整个行业开始对AI的价格望而却步，Uber在四月前就耗尽了其2026年全年的AI编码预算，微软在启用Claude Code许可证数月后撤销了开发者的使用权限，Priceline一名员工向TechCrunch透露，Cursor合同的常规续约价格翻了4到5倍。
尽管每个token的价格有所下降，但对更多AI采用的推动以及日益自主的代理（agents）的发展，使得token消耗量不断攀升。在2025年初大量享用“无限畅吃”订阅套餐的公司，如今正急于弄清楚资金去向、削减支出，并试图从预算的废墟中挽救一些投资回报率（ROI）。
与此同时，一个市场正在形成以满足这一需求。初创公司、成熟厂商以及一个新的标准制定机构都在竞相为企业提供了追踪支出的工具和语言。
企业对话焦点转变：从能力到成本管控
OpenAI企业负责人Alexander Embiricos在本周纽约市的一场活动上对TechCrunch表示：“六个月前，我与客户的对话总是围绕‘它能做什么？它足够好吗？’展开。”他说，“现在我们的对话再也不涉及这些内容了。现在的讨论焦点是：‘嘿，我们花费太多了。你们能提供什么样的可见性？审计能力如何？token控制措施有哪些？你们的模型效率怎样？’”
正是在这样的背景下，Linux Foundation本周公布了Tokenomics Foundation的计划，这是一个新的标准制定机构，旨在为AI token引入类似FinOps在云支出方面所实施的成本纪律。
Linux基金会旗下项目FinOps基金会执行董事J.R. Storment向TechCrunch表示：“四月和五月期间，我开始听到公司抱怨：‘天哪，我们四月份就已经用完了2026年全年3倍的token预算，’”他补充道，“我们开始听到存在性危机的呼声，整个对话从最大化token使用量和‘快速推进’转向了‘我们需要护栏，如何控制这种情况？’”
AI消耗激增引发“成瘾”担忧与ROI困境
科技界听到的这些呼吁紧随CEO们推动团队使用最佳模型并快速行动、不惜成本的强烈要求之后，Anthropic的Claude Opus 4.5、OpenAI的GPT-5.1和Google的Gemini 3 Pro等十一月发布的新模型为智能体工具带来了显著改进，导致消耗量成倍增加，这也是一家公司因忘记为员工设置使用限制而据称面临5亿美元Claude账单的原因。
Priceline高级IT财务主管Chris Reed说：“这就像可卡因流行病一样。”他指出，该公司已经开始对某些群体设置token使用限制。“他们让你尝试以让你上瘾，而现在你某种程度上不得不依赖它。”
工程运营平台Faros AI的首席执行官Vitaly Gordon表示，他最近与一位首席技术官（CTO）交谈，对方告诉他：“我的一位工程师上个月在token上花了40,000美元，而我真的不知道是该阻止他，还是该告诉其他人也像他那样做。”
Faros于四月发布的一项针对20,000名开发者的两年期研究发现，产出虽然在增加，但缺陷和重写也在上升。工程管理平台Jellyfish也发现，使用token最多的工程师的生产率大约是较少使用AI的工程师的两倍，但他们为此消耗的token数量是其十倍。
Jellyfish的研究主管Nicholas Arcolano通过电子邮件告诉TechCrunch，由于代理功能的存在，AI支出正在爆炸式增长，每位开发者的token消耗量在九个月内增长了约18.6倍。总体而言，这些统计数据使得生产力的论证比支出所暗示的要模糊得多。
Arcolano说：“巨额支出是否值得回报，最终取决于已交付代码的业务价值（例如收入），而大多数公司仍然无法衡量这一点。”
万亿级数据挑战催生新市场与标准化需求
至少部分测量问题源于当今AI使用的巨大规模。
“追踪云成本是一个每月涉及数亿行数据的问题，”Storment表示。“而追踪token成本则是一个每月涉及万亿行数据的问题。你无法简单地将这些数据放入任何电子表格甚至基础工具中。你必须从根本上重新思考你的工具、规格说明和会计系统，才能应对这一挑战。”
在Priceline，Reed已经发现了差异。他指出，供应商报告的用量与Priceline的内部数据之间存在问题。
“我职业生涯始于电信费用管理，我看到了从电信到云计算再到人工智能的所有相同相似之处，”他说。“每当引入新技术时，计费错误以及审计和优化机会都会随之而来。”
围绕这一问题，市场正在逐渐形成。其中包括像Pay-i这样的纯服务提供商，它们负责跟踪、衡量并优化生成式AI（GenAI）投资的成本和性能。与此同时，Paid让开发者能够追踪成本、衡量使用情况，并根据实际价值而非订阅费向用户收费。
此外还有Jellyfish、Waydev和Faros AI等公司，它们提供AI代理监控服务，以证明开发工具的投入产出比（ROI）。Storment表示，FinOps Foundation内的180家供应商大多正朝这一领域倾斜。
拥有现有分发渠道的公司也在添加新功能以利用这一新市场，Ramp近期进入了AI支出管理领域，Datadog和New Relic增加了云成本管理、token级可观测性和GPU监控等服务，在下周的FinOps X会议上，预计AWS将推出面向企业AI支出的新财务管理功能。
NEA合伙人Tiffany Luck认为，token效率和可观测性可能会在“harness或应用层”被添加，她提到了Factory这家为企业制作AI代理的初创公司，该公司本周推出了一个模型路由器，自动为每项任务选择正确的模型。
Gordon预计，前沿实验室和其他模型提供商将采用类似OpenRouter的优化策略，将查询引导至最便宜的模型——这一趋势已出现在企业级Claude账单中。
“关于你在Anthropic上的支出财务报告，即使你调用的是Opus模型，部分支出也会用于Sonnet或Haiku，因为它们足够智能地自动进行这种切换，”Gordon说。“我认为这将成为一种越来越普遍的现象。”
然而，所有这些工具都是在缺乏共同语言或共享定义的情况下构建的，例如一个token的成本是多少、它产出了什么内容，以及如何跨供应商比较支出。这正是Tokenomics Foundation希望发挥作用的领域。
该基金会正在构建“token经济学”的标准定义和框架；制定用于AI token使用和计费的开放标准、规范及指标；以及推出新的AI经济指标，如每单位智能成本（cost-per-intelligence）或每瓦特token数（tokens-per-watt）。它还计划定义跨token工厂效率和消费效率的指标。该小组计划于七月正式推出，并将在下周的FinOps X会议上宣布更多成员加入。
Salesforce首席可用性官Nishant Gupta在一份声明中表示：“Token经济学比我们此前在任何规模上管理的任何东西都更加抽象和opaque（不透明）。它需要行业为云计算所建立的操作肌肉之外的另一种能力。”
尽管如此，高盛预测全球token使用量到2030年将增长24倍，已经超支的公司现在就需要解决方案，而该基金会的首个交付成果仍需数月才能完成。
“也许我们创造了蒸汽机，但我们仍未弄清楚流水线是如何运作的，”Gordon说。
根据Arcolano的说法，明智的做法是广泛且适度的采用。
“最佳的投入产出比来自于将广大中间群体从低使用量提升至适度使用量，而不是推动重度用户使用更高，”他说。
Russell Brandom和Tim Fernholz参与了本报道的撰写。