Speakeasy Development Inc. 今日发布了一项人工智能成本管理服务，旨在为企业提供跨编程智能体及其他AI工具的统一支出视图。
该初创公司推出的AI Cost Control服务，可从多款工具中采集使用数据，涵盖Anthropic PBC的Claude Code、Anysphere Inc.的Cursor、Claude Cowork以及OpenAI LLC的Codex。该服务记录每次交互所消耗的Token数量、所用模型、缓存活动及预估费用，并按员工、团队、工具和账户类型进行汇总分析。
该服务隶属于Speakeasy的AI Control Plane平台，部署于员工与AI工具之间。随着企业持续引入多项AI服务，每项服务均拥有各自的用量计算方式、计费规则和管理界面，由此引发的财务管理难题日益突出，Speakeasy表示此服务正是为解决这一问题而生。
"企业面临的核心问题在于，各模型服务商的数据各自为孤岛，"首席执行官Sagar Batchu表示，"Anthropic可以告诉你某个Anthropic密钥花了多少，却无法提供跨竞争模型和工具的统一视图。"
这种数据碎片化问题因员工将个人订阅用于工作而更加复杂。企业报告通常仅涵盖集中管理的账户，组织可能因此对通过个人购买计划所产生的AI使用情况毫不知情。
Speakeasy在员工的工作设备上部署一个软件智能体，用于采集AI会话的遥测数据。即便员工通过个人账户访问AI服务，系统也能将相关活动与其工作身份进行关联。该公司表示，不会连接员工的个人账户，也不会采集其个人设备上的任何活动数据。
"我们观测的是已注册工作设备上的实时AI活动，而非个人账户本身，"Batchu说，"我们从不触碰用户个人设备上的账户历史记录。"
数据保护
尽管采集包含会话记录在内的数据可能引发隐私与安全方面的质疑，Batchu将其定位为一种劳动力可观测性手段，并表示Speakeasy已与客户签订关于数据存储和使用的协议。公司还为部分企业提供专属数据驻留服务，以及在客户虚拟私有云中部署的方案。
数据采集遵循生成式AI领域的OpenTelemetry语义规范，该规范为Token计数、模型信息、费用及工具调用元数据等提供了统一格式。Speakeasy对这些记录进行标准化处理，从而跨服务商生成一致的数据视图。
AI Cost Control目前支持单轮对话费用估算、跨智能体汇总，以及按员工、团队、模型、会话和来源等维度的细分分析。用户可深入查看单次会话，识别造成费用消耗的工具、技能及Model Context Protocol服务器。
Speakeasy将该服务与功能类似的AI网关和可观测性产品加以区分，其核心在于专注于员工操作的AI客户端。Batchu指出，网关可追踪经由其路由的请求，但组织内大量AI使用行为发生在桌面应用和订阅服务中，这些渠道往往绕过网关系统。
"可观测性平台监测的是自有应用的模型调用，"他表示，"它们回答的是'我的产品花了多少'，而不是'我的员工花了多少'。"
该公司计划为团队和个人员工增加可执行的预算管控功能。届时，系统将在高用量情况下发送通知、要求审批，或在达到阈值时限制经由Speakeasy网关路由的活动。
其他规划中的功能还包括：按代码审查、研究和工单分类等任务对支出进行自动归类，以及对智能体加载系统提示、技能和MCP服务器时所消耗Token的独立计量。Speakeasy还计划将固定费率订阅成本与按量计费的API费用进行统一核对。
目前，该系统尚不支持捕捉非托管个人设备上的操作，也无法覆盖SaaS应用中内嵌的AI功能。Speakeasy表示，对内嵌AI服务的覆盖支持已列入产品路线图。
Q&A
Q1：Speakeasy的AI Cost Control服务能追踪哪些AI工具的费用？
A：AI Cost Control目前支持采集多款主流AI编程工具的使用数据，包括Anthropic的Claude Code、Anysphere的Cursor、Claude Cowork以及OpenAI的Codex。系统会记录每次交互消耗的Token数量、使用的模型、缓存活动及预估费用，并按员工、团队、工具和账户类型进行汇总展示。
Q2：员工用个人账户使用AI工具，企业能追踪到吗？
A：可以追踪。Speakeasy在员工的工作设备上部署软件智能体，即便员工通过个人账户访问AI服务，系统也能将相关活动与其工作身份关联起来。不过该公司强调，不会访问员工的个人账户，也不采集个人设备上的任何活动，仅观测已注册工作设备上的实时AI行为。
Q3：AI Cost Control和普通AI网关产品有什么区别？
A：普通AI网关只能追踪经由其路由的请求，无法覆盖员工通过桌面应用或个人订阅服务使用AI的情况。AI Cost Control专注于员工端AI客户端的使用监测，能捕捉绕过网关的AI活动，回答的是"员工整体花了多少"，而非仅限于"企业自有产品的模型调用花了多少"。
