Uber表示，在年初僅數月內便耗盡了整個2026年人工智慧預算後，公司已找到更永續的AI部署方案。

在今年稍早接受The Information採訪時，Uber技術長Praveen Neppalli Naga坦承，在公司鼓勵員工盡可能廣泛使用AI工具——尤其是Anthropic的Claude Code，一款協助工程師撰寫、除錯和審查軟體的AI程式輔助助手——之後，他不得不「重新回到繪圖板前」檢視支出配置。Uber甚至建立了內部「排行榜」，依軟體工程師的AI工具使用量進行排名。

這一推動反映了被稱為「tokenmaxxing」的更廣泛企業趨勢，即企業激勵職場AI採用，但許多企業在投資回報無法證明加速支出合理時紛紛退縮。該術語源自tokens——大型語言模型處理的基本文字單位，也是供應商計費的基礎——使原始token消耗量成為AI支出的粗略替代指標。Uber也不例外，但Naga表示公司此後已開發出更高效的部署模式。

「我們在AI成本方面看到了一些非常有趣的趨勢，」Naga在週三的一篇X貼文中寫道。「我認為這是另一個信號，表明我們正走向所謂tokenmaxxing時代的終結。」

Naga解釋說，Uber將使用前沿AI工具的員工數量增加了四倍，從而降低了每個token的成本。公司透過改善提示詞快取、調整預設模型設定、以效率為導向評估新模型，以及讓工程師能夠按小時監控AI使用量和成本的儀表板來實現這一目標。

「你可能會預期成本會隨著採用加速而上升，」Naga繼續說道。「但我們看到的恰恰相反。不是因為我們限制了使用權限，而是因為我們將效率視為工程問題，而非預算問題。」

AI回報的賭注不斷升高

企業面臨的壓力日益增加，需要展示巨額AI投資的回報。7月，德意志銀行研究院全球宏觀與主題研究主管Jim Reid警告稱，AI的生產力提升仍需數年時間才能實現。

根據Apollo的資料，超級七巨頭——Apple、Microsoft、Nvidia、Alphabet、Amazon、Meta和Tesla——的利潤率從2023年第一季到2026年第一季由15%擴張至25%，而同期S&P 500其餘公司的利潤率僅增長10%——這表明在直接科技領域之外，AI投資的回報有限。

截至5月，Uber仍在努力將AI投資轉化為可衡量的產品改善。

「這種關聯尚未建立，」Uber總裁兼營運長Andrew Macdonald在Rapid Response播客節目中表示。「也許隱含地有更多東西正在產出，但很難在這些統計數據之一與『好吧，我們現在確實多產出了25%有用的消費者功能』之間劃上等號。」

傑文斯悖論籠罩AI支出

即使Uber制定了降低每token成本的策略，公司仍面臨經濟學家長期以來強調的風險：傑文斯悖論，即對某種資源的總支出在其單位成本下降時反而增加。

該悖論以19世紀經濟學家William Stanley Jevons命名，他在1865年觀察到，儘管瓦特蒸汽機使煤炭使用更加高效，但煤炭消耗量卻大幅飆升——如今這一概念正在AI領域顯現。

根據Silicon Data Token支出指數，自2023年以來單個token的價格已下降逾90%，但自去年底以來，大型語言模型的支出卻翻了一倍。

「隨著token變得更便宜，公司並沒有減少支出，而是運行更多AI代理、自動化更多工作流程、生成更多程式碼，推動總支出在智慧單位成本崩跌的同時持續攀升，」Apollo首席經濟學家Torsten Slok在最近的一篇部落格文章中寫道。

一份6月發布的Bain & Co.簡報強化了這一發現。該簡報指出，從2024年12月到2025年，token成本減半，但同期token消耗量卻增長了450%，因為企業升級了其AI工具。

Naga指出，Uber的哲學已轉向在token支出方面優先考慮品質而非數量，但他未透露公司目前的運算量是否比年初更多或更少。

「這是企業級應用AI的未來，」他總結道。「下一階段，無論我們如何稱呼它，其特徵將不再是誰消耗最多token，而是人們如何盡可能高效地使用它們。」

本報導最初刊載於Fortune.com。