Uber 將 AI 工程工具改採每人 1,500 美元額度，92% 工程師使用後成本年增六倍

Uber 的「零增長技術棧」（Zero Growth Stack）以基礎設施擴展與業務需求脫鉤為目標，透過自動化執行環境最佳化與嚴格的 AI 生命週期管理，降低服務規模擴大對實體硬體的需求。 在 Go 執行環境方面，Uber 開發 GOGCTuner，根據 cgroup 記憶體限制與即時物件使用量動態調整 GOGC，取代固定的垃圾回收設定。系統將堆積大小維持在即時物件大小的 1.25 倍，並以 70% 記憶體使用率作為限制，以降低 OOM（記憶體溢位）風險；這套方案已在 30 個關鍵任務服務中回收 70,000 個 CPU 核心。GOGCTuner 儲存庫另指出，針對 Go 1.19 以前的版本，工具會依即時堆積大小與目標記憶體限制調整 GOGC。 Uber 也把生成式 AI 納入軟體開發生命週期：平台層以 Michelangelo AI 作為模型閘道，上下文層透過 MCP Gateway 注入內部原始碼，專用層部署 Minion、Shepherd 等背景 Agent，審查層則使用 uReview 與 Code Inbox。目前每月使用這些 Agent 的工程師占 92%，31% 的新程式碼由 AI 撰寫，Autocover 每月生成超過 5,000 個單元測試。 快速導入 AI 使相關成本自 2024 年起增加六倍；到 2026 年初，單一開發者每月成本已達 2,000 美元。Uber 因此從無限制採用轉向成本治理，將每位開發者的使用額度限制在 1,500 美元以內，並評估 AI 生成程式碼的實際效益。 Uber 建議以「淨程式碼品質比」比較 AI 與人工撰寫程式碼上線後的熱修復頻率，並以「每項功能的運算效率」衡量 AI 產出帶來的額外基礎設施成本，特別是 Autocover 生成大量冗餘測試時的影響。