Microsoft 和 Uber 表示，AI 编码工具正变得比人类工作者更昂贵

# Microsoft 和 Uber 正面临 AI 成本问题 - Firethering 来源：https://firethering.com/microsoft-uber-ai-coding-tools-more-expensive-than-human-workers/ \- 广告 \- 这个宣传很诱人：AI 工具能让开发者更快，降低人力成本，并多次收回投入。率先采用的公司将相比观望者拥有结构性优势。 微软信了，Uber 也信了。两家公司都在工程团队中大力推广 AI 编码工具的采用。如今，它们都遇到了同一个问题：员工越快拥抱这些工具，账单就膨胀得越快。在某些情况下，这些账单已经开始超过相同工作使用人力完成的成本。 问题在于，当数千名员工使用按“思维单位”收费的服务时，经济账会怎么算。 ## **目录** - 没人预料到的令牌陷阱 (https://firethering.com/microsoft-uber-ai-coding-tools-more-expensive-than-human-workers/#the-token-trap-nobody-planned-for) - 当计算成本超过员工成本 (https://firethering.com/microsoft-uber-ai-coding-tools-more-expensive-than-human-workers/#when-compute-costs-more-than-the-employee)- 你可能喜欢：Anthropic 称 Mythos 尚未公开发布。但“Mythos 1”仍在出现。 (https://firethering.com/microsoft-uber-ai-coding-tools-more-expensive-than-human-workers/#y) - 数学真正成立的地方 (https://firethering.com/microsoft-uber-ai-coding-tools-more-expensive-than-human-workers/#where-the-math-actually-works)- 你可能喜欢：开源工具让你的操作系统完成本该做的事 (https://firethering.com/microsoft-uber-ai-coding-tools-more-expensive-than-human-workers/#y-1) - 账单终将到期 (https://firethering.com/microsoft-uber-ai-coding-tools-more-expensive-than-human-workers/#the-bill-is-coming-due) ## **没人预料到的令牌陷阱** AI 模型按令牌收费——令牌是模型处理和生成文本的基本单位。 当 Uber 的 CTO 透露公司已在四个月内花光了整个 2026 年的 AI 编码预算时，一个较少被关注的细节是：这到底是怎么发生的。Uber 一直在积极推动采用，内部设有排行榜，按 AI 工具使用量对团队进行排名。鼓励越多，使用越多；使用越多，令牌越多；令牌越多，计算成本越高。一月份看似合理的预算，到四月份已变得灾难性。 亚马逊一直在告诉员工“tokenmaxx”，即尽可能多地使用令牌。Meta 则构建了一个名为 Claudeonomics 的内部追踪工具，监控哪些员工使用 AI 最为频繁。这些公司把令牌消耗当作需要最大化的指标——如果目标是成本效率，这完全是反着来的。 这种悖论是结构性的。代理式 AI 系统（自主多步骤工作的系统）每个任务消耗的令牌比标准模型更多。高盛预测，到 2030 年，随着代理式部署规模扩大，企业令牌消耗将增长 24 倍。Gartner 预计，到同一年推理成本将下降近 90%。但 Gartner 也警告说，更便宜的令牌并不会带来更低的账单，因为消耗增长将超过价格下降，且 AI 提供商不太可能将成本降低的全部好处传递给企业客户。 每令牌更便宜，总账单却更高。你用得越多，经济账就越糟。 ## **当计算成本超过员工成本** 对这一问题走向最令人不安的承认来自 Bryan Catanzaro，Nvidia 应用深度学习副总裁——Nvidia 正是为几乎所有这类基础设施提供芯片的公司。 “对于我的团队来说，计算成本远远超过员工成本，”他说。 这句话分量不轻，因为说这话的人身份特殊。Nvidia 在 AI 计算支出上的财务利益几乎超过地球上任何其他公司。当它自己的高管承认计算成本已超过团队的人力成本时，这不是看空 AI，而是对当前经济现实的诚实描述——而且他毫无动机去低估这些数字。 微软的情况从另一个角度说明了同样的问题。在公司数千名员工比预期更快地采用 Claude Code 工具后，微软取消了大部分直接的 Claude Code 许可证。此举并未影响微软对 Anthropic 的 50 亿美元投资，也未影响两者之间的商业关系。这纯粹是一项成本控制决策，针对的是自家工程师已经依赖的工具。当一家打造了 GitHub Copilot、拥有主导性 AI 编码平台、并进行了业界最大 AI 押注之一的公司缩减 AI 编码支出时，唯一合理的解释就是经济账。 ##### **你可能喜欢：** Anthropic 称 Mythos 尚未公开发布。但“Mythos 1”仍在出现。 (https://firethering.com/claude-mythos-anthropic-claude-code-public-release/) ## **数学真正成立的地方** MIT 的研究发现，按目前定价，AI 只在少数工作岗位中经济上可行。那些通过门槛的任务通常具有共同特征：范围明确、重复性高、不需要长时间内的判断。比如样板代码生成、测试脚手架、文档编写、简单的重构。这些任务中，开发者可能需要花二十分钟做机械性工作，而 AI 三十秒就能搞定。 数学上出问题的任务是需要持续上下文、迭代判断和长时间代理会话的任务。而这些恰恰是业界最积极推广 AI 的任务。AI 具有成本效益的地方与实际部署之间的差距，正是微软和 Uber 问题的根源所在。 AI 编码工具目前更适合描述为针对特定任务类型的昂贵生产力倍增器，而非工程劳动力成本的全面替代。那些搞清楚如何正确使用（而不是鼓励无差别最大采用）的公司，很可能会让经济账成立。而那些运行内部排行榜奖励令牌消耗的公司，正在用艰难的方式学习这一课。 ##### **你可能喜欢：** 开源工具让你的操作系统完成本该做的事 (https://firethering.com/open-source-tools-your-os-should-have/) ## **账单终将到期** AI 被宣传为降低劳动力成本的大杀器。从两家最相信这一点的公司的早期回报来看，现实要复杂得多。 工具有效，但规模化的经济效益却不行——至少目前还不行。更便宜的令牌并未带来更低的账单。鼓励采用带来了预算危机。而最热衷于 AI 计算支出的高管刚刚承认，他的计算成本已经超过了薪资支出。 Jensen Huang 曾说过，他想象未来每个 Nvidia 员工身边会有 100 个 AI 代理在协同工作。那个未来或许终会到来。但如果令牌消耗增长持续快于单位成本下降，那么它带来的价格标签将是所有人都尚未完全估量的。微软和 Uber 只是刚刚收到了第一张账单。