优步称,AI token效率正在取代“tokenmaxxing”

在几个月内耗尽其2026年AI预算后,优步表示,更广泛使用前沿AI工具正通过提示缓存、模型调整和更严格的使用追踪来降低单个token成本。

摘要

优步表示,在今年最初几个月内就耗尽了整个2026年人工智能预算后,公司正摆脱“tokenmaxxing”,并称更广泛地使用前沿AI工具能够降低单位成本,而不只是推高支出。首席技术官Praveen Neppalli Naga表示,优步曾推动员工大量使用AI编程工具,尤其是Anthropic的Claude Code,甚至一度按使用量对软件工程师进行内部排行榜排名;但在成本上涨过快后,公司重新调整了这一策略。周三,他表示,优步在将使用前沿AI工具的员工人数扩大至原来的4倍的同时,也通过改进提示缓存、调整默认模型设置、评估新模型的效率,以及让工程师了解自身AI使用情况和每小时成本,降低了单个token成本。 这一转变正值企业面临越来越大压力,需要证明巨额AI投资能够带来回报。优步总裁兼首席运营官Andrew Macdonald今年5月表示,仍然很难将AI的使用与有用的面向消费者功能产出显著提升直接对应起来;德意志银行研究院宏观与主题研究全球主管Jim Reid上个月则警告称,AI带来的广泛生产率提升可能仍需数年才会显现。优步的token成本下降也可能遭遇杰文斯悖论:自2023年以来,单个token的价格已下跌逾90%,但自去年年底以来,大语言模型支出已翻倍;贝恩公司称,token成本从2024年12月到2025年间减半,而随着企业升级AI能力,消耗的token数量激增450%。

术语与概念
  • tokenmaxxing: 一种企业AI使用模式,即在未明确聚焦效率或回报的情况下,奖励大量消耗token。
  • 提示缓存: 一种存储并重复使用重复提示数据,以降低AI处理成本的技术。
  • 杰文斯悖论: 一种经济效应,即效率提升会降低单位成本,但可能增加总体使用量和支出。