📰 大厂让程序员卷 AI，4 个月烧掉全年预算，CTO 懵了-36氪
本文通过分析 Uber 使用 Claude Code 的案例，揭示了 AI 工具在企业内部应用的高渗透性与成本失控风险。报告显示，短短四个月内，Uber 的 AI 编程工具使用率高达95%，70%的新代码由 AI 生成，单名工程师月均工具成本在500-2000美元之间。以中位数1000美元粗算，六千名工程师四个月就花费约2400万美元，成为推动公司研发支出的最大增量来源。传统预算以人力规模和历史使用量预测，但 AI 的无上限潜力打破了这个天花板，使得每一步的产出虽合理但也伴随巨量 token 消耗，导致成本远超预期。市场对 ROI 的担忧在行业内广泛浮现，企业普遍出现成本失控的现象。该现象并非 AI 失败，而是 AI 在“够用”门槛之后，如何控制使用、如何分摊成本等管理挑战的新考验。文章呼吁企业重新规划 AI 预算、回到更清晰的使用边界，避免把好用的工具变成隐性负债。最终问题指向：当 AI 已经足够好用，谁来为这份“好用”买单？
🏷️ #AI成本 #预算管理 #代码生成 # token 消耗 # 企业应用
🔗 原文链接
📰 大厂让程序员卷 AI，4 个月烧掉全年预算，CTO 懵了-36氪
本文通过分析 Uber 使用 Claude Code 的案例，揭示了 AI 工具在企业内部应用的高渗透性与成本失控风险。报告显示，短短四个月内，Uber 的 AI 编程工具使用率高达95%，70%的新代码由 AI 生成，单名工程师月均工具成本在500-2000美元之间。以中位数1000美元粗算，六千名工程师四个月就花费约2400万美元，成为推动公司研发支出的最大增量来源。传统预算以人力规模和历史使用量预测，但 AI 的无上限潜力打破了这个天花板，使得每一步的产出虽合理但也伴随巨量 token 消耗，导致成本远超预期。市场对 ROI 的担忧在行业内广泛浮现，企业普遍出现成本失控的现象。该现象并非 AI 失败，而是 AI 在“够用”门槛之后，如何控制使用、如何分摊成本等管理挑战的新考验。文章呼吁企业重新规划 AI 预算、回到更清晰的使用边界，避免把好用的工具变成隐性负债。最终问题指向：当 AI 已经足够好用，谁来为这份“好用”买单？
🏷️ #AI成本 #预算管理 #代码生成 # token 消耗 # 企业应用
🔗 原文链接
