AI ROI 危机：为什么 Uber 开始质疑 Token 的成本

无限制 AI 投资的蜜月期正面临残酷的现实：资产负债表。最近，Uber 的总裁暗示 AI 支出正变得“越来越难以证明其合理性”，这引发了关于企业在追求生产力过程中消耗数十亿 Token 的实际投资回报率（ROI）的广泛讨论。

在过去的一年里，叙事主导权一直被指数级提升的开发者生产力和琐碎任务的自动化所占据。然而，随着最初的炒作逐渐平息，公司开始询问这些投资如何在季度业绩中体现，以及“感觉”更具生产力是否能转化为切实的业务价值。

生产力悖论

工程组织中 AI 支出的主要驱动力之一是 AI 编程助手的集成。目标很简单：更快地编写更多代码。但正如许多行业观察者指出的那样，在成熟的软件组织中，代码编写很少是真正的瓶颈。

瓶颈转移

增加生成的代码量并不一定能提高功能交付的速度。正如 Hacker News 上的社区讨论所指出的，瓶颈往往从编写代码转向了代码审查（review）。

"这并没有考虑到审查仍然是一个瓶颈，工程师们对他们交付的代码理解得越来越少，而且未来很可能需要处理由此产生的技术债。"

当 AI 生成大量代码时，人类审查者的认知负荷会增加。如果工程师交付的是他们并不完全理解的代码，组织不仅是在积累技术债——它还在积累不可见的技术债，这些债务可能需要数年时间才会显现。

"Tokenmaxxing" 陷阱

目前出现了一种“tokenmaxxing”的趋势，即目标变成了单纯追求 AI 使用量的最大化。这往往会导致激励机制的错位。当工程师被鼓励或通过其 AI 工具的使用量来衡量时，关注点就会从解决核心问题转向最大化工具的输出量。

这种现象反映了古德哈特定律（Goodhart's Law）：当一个衡量标准变成目标时，它就不再是一个好的衡量标准了。如果 Token 消耗量成为生产力的代理指标，公司最终支付的是活动量而非结果。

将 AI 与云革命进行比较

为了理解当前的 AI 泡沫，一些分析师将其与 AWS 和公有云的兴起进行比较。虽然两者都代表了基础设施的根本性转变，但经济轨迹却大不相同。

到 2019 年底 AWS 达到 400 亿美元的年化运行率时，公有云已经促进了全新软件类别（SaaS 和 PaaS）的诞生，并使 Uber 和 Airbnb 等公司的规模化成为可能。相比之下，AI 编程工具的净影响仍然模糊不清。虽然它们可能会加速“迭代循环”，但不清楚它们是在创造新的价值类别，还是仅仅在加速生产用户可能并不真正想要的功能。

削减 AI 支出的战略风险

虽然追求 ROI 是必要的，但一些人警告说，不加区别地削减 AI 预算可能会产生新的漏洞，特别是在安全领域。

工程团队面临来自两个主要来源的威胁：内部业务需求和外部安全威胁。虽然业务需求可以由管理层进行限制，但国家级攻击者和网络犯罪分子会利用 AI 来自动化攻击，而完全不考虑股东价值或预算限制。在防御端削减 AI 能力，而对手却在持续扩大其 AI 驱动的攻击规模，可能会使组织处于危险的暴露状态。

前行之路：创造力重于消耗量

从对 AI 支出的批判中，正在形成一种共识：人类仍然是创造力和架构监督的核心组成部分。危险在于，当公司优先考虑在 Token 上的支出，而非投资于人才时，风险就会产生。

正如一位观察者所言，如果一个 LLM 整天不停地工作编写代码，开发者可能就不再专注于核心问题本身了。AI 的真正价值在于增强人类专家——而不是用高产出的生成 Token 流来取代解决问题的创造性过程。