夜雨聆风
7月9日，国内多家媒体转载了一则来自The Register的报道：
毕马威调查了20个国家/地区的2145名高级管理人员，结果令人意外——
29%的受访者不知道AI成本不断上涨究竟从何而来；近三分之一（约31%）的高管承认自己"根本不懂AI的经济账"； 这个问题已经直接影响了企业在工作场景中真正部署AI的进程。
报告作者总结得很直接：
"随着按使用量计费模式越来越普遍，许多组织仍在建设有效预测、监控和管理AI支出的能力。"
换句话说：AI已经从"包月工具"变成了"按量计费的水电煤"，但绝大多数企业的成本管理能力，还停留在"买软件"的时代。
更具体的案例：
Uber在4个月内耗尽了全年的AI预算，最终不得不限制员工每月Token使用上限为1500美元。用完拉倒，下个月再来。
这不是Uber一家的问题。这是整个行业的问题。
很多管理者对AI成本的理解，还停留在"软件采购"的逻辑里：
买一台服务器，一次性投入，折旧三年； 买一套软件，一次性付费，永久使用； 上一个系统，项目预算100万，做完结束。
但AI不是这种逻辑。AI是"水电煤"逻辑：
你每次让AI生成一段文案，消耗Token； 你每次让AI分析一份报告，消耗Token； 你每次让AI回答一个员工的问题，消耗Token。
Token不是货币单位，是计算单位。每一个字、每一次推理、每一次调用，都在消耗算力。而算力，是按量计费的。
这就导致了一个管理者从未遇到过的问题：
"预算"和"实际消耗"之间，没有清晰的对应关系。
你年初批了100万的AI预算。但100万能买多少Token？取决于你的团队怎么用。如果团队把AI当搜索引擎用——每次查询都调用一次大模型——那100万可能撑不过三个月。如果团队把AI当创意助手用——只在复杂任务时调用——那100万可能够用一年。
问题是：大多数管理者根本不知道团队在使用AI的"什么模式"。
很多管理者一听到"成本管理"，第一反应是"省钱"。
但AI成本管理的核心问题不是"花多了"，是"不知道花在哪了"。
毕马威的调查显示，29%的高管不知道成本从哪涨起来的。这意味着什么？意味着他们看到的只有一个数字——月底账单上的总支出——但不知道这个支出是怎么构成的。
不知道哪些团队用得多； 不知道哪些任务消耗大； 不知道哪些用法是浪费； 不知道哪些用法是高效。
没有这些信息，管理者能做的只有两件事：要么盲目砍预算（影响业务），要么盲目加预算（浪费资源）。
所以，AI成本管理的第一步，不是"控制支出"，是"可视化支出"。
动作一：建立"AI预算仪表盘"——不是给财务看，是给每个团队看
传统的预算管理是：财务部门做一个总表，每个季度汇报一次。但AI成本的变化速度，按周甚至按天计算。季度汇报太慢了。
建议：给每个使用AI的团队一个实时仪表盘，显示：
本月已用Token数（及对应金额） 每日/每周消耗趋势 消耗Top 3的使用场景 与上月/上季度的对比
关键是：这个仪表盘不是给财务看的，是给团队负责人和一线员工看的。让他们知道，每次调用AI，都是在消耗预算。
Uber的做法就是一个极端例子：每月1500美元上限，用完拉倒。虽然粗暴，但至少"透明"——员工知道边界在哪。
动作二：区分"烧Token"和"省Token"的任务——不是少用，是聪明地用
不是所有AI使用都是"值得"的。管理者需要帮团队区分：
高价值任务（值得多消耗Token）：
复杂数据分析与洞察生成 创意内容生产（文案、设计、方案） 代码生成与调试 客户服务中的个性化回复
低价值任务（应该减少Token消耗）：
简单信息查询（应该用搜索引擎，不是AI） 重复性内容生成（应该用模板，不是每次调用AI） 内部知识问答（应该建立知识库，不是每次问AI） 格式转换、排版等基础操作（应该用工具，不是AI）
管理者不是告诉员工"少用AI"，而是告诉员工"在值得的地方多用，在不值得的地方少用"。
动作三：把AI成本写进团队KPI——不是为了省钱，是为了建立"成本意识"
很多员工使用AI时，完全没有"成本"概念。因为AI工具往往是"免费"或"企业统一付费"的，员工看不到账单。
建议：在团队的效率KPI中，增加一个维度——"AI投入产出比"。
不是简单地"用了多少Token"，而是"每消耗1万元Token，产生了多少业务价值"。
比如：
市场团队：每1万元Token，产生了多少条有效线索？ 客服团队：每1万元Token，解决了多少客户问题？ 研发团队：每1万元Token，节省了多少人天？
这个KPI的目的不是"省钱"，是让团队意识到：AI是有成本的，而且成本需要被衡量。
毕马威的调查揭示了一个趋势：
AI正在从"战略投资"变成"运营支出"。
战略投资的逻辑：一次性投入，长期收益，ROI容易计算。 运营支出的逻辑：持续消耗，动态变化，需要实时监控。
管理者必须适应这个转变。具体来说：
第一，不要把AI预算当成"项目预算"来管理
项目预算的逻辑：立项时评估需求，执行中控制范围，结束后验收成果。
AI预算的逻辑：每月评估消耗，每周调整用法，每天监控异常。
第二，不要把AI成本推给IT部门或财务部门
AI成本的核心驱动，是业务团队的使用行为。IT部门可以监控技术层面的消耗，但无法判断"这些消耗是否值得"。财务部门可以统计总支出，但无法分析"哪些支出是浪费"。
AI成本管理的第一责任人，应该是业务管理者——因为他们知道"这些Token花出去，产生了什么价值"。
第三，不要把"省钱"当成唯一目标
毕马威报告说"三分之一高管不懂经济账"，但这不意味着AI成本越低越好。
有些团队Token用得多，但产出的价值更高。盲目省钱，可能 kill 了最有价值的用法。
管理者的目标不是"少花钱"，是"花明白钱"。知道钱花在哪了，知道哪些钱花得值，哪些钱浪费了——然后做决策。
AI按量计费的时代已经来了。这不是某个供应商的策略，是整个行业的转向。
DeepSeek的峰谷定价、OpenAI的Token计费、各种模型的按调用收费——都在传递同一个信号：
AI不再是"买工具"，是"用服务"。用多少，付多少。
这对管理者提出了新的要求：
以前，你评估一个软件，看功能、看价格、看品牌。 现在，你评估一个AI服务，还要看：你的团队会用吗？会用多少？用在哪里？用得值吗？
这些问题，没有标准答案。但只有开始问这些问题，你的AI投入才不会变成"月底惊吓"。
毕竟，三分之一高管的AI项目，不是死在技术上，是死在账单上。
AI没有变贵，是你的管理方式还在用"买软件"的逻辑，管理"按量计费"的AI。
