主要服务提供商正逐步将计费模式从订阅制过渡到按使用量收费，这一变化预示着企业在人工智能（AI）方面的支出将成为一个难以精确预测和控制的变数，因为厂商在计算和收取 Token 费用方面普遍缺乏透明度。软件工程领域的领导者们正日益担忧，因为以 Token 为单位的 AI 支出正面临预算压力，资金消耗速度往往超出预期。

尽管成本不断攀升，企业正从早期试用阶段迈向全面应用，开发者们在日常工作中对 AI 工具的依赖日益加深。然而，这种成本的增加也带来了更高的产出回报。开发者们普遍认为，AI 工具带来的更快交付速度、操作便捷性以及更优质的代码生成是其核心价值所在，因此他们不太可能主动减少 Token 的使用来节省开支。正如 Nitish Tyagi 所指出的，仅凭开发者的自觉来控制 Token 使用是不可靠的，他们通常会优先考虑效率而非成本。

IT之家观察到，将 AI 集成到工作流程已成为行业标准，开发者们花费在编写代码上的时间显著减少，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 编程成本的上涨不仅源于定价模式和透明度问题，使用方式和治理的不足也是重要推手。Token 超支常常与工程领导者如何管理用户行为有关，例如 AI 智能体失控的自主操作、上下文窗口的过度使用以及缺乏优化用量的结构化反馈机制。此外，AI 编程工具供应商尚未在其智能体中集成有效的成本优化功能，进一步加剧了费用的增长。

Tyagi 预测，随着基础设施投资的增加和盈利压力的提升，模型定价将持续走高，AI 编程的成本也将随之上升。同时，随着越来越多的开发者采用 AI 工具并加深依赖，轻度用户预计将迅速转变为重度用户，这将进一步推动 Token 消耗和整体支出的增长。可以预见，未来 AI 在编程领域的应用将更加广泛，而相关的成本管理和优化将成为企业关注的焦点，甚至可能影响到如世界杯赛程 预订等其他领域的预算规划。