AI 资讯
AI 日报 · 11/05｜万圣节整周只有 4 单
Uber 财报披露万圣节整周仅 4 单打车由 AI 智能体完成、外卖 500 单；同期苹果把工程师日额度从 300 美元降到 200 美元。
5 分钟阅读
本文目录
今天有四条消息，放在一起是一个很清晰的信号：AI 的账，开始有人认真算了。
万圣节整周，只有 4 单 Uber 是 AI 智能体下的
这个数字小到有点好笑，但它很说明问题。Uber 在第三季度财报电话会上表示，在 10 月最忙的一周（也就是万圣节那周），全平台只有 4 单打车是通过个人 AI 智能体下单的。（来源：TechCrunch）
同一周里，Uber 与 Uber Eats 合计处理约 3.2 亿次行程和订单，其中通过 AI 智能体下的 Uber Eats 外卖订单是 500 单。放到 3.2 亿的分母上，这个比例小到可以忽略。CEO Dara Khosrowshahi 的原话是「非常、非常早期，我们看到的是非常有限的牵引力」，CFO Balaji Krishnamurthy 也向分析师说明了这组数字。
这条值得留意的不是「AI 不火」，而是「能做的事」和「真的在做的事」之间的落差有多大。过去一年里，智能体代替人操作 App 被反复演示、反复宣传，但落到真金白银的交易场景，用户还是自己点了按钮。原因可能很朴素：叫车这件事本身只要三次点击，交给智能体反而要解释需求、确认车型、担心下错。当一件事已经足够简单，AI 省下的那点操作成本抵不过解释成本。
苹果削减员工 AI 预算：部分工程师日额度降 33%
同一天的另一条更直接地说明了「算账」这件事。据彭博社报道，苹果为了遏制快速上升的 AI 使用成本，正在削减员工使用 AI 工具的内部预算。上个月（2026 年 10 月），部分工程师的每日 AI 支出上限从 300 美元下调到 200 美元，降幅 33%，并计划进一步下探、部分工程团队最低可能降到 100 美元。（来源：IT之家）
细节里更能看出取舍的方向：部分非工程团队的额度原本就是 100 美元，苹果甚至考虑压到 25 美元；确有更高需求的员工可以向高级管理层申请豁免。员工可使用 Claude、ChatGPT 和 Gemini，但部分团队被要求改用更便宜的模型，或转向可在设备本地运行的方案。
这不是苹果一家的动作。报道列出了一串同类调整：微软同样收紧了内部 AI 支出，特斯拉对员工 AI 支出设每周 200 美元上限，Uber 将单个 AI 编程工具的月度用量限制在 1500 美元，Meta 则引入代币预算并鼓励员工使用自研工具。整个行业正从「鼓励大规模试验」转向「精细核算投入产出」。
但钱并没有停：Meta 收购 Conductor，OpenAI 也在买
第三条看起来与前面矛盾，其实不矛盾。Meta 收购了 AI 编程创业公司 Conductor，这家公司的能力是让用户通过部署多个智能体到并行工作区来创建软件项目。创始人兼 CEO Charlie Holtz 在博客中确认「Conductor 加入 Meta」，并预告明年初会有新东西；他还提到期待与 Meta 首席 AI 官 Alexandr Wang 以及 Superintelligence Labs 产品负责人 Nat Friedman 合作。（来源：TechCrunch）
把这四条串起来就能看出结构：钱没有变少，只是花的位置变了。一边是面向普通员工、按人头消耗 token 的「日常用量」在被压缩；另一边是面向能力建设、能形成长期壁垒的「团队与工具」在被收购。这种分化意味着，未来几年「无差别给全员开 AI 额度」的做法会越来越少，取而代之的是按场景、按角色、按产出的事前审批。
还有一条：AI 的钱已经进了政治
最后一条是治理层面。支持与反对 AI 行业的政治团体在周二的中期选举上花了数百万美元，试图影响 AI 监管的走向，结果是喜忧参半——一些获得最多资金支持的候选人输了。其中两个 AI 相关的政治行动委员会（American Mission 与 Building the Future）合计花了 480 万美元支持南卡罗来纳州参议员候选人 Darline Graham，而她最终落败。（来源：TechCrunch）
这条和前面三条其实在同一个逻辑上：当 AI 从「技术话题」变成「利益话题」，它就要接受和其他利益集团一样的检验——预算要被审计，投入要出产出，游说要能换到票。花得多不等于买得到结果，这一点在政治和在企业内部是一回事。
对读者意味着什么
如果你在给团队管 AI 预算，今天这几条几乎是现成的参考样本。苹果、特斯拉、Uber、Meta 全都从「放开用」转向「设上限」，做法上有个共同点值得借鉴：额度不是一刀切，而是按角色分层（工程师与非工程团队不同）、留了申诉通道（向高级管理层申请豁免）、并给出替代方案（更便宜的模型或本地运行）。
具体可以马上做三件。第一，按「任务类型」而不是「人头」分配额度——写代码和查资料的消耗量差一个数量级，平均分配必然一半人不够用、一半人用不完。第二，把「这件事值不值得交给 AI」当成一个真实问题：Uber 那 4 单说明，当流程本来就简单时，AI 化的收益可能是负的。第三，提前准备降级路径，比如对低价值任务默认路由到便宜模型、对敏感数据走本地模型，这样预算收紧时不用临时改架构。站内GPT 与 DeepSeek 怎么选和DeepSeek 模型选型指南给了按任务与成本做选型的口径。
本文由 AI 辅助整理，信息以文中来源链接为准；文中所述均来自公开报道与厂商披露，未做一手实测。
讨论 0