主要服务提供商正从订阅收费转向按使用量收费，这一变化将逐步影响 AI 的支出模式。Gartner 的一份报告强调，这种计费模式的调整使得 AI 相关的开销成为一个难以预测的因素，让企业技术领导者在规划和控制预算时面临挑战。此外，不同供应商在计算和收费方式上，对于 Token 的消耗缺乏统一的透明度。

Nitish Tyagi 观察到，随着以 Token 计算的 AI 费用变得越来越难以获得预算批准，并且资金消耗速度往往快于预期，软件工程领域的负责人正面临日益增长的担忧。

他指出，企业目前正从初步试验阶段迈向大规模应用，越来越多的开发者在其日常工作中开始依赖 AI 工具。尽管成本有所增加，但企业也看到了生产效率的提升。开发者普遍认为，更快的交付速度、便捷性以及更高质量的代码生成是主要优势，因此不太可能主动限制 Token 的使用以节约成本。

Tyagi 进一步表示，仅仅依靠开发者自觉遵守 Token 使用规定是不可行的，因为开发者通常会优先考虑效率和便利性，而非成本效益。

IT之家注意到，将 AI 集成到工作流程已成为普遍趋势，员工花费在编写代码上的时间逐渐减少，转而将更多精力投入到管理和审查 AI 生成的内容上。

Gartner 的分析表明，AI 编程成本的压力不仅源于定价模式和透明度问题，还与使用方式以及治理的不足有关。Token 超支往往与工程负责人对使用行为的管理方式有关，常见问题包括 AI 代理的失控自主运行、上下文窗口的过度使用以及缺乏有效的机制来优化用量。此外，AI 编程工具供应商尚未在代理中内置完善的成本优化功能，这也加剧了费用的增长。

Tyagi 预测，随着基础设施投资和盈利需求的增加推高模型定价，AI 编程成本将持续攀升。同时，随着更多开发者采用 AI 工具并日益依赖它们，轻度用户有望迅速转变为重度用户，这将进一步推动 Token 的消耗和总体支出的增长。