意外的AI成本正迫使企业重新审视实施方案。根据成本管理软件公司Mavvrik发布的《2026年AI成本治理现状报告》，近半数企业机构表示，AI支出超预算问题已上升至董事会层面。该报告于今年4月至5月期间，对396家跨行业企业机构展开调查。
AI采用与治理之间的脱节，正在对项目推进产生连锁影响——四分之一的受访者表示，已因不可预见的成本而推迟或取消了AI计划。
对于三分之二的企业而言，意外的AI成本已对至少一项业务决策产生实质性影响；与此同时，三分之一的企业在账单持续攀升的压力下，启动了紧急冻结支出措施。
AI支出的来源已不再局限于模型本身，而是日益分散，覆盖开发者工具、数据平台、基础设施及智能体工作负载等多个层面。这种碎片化态势，加之缺乏有效监管，使首席信息官和财务负责人愈发难以全面掌握AI项目的总成本，也难以准确衡量投资回报率。
"AI正在从根本上改变基础设施的消耗方式和成本积累模式，"Mavvrik首席执行官桑迪普·戈尔（Sundeep Goel）在报告中表示，"过去可预测的IT支出，如今已变得动态分散，且越来越难以准确归因。"
Gartner数据与分析研究主管丽塔·萨拉姆（Rita Sallam）指出，随着企业从简单的生成式AI部署迈向自主智能体阶段，上述挑战正变得愈加突出。
"尽管单位模型成本（例如每Token的价格）看似在下降，但随着智能体工作流日趋复杂、对高级推理能力的需求不断提升，每项任务实际完成的成本反而在上升，"她在发给CIO Dive的邮件中写道，"定价模式正向基于使用量的方式转变，这进一步加剧了运行复杂自主智能体工作流的费用压力，而这些费用往往远远超出这些工作流原本预期节省的成本。"
可见性缺口正在指挥链上产生多米诺骨牌效应，最终左右业务决策、触发紧急支出审查，并随着企业重新评估成本而改变AI项目走向。
"所有人都在谈论AI带来的投资回报，但投资回报归根结底是道数学题，"Benchmarkit首席执行官雷·莱克（Ray Rike）在报告中说道，"如果不清楚自己的成本，就根本无法准确计算投资回报率。"
高管们长期以来一直在与隐性成本博弈。Wasabi Technologies去年发布的数据显示，近三分之二的企业因意外产生的使用费和数据传出费用不断叠加，导致云存储预算严重超支。
在支出缺口不断扩大的背景下，成本管理措施也在持续加强。谷歌云、AWS和微软等云服务提供商在审查压力日益加剧的情况下，已相继下调部分存储相关费用。与此同时，原本针对云成本设计的FinOps实践，如今也被引入AI领域，用于帮助企业抵御高额AI账单的冲击。
萨拉姆认为，首席信息官应将AI成本优化视为一项架构层面的必要要求，而非事后才进行的财务复盘。
"企业还应将成本优化直接内嵌到智能体工作流的设计中，"她补充道，"要根据任务匹配合适的模型，避免犯'杀鸡用牛刀'的错误。"
萨拉姆还特别强调，将简单查询路由至成本较低的模型，以及使用更小型、特定领域的语言模型，都是可行的优化策略。
她同时指出，企业在推进AI部署的同时，还应同步投入治理、安全与数据基础建设，认为这些投入是维持长期投资回报的必要保障。
"AI用户自身也扮演着重要角色，"她补充说，"他们必须了解自身AI使用行为所带来的财务影响。企业应强制推行AI素养培训，教导用户具备AI Token的财务意识——你可不希望他们用最昂贵的推理模型去查天气预报。"
Q&A
Q1：Mavvrik的《2026年AI成本治理现状报告》主要发现了什么问题？
A：报告对396家企业的调查显示，意外的AI成本已成为普遍问题：近半数企业的AI超支问题已上升至董事会层面，四分之一的受访者因不可预见成本而推迟或取消AI项目，三分之一的企业甚至启动了紧急冻结支出措施。AI支出来源已从单纯的模型费用，扩展至开发者工具、数据平台、基础设施及智能体工作负载等多个层面，治理缺失使成本管理难度大幅上升。
Q2：为什么智能体工作流会导致AI成本不降反升？
A：Gartner研究主管丽塔·萨拉姆指出，虽然单位模型的Token价格看起来在下降，但随着智能体工作流日趋复杂、对高级推理能力的需求增加，完成每项任务的实际成本反而在上升。同时，定价模式正向基于使用量的方向转变，这进一步叠加了运行复杂自主智能体的费用，而这些费用往往超过了这些工作流原本预期节省的金额。
Q3：企业应该如何有效控制AI使用成本？
A：专家建议从多个层面入手：首先，将成本优化内嵌到智能体工作流的架构设计中，根据任务复杂度匹配合适的模型，避免过度使用高成本推理模型；其次，将简单查询路由至更低成本的模型，或采用小型领域专用语言模型；此外，应同步加强AI治理、安全与数据基础建设，并对AI用户推行Token财务素养培训，让员工了解不同AI使用行为背后的实际费用。
