Uber因AI支出超预算紧急设限

Uber近期宣布对员工使用AI工具的支出设定上限，原因是公司在鼓励员工“尽可能使用AI”后，原本规划的年度预算在短短四个月内便被耗尽。这一事件不仅暴露了企业内部AI部署中的成本失控风险，也为其他正在加速AI落地的科技公司敲响了警钟。

据知情人士透露，Uber此前曾通过内部邮件和培训活动积极倡导员工利用生成式AI工具提升工作效率，包括代码辅助、文档生成以及数据分析等场景。然而，随着使用量的激增，相关API调用费用和第三方服务订阅成本迅速攀升，远超财务部门的预期。最终，管理层不得不紧急介入，对每位员工的月度AI支出设定严格上限，并对非核心用途的AI工具使用进行审批。

这一举措在硅谷引发了广泛讨论。一方面，Uber的经历证明AI工具确实在短期内被大量采用，反映出员工对技术赋能的高度认可；但另一方面，它也揭示了企业在推动AI转型时可能忽视的财务风险——尤其是当使用成本与业务价值未能直接挂钩时，预算超支几乎成为必然。Uber并非唯一面临此问题的公司。此前已有报道指出，多家科技巨头在内部推广AI助手后，均出现了类似的成本激增现象，部分企业甚至不得不暂停免费试用计划，转而推行按需付费模式。

从技术管理角度看，Uber的案例凸显了企业需要建立更精细化的AI治理体系。单纯鼓励“多用AI”而不设定使用边界、监控成本消耗，很容易导致资源浪费。专家建议，企业在引入AI工具时，应同步部署成本监控仪表盘，对高频调用、高成本模型进行实时追踪，并根据业务价值对使用权限进行分级管理。此外，通过自建轻量级模型或采用开源方案替代部分商业API，也是控制长期支出的有效路径。

Uber的后续调整措施可能包括：重新谈判供应商合同、优化模型调用策略（如缓存常见查询结果、限制非工作时间使用）、以及将AI支出纳入部门独立预算考核。这些做法有望为行业提供一套可复用的成本管控框架。事实上，AI技术的价值释放不仅取决于模型能力，更取决于企业能否在创新与成本之间找到可持续的平衡点。Uber的“先松后紧”虽显被动，但其所暴露的问题恰恰是AI规模化落地过程中必须跨越的必经阶段。