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。

Nitish Tyagi 指出：“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。”

他认为，当前企业正从试点阶段转向全面部署，越来越多开发者在日常工作流程中依赖 AI 工具。尽管成本上升，企业也获得了更高的产出回报，开发者普遍将更快的交付速度、便利性和更优的代码生成视为核心收益，因此不太可能主动减少 Token 使用来换取成本节约。

Tyagi 补充称：“Token 自律不会仅靠开发者选择就能实现，开发者往往优先考虑速度和便利而非成本效率。”

IT之家注意到，将 AI 融入工作流程已成为行业主流趋势，员工花在编写代码上的时间越来越少，并逐渐将更多精力转向管理和审查 AI 输出结果。

Gartner 分析认为，AI 编程成本压力不仅来自定价模式和透明度不足，使用方式与治理缺失同样在推高开支。Token 超支通常与工程负责人如何管理使用行为相关，常见问题包括 AI 智能体不受控的自主操作、上下文窗口过度膨胀以及缺乏结构化反馈机制来优化用量。此外，AI 编程工具供应商尚未在智能体中内置成熟的成本优化能力，进一步助推了费用攀升。

Tyagi 表示：“随着基础设施投资和盈利压力推高模型定价，AI 编程成本将持续上升。同时，随着更多开发者开始使用 AI 工具并逐渐加深依赖，轻度用户预计将快速转变为主流用户，进一步推动 Token 消耗和总支出的增长。”

参考资料：

• 《Gartner Predicts AI Coding Costs Will Surpass Average Developer’s Salary by 2028 as Token Consumption Surges》