Uber 每月 1,500 美元的 AI 限额：AI 工具定价的有用信号

背景

Uber 在 2026 年初遭遇了令人瞩目的 AI 支出失控。据作者此前分析，Uber 在 2026 年仅四个月就耗尽了其全年的 AI 预算。这一现象并非完全出乎意料，因为企业通常在前一年（2025 年）制定预算，当时无人能预见到“消耗 token 的代码代理（token-burning coding agents）”会如此迅速且大规模地流行起来。

随着 Cursor、Anthropic PBC 的 Claude Code 等智能体编码软件（agentic coding software）的普及，开发者对 AI 算力的需求呈指数级增长，导致传统的企业预算模型失效。在此背景下，Uber 采取了一项新的管控措施，旨在重新平衡成本与效率。

核心内容

据 Bloomberg 报道，Uber 发言人确认，公司正在限制所有员工在每个 AI 编码工具上的月度 token 支出上限为 1,500 美元。这一政策的关键细节包括：

1. 独立限额机制：每个工具拥有独立的预算池。这意味着员工在 Cursor 上的超额消费不会影响其在 Claude Code 或其他工具上的预算额度。
2. 适用范围：该限制仅针对智能体编码软件，如 Cursor 或 Anthropic PBC 的 Claude Code，而非所有 AI 工具。
3. 实施时间：该限制措施已在近几个月内逐步实施。

作者对这一政策进行了深入的财务拆解与对比分析：

• 单人年度成本估算：假设每位工程师平均活跃使用两个 AI 工具，则每位工程师的年度 AI 支出上限为 $3,000 \times 12 = 36,000$ 美元。
• 与薪酬比例对比：根据 Levels.fyi 的数据，美国 Uber 软件工程师的中位数年度薪酬包为 330,000 美元。这意味着，每位员工的 AI 支出上限约占其薪酬总额的 11%。
• 个人使用体验对比：作者指出，自己每月在 Anthropic 和 OpenAI 上的 token 使用量约为 1,000 美元。得益于面向个人订阅者的慷慨补贴计划，作者实际支付给每个提供商的费用仅为 100 美元。然而，这类针对个人的补贴计划已不再向 Uber 这样的大型企业开放。
• 剩余预算分析：如果作者身处 Uber 并遵循其使用模式，在 1,500 美元的限额下，他每月在每个工具上仍将剩余约 500 美元的 token 预算。

此外，文章还提及了作者近期的其他观察，包括 Claude Opus 4.8 版本带来的“适度但可感知的改进”，以及 Anthropic 和 OpenAI 似乎已找到产品市场契合点（product-market fit）的判断。

关键要点

• 政策转向：Uber 从之前的“无限制或粗放式管理”转向严格的“单工具月度 token 支出上限”（$1,500/工具/月），以应对预算超支。
• 预算隔离：限额是按工具独立计算的，避免了单一工具的高消费挤占其他工具的预算，鼓励多工具并行使用。
• 成本占比显著：AI 工具支出占工程师薪酬的比例高达 ~11%，显示出 AI 基础设施在企业人力成本中占据了不可忽视的比重。
• 企业 vs 个人定价差异：大型企业无法享受个人用户的补贴价格，导致同等使用量下的实际支出远高于个人用户，这是企业 AI 成本高昂的核心原因之一。
• 理性回归：相较于鼓励员工竞争消耗 token 的“排行榜”文化，设定硬性限额被视为一种更理性、更可持续的支出管理策略。

意义与影响

Uber 的这一举措为整个科技行业提供了一个关于 AI 工具定价和企业成本管理的有用信号：

1. AI 成本的显性化与合理化： $1,500 的限额实际上隐含了 Uber 对 AI 工具产出的估值。如果每位工程师每年为此支付 36,000 美元，企业必须确保 AI 带来的生产力提升远超这一成本。这迫使企业重新评估 AI 工具的 ROI（投资回报率），从“能用多少用多少”转向“需要多少用多少”。

2. 终结“Token 最大化”文化： 早期许多公司鼓励员工尽可能多地使用 AI，甚至通过内部排行榜进行竞争。Uber 的政策标志着这种粗放式增长的结束。它表明，随着 AI 渗透率的提高，企业必须建立精细化的财务模型，防止算力浪费。

3. 定价策略的分化： 文章揭示了 B2B 与 B2C 在 AI 定价上的巨大鸿沟。个人用户通过补贴以极低价格获得高额算力，而企业则面临全额甚至溢价的市场价格。这可能会推动 AI 模型提供商（如 Anthropic、OpenAI）重新思考其企业定价策略，或者促使企业寻求更高效的 API 集成方案以降低成本。

4. 对未来预算制定的启示： 对于其他尚未建立严格 AI 预算控制的公司，Uber 的案例是一个警示。在制定下一年度预算时，必须充分考虑 AI 工具使用量的非线性增长潜力，避免重蹈“年初预算年中耗尽”的覆辙。

5. 技术成熟度的侧面印证： 尽管成本高昂，但 Uber 仍愿意为每位工程师投入如此高昂的 AI 预算，侧面反映了智能体编码工具（如 Claude Code、Cursor）在提升开发效率方面的巨大价值。如果这些工具不能带来显著的生产力飞跃，如此高昂的“薪酬占比”将是不可持续的。