夜雨聆风亚马逊用 AI 做一个"作者与商品匹配"的简单任务，账单飙到 180 万美元（约 1215 万元），比预算高出 860%，5 个月后才被发现；Uber 把 AI 编程工具铺给 5000 名工程师，仅 4 个月就烧光了全年 AI 预算。
AI 承诺"降本增效"，为何反而成了吞噬预算的黑洞？站在项目管理专家的视角，这不是一次技术事故，而是一记警钟：成本管理正在被 AI 重写，一场从"事后核算"到"实时治理"的范式迁移已经开始。
过去二十年，项目成本的计量单位是"人天""工时"，预算像一条稳定的直线，按月复盘足矣。而在智能体（Agent）时代，成本的计量单位变成了 Token 与推理次数——它以工程的速度累积、以指数的方式膨胀、以隐蔽的方式失控。项目经理如果还用旧地图，注定走进新雷区。
一、悖论：单价暴跌 99%，账单却翻了三倍
最反直觉的事实是：Token 越来越便宜，AI 账单却越来越贵。斯坦福 HAI《2026 AI Index》记录，GPT-3.5 级能力的推理成本在两年内从每百万 Token 20 美元跌到 0.07 美元，跌幅超过 99%；但 Menlo Ventures 数据显示，同期企业大模型支出反而翻了三倍。图灵奖得主 David Patterson 在 2026 年初直言：AI 大规模落地正面临一场"成本危机"。
这就是经典的"杰文斯悖论"——单位成本下降，反而刺激了用量的爆炸式增长。当项目从"单次问答"切换到"多轮规划、多次调用、反复验证"的 Agent 工作流，成本结构就从线性变成了指数级。
📊 失控的规模
· 93% 企业 AI 团队超预算（McKinsey 企业 AI FinOps 调研，2026-07，75 家企业/5 大行业）
· 73% 企业 AI 成本超出原始预测（FinOps 基金会《2026 FinOps 现状》，1192 家组织/830 亿美元技术支出）
· 约 2.5 万亿美元：Gartner 预测 2026 年全球 AI 支出，同比 +47%
· 1/5 组织已因 AI 运营成本而主动"踩刹车"限制 AI 使用（McKinsey State of AI 全球调研 2026，1719 位受访者）
二、隐性：成本从"一行数字"变成"系统累积"
传统项目里，成本超支是"看得见"的——工时表、采购单、变更单，白纸黑字。但 AI 的成本藏在系统深处：Gartner 2026 年 3 月分析指出，智能体场景的 Token 消耗是普通对话的 5–30 倍，一个 Agent 完成一项任务可能触发 10–20 次模型调用；McKinsey 更测算出，Agent 的"响应精炼"（自我检查—修正—再生成的循环）单项就吞掉了 60% 的智能体成本。
更致命的是"看不见"。KPMG《2026 Q2 全球 AI 脉搏调查》（2026-06-24，20 国 2100+ 高管）发现，只有 26% 的组织对 AI 使用成本有实时可见性，22% 的组织"账单来了才知道花了多少"。亚马逊那笔 180 万美元的账单，正是因为缺乏成本监控，跑了整整 5 个月才被察觉。
"很难弄清楚任何与 AI 相关的东西到底需要花费多少成本。"——亚马逊一位高级员工在内部会议上的坦白（英国《金融时报》，2026-07-30）
从项目管理知识体系看，这是 PMBOK"成本管理"知识域的计量单位被重写：BAC（完工预算）建立在静态的人力假设上，而实际支出由动态的、重尾分布的 Token 消耗驱动。旧的挣值曲线，正在失真。
⚠️ 真实的"昂贵 Bug"
· 亚马逊：一个数据匹配任务 180 万美元，超预算 860%，5 个月后才发现；另有金融审计工具超支 54.1 万美元、物流优化超支 13.4 万美元
· Ramp 2026 年 4 月账单：中位数企业月付 Token 费 2246 美元，均值却高达 140842 美元——63 倍鸿沟，正是少数失控部署的信号
· IDC：仅 7.5% 企业将 FinOps 纳入 AI 项目；未纳入者中 41% 的 AI 支出浪费超过 15%
三、破局：从"事后核算"到"实时 FinOps + EVM"
好消息是，标杆企业已经跑出了可量化的解法，核心逻辑高度一致：不是扼杀 AI 使用，而是把资源从"无效消耗"引导到"价值创造"。三管齐下——分层路由、配额熔断、成本治理前置。
① 分层路由：用对的模型做对的事。花旗银行关闭全员高阶模型默认权限，要求"为任务选择合适模型"，高价模型无效调用占比从 42% 降至 7%，整体 AI 成本下降约 65%。行业实践显示，把 85% 的常规流量路由到经济型模型，混合账单可下降约 60%–90%。
② 配额 + 看板：让成本透明、可追踪。特斯拉给每人每周设 200 美元 Token 上限、超支自动熔断，无效 Token 消耗降 72%、月支出环比减 48%；Atlassian 把 AI 额度直接嵌入研发流程、Token 消耗自动关联项目工单，超预算团队比例从 73% 降到 12%，人均投入产出比提升 2.3 倍。
