企业成本管理软件公司Mavvrik在4月至5月期间对多个行业的396家企业组织进行了调查，其《2026 AI成本治理现状报告》的内容由CIO Dive于8月6日报道。近一半的受访组织表示，未预料到的AI支出问题已上报至董事会层面，四分之一的受访者因意外成本而推迟或取消了AI项目。三分之二的受访者表示，意外的AI成本至少对一项业务决策产生了实质性影响，三分之一的企业在账单激增后实施了紧急支出冻结。
成本并不只存在于模型费用中
支出并非只发生在模型成本上。它广泛分布在开发者工具、数据平台、基础设施和智能体（Agent）工作负载等各个环节，而这种碎片化再叠加监管缺失，使得CIO和财务负责人难以掌握AI项目的整体成本，也难以准确衡量投资回报率，这是该报道的诊断结论。Mavvrik首席执行官Sundeep Goel在报告中表示，AI正在从根本上改变基础设施的消耗方式以及成本的累积方式，曾经可预测的IT支出如今变得流动且分散，归因也变得越来越困难。
Gartner数据与分析研究部门负责人Rita Sallam通过邮件向CIO Dive表示，随着企业从单纯的生成式AI部署转向自主智能体，这一问题变得更加突出。她解释称，尽管按token计价等模型单价看似在下降，但随着智能体工作流变得更加复杂、需要更高级的推理能力，每完成一项任务的实际成本却在上升。她还指出，随着计费方式转向按使用量计费，运行复杂自主智能体工作流的成本，往往超过了该工作流本应带来的节省。
投资回报率是一道算术题
Benchmarkit首席执行官Ray Rike在报告中指出，人人都在谈论AI的投资回报率，但ROI本质上是一道算术题，如果不清楚成本，就无法准确计算ROI。隐性成本问题并非首次出现。Wasabi Technologies去年公布的数据显示，近三分之二的组织因未预料到的使用量和数据传出（egress）费用累积而超出了云存储预算。与此同时，谷歌云、AWS、微软等云服务商为回应日益增长的关注，下调了部分存储相关费用，而原本为管理云成本而生的FinOps实践，如今也被用于保护企业免受不断膨胀的AI账单之苦。
如果正在考虑引入
Sallam建议，CIO应将AI成本优化视为一项架构要求，而非事后的财务核算活动，需要将成本优化直接设计进智能体工作流之中。其核心理念是让模型与任务相匹配，她用了一个比喻：不要为本该用小型车解决的事情动用法拉利。她还提出了将简单查询路由至更便宜的模型、使用更小型且针对特定领域优化的语言模型等方法。她补充道，只有将治理、安全和数据基础方面的投资与AI部署同步推进，才能维持长期ROI，同时也需要向用户开展素养教育，让他们了解AI token使用所带来的财务影响。换言之，不应该让查天气这样的任务也使用最昂贵的推理模型。
如果国内企业正处于从试点阶段迈向将智能体真正投入实际业务的阶段，那么衡量标准应以每完成一项处理任务的实际成本为准，而非合同上标注的单价。三分之一的企业采取了紧急支出冻结，这也意味着有相当一部分组织是在账单送达后才意识到问题的严重性。本周只需确认一件事即可：上个月的AI相关账单能否按部门、按业务逐项归因拆分？如果做不到这一点，那么无论是ROI核算，还是让模型与任务相匹配的工作，都尚未真正开始。