企业AI成本管理策略与实践方法

AI智能体的广泛应用正推动企业AI词元支出持续增长，众多企业开始借鉴云计算时代的成本控制经验来优化支出

内容概要

随着员工全面采用AI以及各类高级智能体的落地，企业正面临人工智能开支急剧上升的挑战。

企业在支出失控时向来反应迅速，但人工智能正在考验这种成本管理能力。AI相关支出不断攀升，不过大多数技术负责人仍然相信，这项技术最终能够为企业带来实际收益，只是不能无节制地投入。

多位首席信息官在接受领导力研究院采访时透露，他们正在实施多项成本控制策略，其中包括云计算发展初期、企业为应对云支出激增而积累的成熟管理方法，以期将AI支出维持在合理水平。

在线旅游公司普林斯琳IT财务高级总监克里斯・里德指出：“运用AI就像把信用卡交给最终用户。如果没有约束机制、用户也未接受成本方面的培训，企业的账单就会不断攀升。”

与以往几次技术变革不同，本次企业AI普及覆盖全体员工，而非仅限于技术人员。AI通常按调用量计费，作为AI算力基本计量单位的词元，其价格波动频繁，多重因素叠加直接推高了企业的AI使用成本。

里德介绍，普林斯琳通过可视化仪表盘实时监控词元消耗情况，每月向首席财务官、首席技术官提交使用报告。一旦某员工词元用量异常偏高，企业会与其沟通AI使用场景；如果该员工正在推进可产生营收的项目，相关用量限额可适度放宽。

从指令式聊天机器人，到全天候自主运行的AI智能体，行业应用的迭代进一步加大了成本压力，后者的词元消耗量要高出数倍。随着更大规模、更复杂的大模型不断落地，相关成本预计还将大幅上涨。

百时美施贵宝首席数字与技术官格雷格・迈尔斯表示：“未来的AI支出规模将比现在高出好几个数量级。”他还提到，随着AI应用来到行业拐点，各类AI智能体带来的成本将呈指数级增长。

迈尔斯称，他已经向公司管理层、首席财务官以及董事会提前沟通，让各方做好词元消耗大幅攀升的心理准备。

但并非全是坏消息，他表示：“结合我们预判的商业收益来看，AI项目的投资回报率整体会十分可观。”

词元消耗规模预测（单位：千万亿词元）

企业级智能体、消费级智能体、非智能体类AI算力任务

2025—2030年消耗量持续攀升

借鉴云时代的成本管控工具

不少企业技术负责人开始沿用云计算浪潮中积累的成本治理经验。

美国信安金融集团首席信息官凯西・凯表示，这家金融服务企业正在复制云时代的治理与优化机制，在规模化落地AI的同时管控成本。例如根据业务场景匹配适合的大模型，避免出现“调用量越高、成本必然越高”的情况。

“当前模型定价、技术能力迭代速度很快，我们在方案设计阶段就预留灵活调整空间，方便后续持续优化AI部署效率。”凯补充道。

云财务运营模式

2010年代云计算大规模普及后，FinOps（融合财务、工程、产品多维度的云财务运营体系）应运而生，用于管控技术与云资源支出、最大化技术投入的商业价值。

智能表格平台Smartsheet首席信息官兼首席信息安全官拉维・索因介绍，公司专门由FinOps团队统一追踪整体AI开支。“必须明确预算的责任归属方。”该软件企业设置了用量自动预警机制，员工词元额度即将触顶时会收到系统提醒。

“公司全员可按照部门、直属管理者维度查看用户用量仪表盘，实时掌握调用频次与花费，避免月底收到账单时才发现成本严重超支。”他说道。

还有不少企业开始招聘具备FinOps从业经验的外部专家。根据招聘信息，美国西维斯健康正在招募AI运维工程执行董事，岗位要求精通FinOps，涵盖GPU成本治理、降本增效等工作内容。

AI智能体遍地开花，成本压力陡增

当前企业AI使用规模创下历史新高，大量上线的AI智能体甚至让企业难以全面统计管控。

高盛高级股票研究分析师吉姆・施耐德表示，和向聊天机器人提问相比，指令智能体完成一项任务所需的算力高达前者的50倍。高盛预测，未来四年AI智能体将让行业词元总消耗量提升24倍，到2040年，商用AI智能体的词元消耗将暴涨至当前的55倍。

OpenAI、Anthropic两大模型厂商均表示词元单价正在下调，两家企业也曾考虑过大幅降价。

即便词元单价走低，智能体因需要跨多个智能体协同、长时间不间断运行，整体消耗量依旧大幅上涨。贝恩公司调研数据显示：2024年12月至2025年12月，主流模型单价降幅约50%，但同期行业词元总调用量暴涨4.5倍。

削减AI账单的各类实操方案

技术管理者表示，企业面临的难题不仅是管控AI花费，还要衡量技术投入对应的商业价值。

高通首席信息官阿提拉・蒂尼奇介绍，这家半导体企业采用多重手段管控AI成本，包括为不同团队设置词元使用上限。“各类研发团队无疑是词元消耗大户。”

高通还在企业内部推行成本公示机制：向各业务部门同步其AI词元对应的实际花费，让各团队清晰了解自身资源消耗带来的成本影响。

OpenText首席信息官兼首席数字官香农・贝尔表示，成本公示或更进一步的内部费用分摊机制，可帮助企业将词元相关开支降低20%至30%。“我们需要让各研发负责人对自身的资源投入、业务产出全权负责。”

不过AI使用场景错综复杂，很难通过单一方式精准量化价值。

普林斯琳的里德谈到：“AI调用量高低本身没有绝对好坏，核心要看对应的业务成果，而这也是最难量化的部分。”

这种价值不确定性，促使企业采用另一类降本思路：按业务场景优化单任务使用成本。不再所有任务都依托高成本的超大模型，而是按需选用轻量化模型、老旧成熟模型或是开源大模型。蒂尼奇补充，基于高通自研硬件部署轻量化模型，还能进一步压缩开支。

劳氏零售首席数字与信息官西曼蒂妮・戈博尔表示，企业已经出台规范与管控机制避免词元浪费，优先选用轻量化、开源大模型。

“只要服务于业务目标，合理的词元消耗就具备价值。我们必须杜绝不必要的资本投入。”