92% 工程师都在用 AI 后，Uber 给 AI Coding 上了「限流阀」

92% 的工程师每月都在用 AI Agent。Uber 给这条曲线踩了一脚刹车。

2026 年 7 月，Uber 工程团队公开"零增长技术栈"路线图的同时，悄悄给每位开发者加了一道闸：月度 AI Coding 额度上限 1,500 美元。这一年半以前，这家公司还把"AI Coding 用得多猛"当成工程能力的勋章。现在，他们开始问另一个问题——这些代码，付得起账吗？

蜜月期的曲线

Uber 是 AI Coding 最激进的大厂之一。

平台层跑着 Michelangelo AI 当模型网关，上下文层由 MCP Gateway 给 Agent 注入内部源代码，背后是 Minion、Shepherd、uReview、Code Inbox 这些名字各异的"工程同事"。审查与测试一环，Autocover 每月自动生成超过 5,000 个单元测试，覆盖率上去了，工程师基本不用再补单测。

结果：92% 的工程师每月都会用这些 Agent，31% 的新代码由 AI 写出来。

一年前，这是要让工程团队庆祝的数据。一年后，它出现在 Uber 内部成本治理的首页——和"6 倍"这个数字挂在一起。

账单上的 6 倍

2024 年起，Uber 的 AI 相关成本增长了 6 倍，单个开发者月度成本已经摸到 2,000 美元。看起来，能力曲线和成本曲线，第一次走出了完全不同的方向。

表层原因是 Token 计费的脆弱：每个会话的消耗像电费，没人在乎关灯，等到月底账单来了才发现已经失控。Uber 之前被曝过"4 个月烧完全年 AI 预算"，这家把全球调度做成水电煤的公司，第一次发现 AI Coding 不是水电煤。

更深一层是基础设施压力的外溢。同一天 Meta 和 Microsoft 交季报，扎克伯格的 Meta 自由现金流烧到只剩 7.84 亿美元，纳德拉的 Azure 同比还在暴涨。同样在 AI 上砸钱的两家大厂，钱的去向开始分叉：一家买的是"未来算力"，一家买的是"未来利润"。Uber 这次的限流，是把自己从第一种往第二种拉。

限流阀怎么装

Uber 的应对不是"少用 AI"，而是把基础设施那套动态调优的逻辑，照搬到了 AI Coding 上。

Go 运行时那一侧，Uber 的 GOGCTunner 部署在 30 个关键任务服务里，回收了 70,000 个 CPU 核心。它的做法很工程师：直接连 cgroup 的内存限制，监控实时对象使用量，动态调整 GOGC，把堆大小锁在实时对象大小的 1.25 倍。70% 内存使用率是红线，超了就主动回收。不是一刀切关掉，是给每台机器装一个会自己关阀的水表。

AI Coding 一侧是同一个思路。每个月 1,500 美元的额度，不是用来限制工程师"写不写得爽"，而是用来逼团队回答"这 1,500 美元花出去之后，到底产出了什么"。Uber 自己列了两个新指标：

• 净代码质量比（net code quality ratio）：AI 写的代码上线后出现热修复的频率，对比人工写的代码。把"写了多少"换成"值多少"。
• 每个功能的计算效率（compute efficiency per feature）：不光看代码能不能跑，看跑这个功能消耗了多少基础设施开销，能不能长期可持续。