Uber 在四個月內燒光 2026 全年度 AI 預算，全因工程師瘋用 Claude Code

背景

這篇報導指出 Uber 在 2026 年度的 AI 預算，竟然在短短四個月內就被 Claude Code 與 Cursor 等開發工具消耗殆盡。隨著 Uber 工程師對 AI 工具的依賴度大幅提升，每月人均 API 成本飆升至 500 到 2,000 美元之間，迫使這家科技巨頭必須重新審視其研發預算分配，並評估這種高昂的生產力成本是否具備規模化的可行性。

社群觀點

Hacker News 社群對此現象展開了激烈的辯論，許多資深工程師對這種「預算焚燒」的速度感到不可思議。部分評論者質疑，這種爆發性的支出成長，很大程度上源於企業內部錯誤的績效評估指標。當公司將「AI 產出的程式碼比例」或「Token 消耗量」納入考核時，工程師為了達成 KPI，往往會過度使用 AI，甚至在不需要的地方也強行引入。這種現象被視為古德哈特定律（Goodhart's Law）的典型案例：當一個指標變成目標時，它就不再是一個好指標。

關於高昂成本的來源，社群內有許多技術性的推測。許多人認為，這並非單純的對話消耗，而是工程師開始大量使用「代理人」（Agents）或自動化工作流所致。這些工具會自動掃描整個程式庫、不斷嘗試修復 CI 錯誤，或是在背景執行多步驟的任務，若缺乏有效監控，極易陷入無意義的循環中，瞬間燒掉數千美元。此外，也有人指出 Anthropic 的定價策略存在陷阱，當企業規模超過 150 人後，成本會從固定月費轉向昂貴的 API 計價，這對 Uber 這種規模的公司來說是巨大的財務壓力。

在生產力方面，社群意見呈現兩極化。支持者認為，如果 AI 真的能顯著提升開發速度，那麼每年 10 萬美元的 Token 支出相較於高階工程師的薪資其實非常划算。然而，反對者則嚴厲批評 AI 產出的程式碼品質。有工程師分享經驗指出，AI 產生的程式碼往往隱藏技術債，甚至有開發者在不理解邏輯的情況下盲目合併 AI 生成的內容，將程式碼視為某種「組合語言」來處理。這種「以量取勝」的開發模式，雖然在短期內推高了提交量，卻可能在未來造成更大的維護災難。

最後，不少網友對這則新聞的真實性抱持懷疑態度。有評論者比對了其他媒體的報導，指出原文中的數據可能存在誇大或誤導，例如將 11% 的後端更新比例誤傳為 70% 的程式碼佔比。儘管如此，這場討論仍反映出科技業對於 AI 工具從「實驗階段」轉向「成本控管階段」的集體焦慮。

延伸閱讀

• The Information 原始報導：關於 Uber 使用 Claude Code 的深度追蹤，提供了更準確的數據背景。
• Buildermark：留言中提到的工具，用於追蹤與分析程式碼中 AI 生成的比例。
• Paul Graham 的 Submarine 文章：討論企業如何透過公關手段包裝特定訊息。
• Codeburn：一款用於分析 AI 開發工具成本與活動分佈的分析工具。