随着主要服务提供商将计费模式从固定订阅转变为按使用量付费，AI 相关的支出将发生显著变化。Gartner 的一份报告强调，这种计费模式的调整使得 AI 成本成为一个难以精确预测和控制的不确定因素。报告还指出，目前各大厂商在计算和收取 Token 消耗费用方面普遍缺乏清晰度。

Nitish Tyagi 提到：“随着以 Token 计算的 AI 支出越来越难以纳入预算，并且资金经常比预期更快用尽，软件工程的领导者们正面临日益增长的担忧。”

他进一步解释说，企业正从初步试验阶段迈向全面应用，越来越多的开发人员在其日常工作流程中采用 AI 工具。尽管成本有所增加，但企业也看到了更高的生产力回报。开发者普遍认为，更快的交付速度、使用的便捷性以及更高质量的代码生成是主要的优势，因此他们不太可能主动削减 Token 使用量以节省开支。

Tyagi 补充说：“开发者单方面地进行 Token 自律是不太现实的，因为他们通常会优先考虑速度和便利性，而非成本效益。”

IT之家观察到，将 AI 整合到工作流程已成为行业普遍趋势，员工花在编写代码上的时间有所减少，并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 编程成本的上升不仅源于定价模式和透明度问题，还与使用方式和治理的不足有关。Token 消耗超支常常与工程领导者如何管理用户行为有关，例如 AI 代理的失控自主运行、上下文窗口的过度使用以及缺乏优化的反馈机制。此外，AI 编程工具供应商尚未在其代理中内置有效的成本优化功能，这也加剧了费用的增长。

Tyagi 表示：“随着基础设施投资和盈利压力的增加推高模型定价，AI 编程成本预计将持续攀升。同时，随着更多开发者开始采用 AI 工具并对其依赖程度加深，轻度用户预计将迅速转变为常规用户，这将进一步推动 Token 消耗和总支出的增长。”