③ 治理前置：成本核算左移到立项。Gartner 提出"成本驱动设计（Cost-Driven Design）"——从原型阶段就启动成本核算，提前对比不同模型方案的财务影响。这与挣值管理（EVM）的重生不谋而合：新一代工具已能实时计算成本偏差（CV）、进度偏差（SV），并自动预测完工估算（EAC），让项目经理从"经验主义"走向"精算主义"。
"没有治理的自动化，只会让你更快地犯错。"——AI 成本治理的核心不是省钱，而是把一张不可预测的账单，变成一条受治理的预算线。
✅ 可复制的治理红利
· 分层路由：无效调用 42%→7%，AI 成本 -65%（花旗）
· 配额熔断：无效 Token -72%，月支出 -48%（特斯拉）
· 额度绑工单：超预算团队 73%→12%，人均 ROI +2.3 倍（Atlassian）
四、升维：成本管理进化为"价值治理"
控制账单只是起点，真正的分水岭是把成本和价值挂钩。德勤（Deloitte）在《CFO Insights for AI》（2026-03）中明确建议：把 AI 专项损益（AI-specific P&L）从笼统的云账单中拆出来，映射到具体的业务单元与用例，这是衡量 AI ROI 的前提。衡量口径也随之变化——从"花了多少钱"转向"每笔交易、每次推理、每个用例的单位成本是多少"。
这一转向正在成为行业共识：FinOps 基金会数据显示，64% 的团队已把"为业务创造的价值"作为核心 KPI，近 80% 的 FinOps 团队向 CIO 汇报。而 McKinsey 的研判是——顶尖组织每投入 1 美元可获 3 美元回报，但前提是有度量的成果，而非盲目扩张。反面教材是 MIT 的警告：95% 的企业生成式 AI 试点对利润表毫无可测影响。
项目经理的新身份，是 AI 成本的"价值守门人"：既懂技术账，也算价值账；既能踩刹车，也能给油门找到对的方向。
专家视角：三条给项目经理的硬判断
1. 一场"计量革命"，必须重算你的 EVM。
成本单位从人天迁移到 Token/推理，意味着 BAC 与 EAC 的口径要重建。别再用季度报表复盘，Agent 成本要按周、甚至按小时盯。
2. 治理必须"左移"到 WBS。
在工作分解结构里就嵌入 Token 预算、模型路由策略与熔断阈值——把成本护栏写进计划，而不是等账单来了再救火。任何新的 Agent 工作流，上线前都应通过一次"财务预审"。
3. 成本能力 = 数据能力 + 判断力。
会看滚动基线的异常检测，会按 P50/P90/P99 分位规划预算（因为 Agent 支出是重尾分布，均值会骗人），会在"够用的便宜模型"和"必要的前沿模型"之间做取舍——这是项目经理的新基本功。
你的项目，遭遇过"AI 账单惊魂"吗？
你所在团队的 AI 成本可见性，处在哪一级——实时可见、部分可见，还是"账单来了才知道"？
👇 欢迎在评论区聊聊你的成本治理心得，也把这篇转发给你的 PMO 和 CFO
📚 数据来源
1. McKinsey《Enterprise AI FinOps Survey》（2026-07）；McKinsey《The State of AI 2026》全球调研（2026-05/06，1719 位受访者）
2. Gartner：全球 AI 支出预测 2026（约 2.5 万亿美元，+47%）、智能体 Token 耗用分析（2026-03）、AI 编程成本预测与"成本驱动设计"（2026-06）
3. FinOps Foundation《State of FinOps 2026》（1192 家组织 / 830 亿美元技术支出）
4. KPMG《Q2 2026 Global AI Pulse Survey》（2026-06-24，20 国 2100+ 高管）
5. Deloitte《CFO Insights for AI: Cost, Risk, and ROI》（2026-03）
6. Stanford HAI《AI Index 2026》；Menlo Ventures 企业 LLM 支出数据；IDC（智能云运营 / FinOps 采用率）
7. 英国《金融时报》亚马逊 AI 成本失控报道（2026-07-30，经 36氪/新浪财经转引）；Ramp 2026-04 账单数据
8. 量子位（QbitAI）Token 经济与成本危机报道（2026-05/07）；36氪、CSDN 企业 AI 成本治理案例（花旗/特斯拉/Atlassian/Uber）
9. PMBOK（第七版/第八版）成本管理与挣值管理（EVM）知识域；MIT 生成式 AI 试点研究
本文为原创分析，数据引自公开权威来源并已注明出处，观点仅供项目管理同行交流参考。
关注我，每天一篇「AI × 项目管理」前沿洞察。