Hacker News 中文摘要

RSS订阅

优步首席运营官表示，为代币最大化投入资金越来越难自圆其说 -- Uber’s COO says it’s getting harder to justify money spent on tokenmaxxing

原文链接 | HN讨论 | 2026-05-26 02:30:13

文章摘要

优步首席运营官表示，随着AI投资成本上升，越来越难以证明在AI代币化方面的巨额支出是合理的。公司正面临投资回报率的压力，需要重新评估AI项目的商业价值。

文章总结

Uber高管质疑AI投入回报：成本效益比日益难以证明

核心内容： - Uber首席运营官安德鲁·麦克唐纳在近期访谈中表示，公司越来越难以证明AI技术投入的合理性 - 这一表态源于Uber首席技术官此前透露公司已耗尽2026年Claude Code预算，引发内部关于AI代币消耗与人力资源分配的激烈讨论 - 高管团队发现AI代币使用量的增加并未带来相应比例的有价值消费者功能提升

关键细节： 1. 投入产出失衡：麦克唐纳指出，目前无法证明AI代币消耗与产品功能改进之间存在直接关联 2. 连锁反应：为平衡AI投入，Uber已采取放缓招聘等措施，CEO达拉·科斯罗萨西在财报电话会议中确认了这一策略 3. 行业对比： - 多数科技巨头仍在推行"代币最大化"策略，将AI使用量纳入员工考核 - 但Duolingo等企业已调整政策，其CEO路易斯·冯·安承认强制AI使用可能导致形式主义

深层问题： - 表面免费的AI使用（如员工测试用例）最终由企业承担成本 - 麦克唐纳强调需要建立更清晰的评估体系："不能仅因统计数字增长就认定产出更多有效功能"

背景延伸： 该讨论反映了2026年企业界对AI投资回报率的普遍质疑，标志着行业从盲目投入转向理性评估的关键转折点。

（注：原文中大量导航菜单、广告内容及作者履历等非核心信息已精简，保留核心事实陈述与关键人物观点）

评论总结

以下是评论内容的总结，按主要观点分类呈现：

  1. 反对以token使用量作为生产力指标

    • 主要论据：这会导致员工为追求指标而浪费资源，违背Goodhart定律（当指标成为目标，就不再是好指标）
    • 代表评论：
      • "You cannot simply measure productivity by tokens spent just like you can't measure it by hours spent in a chair at a desk." (评论2)
      • "Tokenmaxxing makes no sense, it is akin to write extremely inefficient SQL/Spark Jobs...just for the sake of using as much compute/memory/IO as possible." (评论14)

  2. AI使用效率问题

    • 主要论据：企业应更智能地使用AI，选择合适模型并优化token使用
    • 代表评论：
      • "companies should nurture an environment where AI is used in the most efficient way possible" (评论14)
      • "Maybe don't use the most expensive models on the planet? Maybe use AI like a tool..." (评论11)

  3. 对企业管理层的批评

    • 主要论据：将token使用与绩效挂钩是管理短视的表现
    • 代表评论：
      • "Some of the literal dumbest people on earth are in charge of these major companies." (评论22)
      • "No company with good engineering leadership should act like this is remotely a good idea." (评论10)

  4. 关于AI补贴和成本的讨论

    • 主要论据：当前AI使用依赖VC补贴，未来价格上升将改变性价比
    • 代表评论：
      • "many of these leading AI companies are operating at large losses and subsidizing users with VC money." (评论18)
      • "heavy agentic use will become as least as expensive than paying an (entry level) employee." (评论4)

  5. 支持有限度的token使用

    • 主要论据：适当鼓励AI尝试是有价值的，但需要合理限制
    • 代表评论：
      • "I actually do think token maxing is good, but they should have limited it per user." (评论28)
      • "the token budget for any engineer should not exceed...approximately 20%" (评论30)

  6. 对行业现象的讽刺

    • 主要论据：当前AI热潮与互联网泡沫相似
    • 代表评论：
      • "Now we are going to get a new profession. Token Engineer!" (评论8)
      • "Isn't it the same as during the dotcom bubble?" (评论17)

总结呈现了正反双方的主要观点：一方面强烈批评以token用量作为KPI的管理方式，指出其低效和浪费；另一方面也有声音认为合理使用AI工具能提升生产力。多数评论认为当前AI应用存在过度炒作和资源浪费问题，与历史上的技术泡沫有相似之处。