AI编程成本将超越人类开发者薪资

根据Gartner周三发布的一份报告，随着Token价格持续上涨，到2028年，AI编程的成本将超过一名普通开发者的薪资水平。这一转变将随着主要服务商的计费模式从订阅制转向按使用量计费而逐步发生。

报告指出，计费模式的转变使AI支出成为一个高度不确定的变量，企业技术负责人难以准确预测和管控相关开销。此外，各大厂商在Token消耗的计算与计费方式上普遍缺乏透明度。

Gartner高级首席分析师尼提什·泰亚吉在一份声明中指出，在企业仍难以推动AI项目走向成熟、衡量其业务影响的背景下，成本结构正在经历深刻变化。"随着以Token为计量单位的AI支出越来越难以获得预算支持，且资金往往比预期更早耗尽，软件工程领域的负责人愈发感到忧虑。"

将AI融入软件开发工作流已成为行业默认趋势，员工花在编写代码上的时间越来越少，更多精力转向管理AI输出结果。

Gartner的研究显示，随着AI在企业中的大规模渗透，成本持续攀升，工程部门尤为突出。Token超支问题与软件工程负责人的使用管理方式密切相关，许多团队在工作流中使用了缺乏治理的自主智能体。

泰亚吉表示："随着基础设施投入加大以及盈利挑战推动模型定价走高，AI编程成本将持续上升。与此同时，随着更多开发者使用AI工具，轻度用户预计将快速成长为主流用户，用户熟悉度和依赖度的提升将进一步推动Token消耗量和整体支出的增长。"

Altimetrik于今年4月发布的数据显示，仅有少数企业针对AI项目制定了具有明确目标和预期成果的清晰战略，但大多数企业仍选择积极推进，以免错失AI发展机遇。毕马威周三发布的报告则显示，仅有略超四分之一的企业C级管理者表示，能够实时、全面地掌握AI系统的运营成本。

毕马威会计师事务所AI企业转型负责人拉尚·希尔斯在一封电子邮件中向CIO Dive表示，很可能有大量智能体在后台持续运行数日，而管理层对此既不知情，也未进行审计。

"首席财务官看不到这些成本，首席信息官或许也同样如此，"希尔斯说，"这就是当前企业AI经济的现实：成本在无人充分监测的工作流中悄然累积。"

希尔斯建议，为防止AI使用量和成本超出预算，首席信息官必须整合并严密追踪使用情况，对云平台、智能助手、智能体框架、编程工具、业务工作流及团队级实验的消耗情况进行全面监控。

企业应构建一套Token经济语义模型，将使用量与成本挂钩，再将成本与归属主体对应，同时将AI归属映射至业务价值、工作负载、行为模式和风险维度。

希尔斯指出，超支对企业而言是一个代价高昂的失误，但无法掌握AI系统运营状况所带来的风险更为严峻。一旦服务商降低某项能力或成本突然飙升，技术负责人将毫无察觉。

他建议首席信息官深入排查哪些智能体需要限速、哪些框架正在高端模型上运行非必要的循环任务、哪些工作流属于关键业务。

"若缺乏这种可见性，企业相当于在没有任何监测手段、也没有应急预案的情况下管理一支智能体舰队，"希尔斯说。

Q&A

Q1：为什么AI编程成本会超过人类开发者薪资？

A：根据Gartner报告，推动AI编程成本上涨的主要原因有两方面：一是Token价格持续上涨，基础设施投入加大和盈利压力促使模型定价提高；二是计费模式正从订阅制转向按消耗量付费，而随着更多开发者从轻度用户转变为主流用户，整体Token消耗量将持续增长。预计到2028年，AI编程总成本将超过一名普通开发者的薪资水平。

Q2：企业在管控AI成本方面面临哪些挑战？

A：企业在管控AI成本时主要面临三大挑战：首先，厂商对Token消耗的计算和计费方式缺乏透明度，导致支出难以预测；其次，许多企业在工作流中使用了未受有效治理的自主智能体，这些智能体可能在后台持续运行数日而无人知晓；此外，调查显示超过四分之三的企业C级管理者无法实时全面掌握AI系统的运营成本，形成严重的信息盲区。

Q3：企业应该如何有效控制AI的Token超支问题？

A：针对Token超支问题，企业可从以下几个方面着手：首席信息官应整合并追踪云平台、智能体框架、编程工具等各环节的使用情况；企业应构建Token经济语义模型，将使用量与成本及业务价值关联起来；同时需要排查哪些智能体可以限速、哪些工作流属于关键业务，建立完善的监测体系和应急预案，避免在成本失控时陷入被动局面。