AI 账单没法做预算：只有 11% 的企业算得准

云服务的账单可以按机器数和时长估。AI 的账单不行——同一个任务，今天烧一千个 token，明天可能烧一万个，中间没人改过代码。

一、发生了什么

10 月上旬，《华尔街日报》发了一篇让财务部门头疼的报道：AI 支出正在变得几乎无法做预算。原因不复杂——AI 用量按 token 计量，而模型完成同一个任务会消耗多少 token，本身就不可预测。

报道引用的一项调查覆盖近 400 家企业，只有 11% 能较准确地预测自己的 AI 花销。

另一个反直觉的结论来自该报播客栏目对这篇报道的解读：一项由斯坦福、卡内基梅隆、伯克利和微软研究者参与的研究发现，在 32% 的情况下，便宜模型最终消耗的 token 反而更多。原因是选错了工具——来回重试、多走几步，甚至跑完一圈还是没完成。

《华尔街日报》自己做了一组对照：同一个任务，Gemini 3.1 Pro 一次做完；换成更便宜的 Gemini 3 Flash，token 用量约为前者的 10 倍，任务仍然失败，账单照出。

报道还提到一个背景：先是鼓励员工尽量多用 AI 的那阵风潮，然后账单来了。

为什么难预测，原因有三层。一是同一个问题的长度不固定，上下文越长，token 越多；二是模型会重试、会拆步骤，一次失败可能触发五轮调用；三是员工可以在"快速"和"深度思考"之间切换，同一个按钮背后是几十倍的成本差。这三件事都不在任何一份采购合同里。

更麻烦的是，账单会自己长大。团队用顺手了，会把更多任务交给它；模型升级了，单价可能降，但新模型通常会在推理上花掉更多 token。一升一降，最后是涨是跌，只有月底看账单才知道。

打个比方：一间百人公司，市场部每周批量生成素材，客服每天接几千次会话，研发跑几十个 Agent 任务。单次调用只多花几毛钱，攒一个月就是一笔要被财务追问的钱。可你很难在事前说清"下个月会多花多少"，因为没有一条历史曲线可以外推。

二、跟你有什么关系

管预算的人。 AI 支出已经不是能按年框定的 IT 费用。它更像水电，但计价规则每个季度都在变。

用 AI 干活的团队。 每一次重试、每一句"再想想"，都在计费。任务描述写得含糊，成本可能直接翻倍。

做采购的人。 比价不能只看每百万 token 单价，要看"跑完一个任务的总花费"。

三、怎么用

1. 按任务记账，不按模型记账。 给三类高频任务各建一个价签：写文案、查资料、跑 Agent。一个月后你会看到钱主要花在哪一类。
2. 设配额。 按人、按项目给月度 token 上限，超了自动降级到便宜模型，而不是直接断供。断供会逼员工绕开系统。
3. 用路由，不用统一采购。 分类、抽取、格式转换交给小模型，复杂推理才上大模型。省下来的钱通常比谈折扣多。
4. 每月复盘单位成本。 每份周报、每张工单、每次客服会话各花了多少。这个数字比总账单有用得多。
5. 留 20% 缓冲。 这不是财务技巧。11% 这个数字说明，预测本身不可靠，缓冲是给预测失败留的。

四、三个别信的说法

「单价便宜就是省钱。」 32% 的反例说明，便宜模型可能用十倍的 token 换一个失败结果。单价乘以用量，才是成本。

「用得多，账单自然涨，没办法。」 真正失控的是没有计量和配额。把缓存、上下文裁剪、输出长度限制做起来，账单是能降的。

「这是 IT 部门的事。」 token 消耗由每个用 AI 的员工决定。成本治理最后落在使用习惯上，落不到采购合同上。

五、一句话结论

AI 账单管不住，多半不是因为贵，是因为没人说得清钱花在哪个任务上。

信息来源

• The Wall Street Journal：Spending on AI Is Becoming Almost Impossible for Businesses to Budget（2026 年 10 月，正文有付费墙）
• WSJ What's News 播客对本篇报道的解读（2026 年 10 月）

功能与价格以官方公告为准。本文写于 2026 年 10 月 18 日。