网约车巨头 Uber 可谓是硅谷最激进的 AI 拥趸之一：动态定价由 AI 决定、路线优化由 AI 完成、各种预测功能均依赖 AI。但即便是这样一家公司，其高管如今也开始对 AI 支出发出警示。 在 Rapid Response 播客的采访中，Uber 总裁兼首席运营官 Andrew Macdonald 直言，很难在 Claude Code 的使用量与面向消费者的创新之间画出直接的联系。 "这条链路还没有打通，"他说。"也许隐性产出确实在增加，但很难把某个数据指标直接等同于''我们正在向用户交付比原来多 25% 的有用功能''。" 这一表态背后有其数据支撑：Uber 在激励员工采用 AI 工具（以内部排行榜让各团队比拼 AI 使用量）之后，仅用四个月就烧光了 2026 年全部 AI 编码工具预算。这是企业 AI 采用潮中正在显现的典型困境：**用得越多，成本越高，即使单位 AI 定价在下降**。 "如果你没办法直接量化向用户交付了多少有用的功能特性，那这笔交易就越来越难向团队解释清楚。"Macdonald 如此总结。 Uber 并非孤例。微软本月早些时候据报道已停用大部分 Claude Code 直许可，转而让工程师使用 GitHub Copilot CLI。多邻国 CEO Luis von Ahn 也在去年收回了此前的"AI 优先"论调——他表示，看不到 AI 能真正替代员工所执行的任务。 不过，Uber CEO Dara Khosrowshahi 在本月早些时候的财报电话中给出了一组更细致的数据：目前公司约 10% 的提交代码由自主 Agent 完成。但他也补充，AI 的应用范围早已不限于软件工程师团队。 "我们看到法务团队、市场团队、开发团队都在用这些工具，"他说。"我们认为这正在创造''超级能力者''员工。" 硬币的另一面是：研究机构 Gartner 的报告指出，到 2030 年，高度复杂 AI 模型的推理成本将比 2025 年降低 90%——但这并不意味着企业级 AI 会变得更便宜，因为 Agent 模型每项任务所需的 Token 数量远超标准模型，且 AI 提供商不会将成本降幅完全让渡给客户。Gartner 另一项研究则预计，AI Agent 软件支出将在 2026 年达到近 2070 亿美元，较 2025 年的 864 亿美元增长超过 139%。 尽管如此，Uber 并不打算在技术创新上退缩。Macdonald 表示，公司正在全力押注自动驾驶，并预期这一技术将在二十年内成为主流。 "我不觉得我现在还很小的小女儿们，以后还需要考驾照，"他说。 --- Uber 的困境折射出一个正在在科技行业蔓延的矛盾：**AI 的消耗成本是可见的，而它带来的产出却往往是模糊的**。这不是 Uber 一家的问题，而是整个行业在狂飙突进之后开始精算账单的信号。 Claude Code 把年度预算四个月烧穿，说明 agentic AI 在代码场景下的 token 消耗远超预期——或者说，预期管理本身就出了问题。微软转投 GitHub Copilot CLI 的动作更是一个清晰的商业信号：当 ROI 开始被用放大镜审视，企业软件的选择逻辑正在从"谁更强"切换到"谁更划算"。 但这并不意味着 AI 方向错了。Macdonald 那句"link is not there yet"——"这条链路还没有打通"——的潜台词更值得玩味：路还在，只是还没走到终点。Gartner 的数据给出了另一种视角：十年后推理成本降 90%，而 Agent 市场年增速 139%——供需两侧都在高速演进，现在就宣判 Agent 经济性失败，未免太早。 真正值得关注的是：**从"先用了再说"到"算清楚再投"，科技行业对 AI 的态度正在完成一次理性的回归**。这对整个生态的健康度来说，未必是坏事。