随着企业对人工智能（AI）的依赖加深，其成本问题正日益凸显。尽管单个 token 的价格在下降，但功能更强的模型和自动化工具导致 token 消耗量急剧增长，使得 Uber 和微软等公司预算严重超支，并开始收紧开支。为了应对这一挑战，行业正在多方面寻求解决方案，包括成立 Tokenomics Foundation 以建立类似云成本管理（FinOps）的 AI 成本度量标准，同时催生了一批提供成本监控和投资回报率（ROI）分析工具的厂商。然而，由于缺乏统一的定义和衡量体系，企业目前仍难以准确判断其在 AI 上的投入是否物有所值。
成本失控的警钟
企业在享受 AI 带来的便利时，也开始为其高昂的账单感到震惊。这种现象在全行业普遍存在，成本失控的案例屡见不鲜：
- Uber：到 4 月份时，已经用完了原计划到 2026 年才用完的 AI 编程预算。
- 微软：在启用 Claude Code 许可证几个月后，便撤销了开发人员的使用权限。
- Priceline：一份常规的 Cursor 合同续约报价竟然上涨了 4-5 倍。
FinOps 基金会的执行董事 J.R. Storment 指出，许多公司都面临着生存危机。他表示：“从今年四五月份开始，我不断听到有公司说‘天啊，现在才 4 月，我们的 token 预算已经超了 2026 年全年额度的 3 倍’。”
整个行业的话题已经从“尽可能多地使用 token”和“快速推进”，转向了“我们需要护栏，我们该如何控制成本？”
从“加速”到“刹车”：企业心态的转变
几个月前，企业关注的焦点还是 AI 的能力，但现在，对话已经完全转向了成本控制。
OpenAI 的企业主管 Alexander Embiricos 观察到：“我们现在的对话内容都是关于，‘我们花销巨大，你们有什么工具可以提供可见性、可审计性和 token 控制吗？你们的模型效率如何？’”
这种转变源于企业高层曾一度不计成本地要求团队使用最先进的模型。然而，新模型的强大功能，特别是自动化代理工具，使得 token 消耗呈指数级增长。据说，有一家公司因为忘记给员工设置使用限制，最终收到了一张 5 亿美元的 Claude 账单。
“这就像可卡因的流行，”Priceline 的 IT 财务高级总监 Chris Reed 说道，“他们让你免费试用，让你上瘾，然后你就被套牢了。”
生产力悖论：投入与产出不成正比
一个核心问题是：高昂的投入是否带来了相应的产出？数据显示，情况可能比想象的更复杂。
- 一项为期两年的研究发现，虽然开发人员的产出在增加，但 bug 和重写的工作量也在同步上升。
- 另一项研究指出，使用 AI 最多的工程师，其生产力大约是使用较少者的 2 倍，但他们为此花费的 token 数量却是后者的 10 倍。
这引出了一个典型的困境，正如一位首席技术官所言：
“我的一个工程师上个月在 token 上花了 4 万美元，我真的不知道是该阻止他，还是该让所有人都向他学习。”
问题的关键在于，大多数公司仍然无法衡量代码的最终商业价值（例如带来的收入），因此很难判断这笔巨额开销是否值得。
新兴市场：为成本控制而生的解决方案
围绕 AI 成本控制问题，一个全新的市场正在形成，各类厂商纷纷入局。
- 成本追踪与优化：像 Pay-i 这样的初创公司专注于追踪、衡量和优化生成式 AI 的投资成本与性能。
- ROI 证明工具：Jellyfish、Faros AI 等公司提供 AI 代理监控，帮助企业证明开发者工具的投资回报率。
- 现有厂商拓展业务：Datadog、New Relic 等公司增加了 token 级别的成本管理和监控服务。AWS 也计划推出针对企业 AI 支出的财务管理功能。
- 智能模型路由：一些公司开始开发能够根据任务自动选择最合适（且最经济）模型的工具，以实现成本优化。
核心挑战：缺乏统一的度量衡
尽管解决方案层出不穷，但整个行业面临一个根本性难题：没有一套公认的语言或标准来定义 token 的成本、产出以及如何在不同供应商之间进行比较。
“追踪云成本是一个每月数亿行数据的问题。而追踪 token 成本则是一个每月数万亿行数据的问题。你无法用电子表格或基础工具来处理。”
这就是 Tokenomics Foundation 希望解决的问题。该组织致力于：
- 为“Tokenomics”（token 经济学）建立权威定义和框架。
- 为 AI token 的使用和计费制定开放标准、规范和指标。
- 定义新的 AI 经济学指标，如 每单位智能成本（cost-per-intelligence）。
未来的路：寻找最佳投资回报率
虽然 Tokenomics Foundation 的愿景是长远的，但企业现在就需要解决方案。目前来看，最明智的策略可能是适度推广。
“最好的投资回报率来自于将广大的中间用户从低使用率提升到中等使用率，而不是推动重度用户使用得更多。”
正如一位 CEO 所说：“也许我们已经发明了蒸汽机，但我们还没有弄清楚如何建立起流水线。”在找到高效、可控的“流水线”之前，盲目地加大马力可能会导致严重的资源浪费。