指標稱為「虛榮指標」，並明確反對以 token 消耗量作為員工績效的評估標準。

值得注意的是，Macdonald 也指出一個認知盲區：對於不用自掏腰包的個別工程師而言，AI 工具「感覺像是免費的」，可以隨意嘗試各種使用情境；但最終，是公司在買單。這種個人與組織之間的成本錯位，正是 token 消耗失控的結構性原因之一。

產業分歧：盡量燒，還是問清楚再燒

Uber 的困惑並非個案，只是率先被高層點名說出來。

Google 在 I/O 2026 大力倡導「tokenmaxxing」，亦即盡可能大量使用 AI，並以此作為衡量工程師投入程度的指標之一。這條路線的邏輯是：使用量本身會帶動能力進化，量變終將引發質變。

但也有企業開始往另一個方向走。Duolingo 曾在績效考核中納入 AI 使用頻率，但在員工提出疑問，「難道要為了用 AI 而用 AI？」，之後，已悄悄撤回這項政策。CEO Luis von Ahn 在四月的一次播客訪談中說：「感覺與其讓大家對實際成果負責，我們反而在推動一件很多情況下根本不適用的事。」

一家醫療企業的案例更為極端：六個月內消耗了 1 兆 token，產生逾 600 萬美元的非計劃成本，財務部門當時甚至不清楚驅動因素是什麼。這不是使用 AI 的問題，而是沒有任何人知道誰在使用、用在哪裡、燒了多少錢。

Macdonald 在訪談中並未宣布任何具體的削減計畫，也沒有說 Uber 要放棄 AI 工具。他只是把一個企業界普遍存在、但鮮少被高層直白說出的問題，說出來了。

衡量 AI 投資報酬率，目前業界沒有標準答案。但愈來愈多跡象顯示，「用了多少」和「得到多少」之間的鴻溝還非常巨大。