5000 人、4 个月、1200 美元的 demo
Uber 今年搞了件挺荒诞的事。
他们给大约 5000 名工程师铺上了 Claude Code——这是 Anthropic 出的 AI 编程工具，能帮你写代码、改 bug、重构老项目。工程师们用得很开心，月活率飙到 84% 到 95%，每个月大概 70% 的代码提交都有 AI 参与。
然后全年预算 4 个月就烧完了。
Uber 的 CTO 在一场 2 小时的内部技术演示里，光 token 就花了 1200 美元。一场演示。2 小时。我上次花 1200 美元是买了台二手显示器，用了一年半。
这不是个技术故事，这是个账单故事。
“100 倍效率”和”22% 裁员”是同一个人说的
Uber 不是个案。
有家公司的 CEO 公开宣称，他们找到了”100x 组织”的架构——用 AI Agent 把人才杠杆乘到 100 倍。同一时间段，这家公司裁了 22% 的人。
100 倍目标，裁 22% 的人。我不是在讽刺”100x”这个数字本身——它说的是人×AI 的乘法效应，不是”一个人顶 100 个人”。但裁 22% 的事实说明，在”100x”目标达成之前，成本先下了手。你甚至说不清裁的是”冗余”还是”为了完成目标做的优化”。
另一位大厂老板更直白，他说现在 CEO 们集体得了一种病——觉得不往 AI 里砸钱就会死，但砸完钱也说不清到底多赚了什么。
你公司是不是也这样？老板说要拥抱 AI，团队说已经在用了，财务说预算超了，但谁也说不清省下的时间到底转化成了什么。
Uber 的 COO 后来也说了句大实话：如果你说不清楚你为用户交付了多少有用的功能，这笔钱花得就很难站住脚。 这话听起来像废话，但全行业有几家公司能回答这个问题？
有个行业调查说，80% 用了自主 AI 技术的公司，在削减岗位之后并没有看到有意义的财务回报。不是 AI 没用，是没人去量那个”有用”到底有多大。
按 token 付钱：用越多，花越多，停不下来
这里有个关键的结构性问题——大多数人没想明白。
传统软件的逻辑是：买一个工具，交一笔钱，用到天荒地老。你买 Office 一年几百块，不管你写多少文档，价格不变。
AI 编程工具不是这样。你每让它写一行代码、每让它帮你 review 一次、每让它重构一个文件，都在烧 token。token 就是算力单位，用一次收一次钱。
用得越多，花得越多。没有上限。
Uber 的普通工程师人均月账单在 150 到 250 美元之间，而重度用户一个月能烧到 500 到 2000 美元。5000 个人，就算取人均 500 美元，一个月就是 250 万美元。按全年算，一年就是 3000 万。
你家公司的 AI 预算，有没有算过这笔账？
我们这代人经历过一模一样的故事
说真的，这个剧本我见过。
2010 年代初，所有公司疯狂上云。“先迁上去再说""别家都在上了我们不能落后""云比自己养服务器便宜”——这些话我听了无数遍。
然后第一年的云账单出来，所有 CTO 的表情都差不多：比预期贵 3 到 5 倍。
因为大家算的是”比自己买服务器便宜”，没算的是——测试环境不关、日志无限存储、每个团队各开各的实例、谁也不管谁的资源。云的成本问题不是技术问题，是管理问题。
AI 编程工具现在走的就是同一条路。工具好用，工程师开心，效率确实有提升，但成本像水龙头——打开容易，关上没人知道阀门在哪。
每人每月 1500 美元硬上限：狂欢结束了
Uber 的应对措施很直接——每人每月 1500 美元硬上限。
这个数字本身不重要。重要的是”上限”这两个字。
它意味着 AI 编程工具从”爱用多少用多少”的野蛮生长期，进入了”公司要管你花多少钱”的管控期。和当年云成本失控之后，企业开始搞 FinOps（云成本管理）一模一样的剧本。
我敢打赌，接下来半年你会看到越来越多公司给 AI 工具设预算上限。不是因为不想用，是因为第一张大账单会把所有人的幻想打碎。
你该焦虑的不是”AI 有没有用”
回到最根本的问题。
不是 AI 编程有没有用——有用，Uber 的数据摆在那里，95% 的工程师月活率说明工具本身是好东西。
问题是你连怎么管 AI 的钱都没学会。
你家公司的 AI 预算谁批的？按什么标准批的？花完之后怎么衡量回报？如果回答是”老板说批就批了""先用着看效果”——那恭喜你，你和 Uber 踩的是同一个坑，只不过你的账单还没到而已。
先定 ROI 指标，再买工具。这个顺序不能反。
反了，你就是下一个”全年预算 4 个月花完”的主角。
还记得开头那个 1200 美元的二手显示器吗？下次你的老板看到 AI 账单的时候，表情大概和那时的我一样——盯着数字，心想这钱到底花得值不值。