Uber最新表态显示，企业内部大规模追求 AI 调用量的阶段正在降温。随着模型使用成本回落，科技公司开始把重点从扩大 token 消耗，转向更具体的效率和产出。
使用人数增四倍
Uber 首席技术官 Praveen Neppalli Naga 周三在 X 平台发文称，公司观察到 AI 成本出现新变化，这也是所谓“tokenmaxxing”时代接近结束的信号。这个词在 2026 年上半年流行，指企业要求员工尽可能把 AI 纳入日常工作流程。
他表示，自今年初以来，Uber 使用前沿 AI 工具的人数增长了 4 倍，但单个 AI token 的成本同步下降。公司压低支出的做法包括优化提示词缓存、采用更合适的默认模型、提高工程师对自身 AI 用量的可见度，以及测试开放权重模型。
代码产出翻倍
Naga 认为，下一阶段的重点不再是谁消耗更多 token，而是谁能更高效地使用这些资源。Uber 首席执行官 Dara Khosrowshahi 也表示，公司仍处在 AI 应用早期，但已经能以较低成本为开发团队带来生产率提升。
他称，按照公司当前采用的衡量口径，工程师的代码产出已经翻倍。这意味着 Uber 仍在继续推进 AI 工具落地，但内部评估标准正从使用规模转向投入产出。
行业重算 AI 账本
Uber 今年早些时候曾因激进推动 AI 使用受到关注。Naga 4 月曾说，公司对 Anthropic Claude Code 的使用已提前耗尽 2026 年预算；他 3 月还提到，Uber 每周约有 1800 次代码变更完全由内部编码代理生成。
不过到 5 月，Uber 首席运营官 Andrew Macdonald 表示，随着 AI 成本上升，公司越来越难证明相关投入是合理的，因为生产率提升并未与支出同步增长。报道指出，这并非 Uber 独有，科技行业整体都在重新评估 AI 投入回报。
一些公司已开始尝试“模型切换”策略，把复杂任务交给前沿模型，把重复性任务转给更便宜的模型。Coinbase 也曾表示正在测试类似方法。与此同时，围绕企业 AI 降本的咨询和推理基础设施服务商也在增加。
