# AI投入狂飙突进，Uber高管敲响警钟：四个月烧光全年预算，Token暴涨未见实效
Uber 总裁近日在一次内部会议上直言不讳地表达了对公司人工智能投入的担忧：过去短短四个月，AI 相关支出已耗尽原定全年的预算，而用于模型训练与推理的 Token 消耗量更是呈指数级暴涨，但相应的业务回报却远未达到预期。这一发言迅速在科技与投资圈引发热议，再次将“AI 投入产出比”这一关键命题推到聚光灯下。
## 成本失控：Token 通胀吞噬预算
作为全球最大的出行与配送平台之一，Uber 在 AI 领域的布局不可谓不激进——从智能调度、ETA 预测，到自动驾驶仿真与客服自动化，几乎每一个核心环节都嵌入了大语言模型（LLM）和深度学习系统。然而，高强度的模型迭代、大规模在线推理以及频繁的 A/B 测试，使得 Token 消耗量呈几何级增长。据内部数据，仅第一季度，Uber 的 AI 推理请求量就翻了近 5 倍，直接导致云 GPU 租赁和 API 调用费用失控。总裁所言的“四个月耗尽全年预算”，本质是一场由 Token 成本“通胀”引发的预算超支危机。
## 实质回报未至：技术落地遭遇“微笑曲线”
更令管理层焦虑的是，高昂的投入并未转化为可量化的业务增长。分析人士指出，Uber 的 AI 应用目前大多处于“锦上添花”而非“雪中送炭”阶段：例如，基于 LLM 的自然语言客服虽然降低了人工响应时间，但用户满意度并未显著提升；而自动驾驶路线优化算法虽在技术上具有优势，却受制于监管与场景复杂性，商业化拐点迟迟未到。这种“技术亮眼、预算吃紧、回报滞后”的尴尬处境，正是当前 AI 行业“微笑曲线”的缩影——资本与算力持续投入，中间层的落地与变现却陷入瓶颈。
## 行业启示：企业 AI 战略需回归“ROI 本位”
Uber 总裁的质疑并非孤例。过去一年，从谷歌到微软，科技巨头纷纷经历 AI 算力投入的“军备竞赛”，但财报季中对 AI 货币化能力的模糊表述已让投资者渐感不安。对于 Uber 这类运营重、毛利薄的企业，AI 投入如果不能直接提升效率或降低单位成本，就很可能变成现金流的黑洞。此次风波警示所有企业：在追逐生成式 AI 浪潮时，必须建立“预算弹性 + 渐进式验证”的投入机制，避免被 Token 增长的虚假繁荣所裹挟。真正的 AI 竞争力，不在于算力堆砌的速度，而在于从数据到决策的有效闭环。
