Uber總裁坦言AI支出「難以合理化」：算力消耗與功能產出之間仍缺關鍵連結

Uber總裁兼營運長 Andrew Macdonald 近日在訪談中公開承認，公司對 AI 投資的回報疑慮正在加深。導火線是一個令管理層不安的現象：Claude Code 的 token 消耗量持續攀升，但消費者端實際交付的有用功能並未出現可量化的對應增長。Macdonald 的原話直接：「那條線還不存在。也許隱性地有更多東西在出貨，但很難在某項數字和『我們多產出了 25% 的有用消費者功能』之間畫出一條線。」

Uber 2025 年的研發支出為 34 億美元，年增 9%。更早之前，執行長 Dara Khosrowshahi 表示公司正用減少人員招募來抵銷 AI 投入的增加——換句話說，AI 支出已被視為替代人力成本的替代項目，而非純粹的附加投資。Macdonald 這次的發言，則是把這個交換算式攤開檢視：如果 token 消耗無法直接對應功能產出，那麼「以算力換人力」的邏輯本身就站不住腳。

這件事的產業意義，遠超過 Uber 一家公司的預算管理問題。它代表一個轉折：過去兩年，企業採購 AI 工具的主要驅動力是「不能落後」的戰略焦慮，投資決策往往不需要嚴格的 ROI 計算。但 Uber 的案例顯示，當企業實際把 AI 支出放進損益表——與人力成本直接對比——問責的尺度就會拉緊。Macdonald 用的詞是「harder to justify」，這是企業財務語言中相當明確的警示信號。

對 AI 工具供應商而言，這個信號值得重視。Uber 這類大型企業客戶已進入「算帳期」：採購決策將更要求可追蹤的生產力指標，而非模型能力的規格比拼。如果供應商無法提供讓企業客戶說服內部財務的量化依據，續約和擴大採購的壓力將會上升。

對亞太市場的大型科技與平台企業而言，Uber 的處境具有相當的參考價值。許多公司同樣在 2024 至 2025 年大規模導入 AI coding 工具，但衡量指標往往停留在使用量層面（token 消耗、接受率），而非業務成果層面（功能交付速度、缺陷率、用戶留存）。Uber 的困境，本質上是「代理指標」與「真實指標」脫節的典型案例。

更值得推敲的是時間維度。Macdonald 說「未來幾季或幾年，也許會變得更清晰」——這句話既是對 AI 投資的保留信心，也是在向供應商傳遞訊息：窗口期有限，需要更快拿出企業端的可見成果。Uber 已在 2026 年僅四個月內耗盡全年 AI 預算，這個速度意味著下半年的支出決策必然面臨更高的舉證門檻。AI 投資從「戰略賭注」轉向「績效驗核」的週期，比多數供應商預期的更短。