主要服务提供商的计费模式正从订阅制过渡到按用量付费，这将加速这一转变。该报告强调，计费模式的变更使得人工智能支出成为一个高度不确定的因素，企业技术领导者在准确预测和控制相关费用方面面临挑战。此外，主要供应商在计算和收取 Token 消耗费用方面普遍缺乏透明度。

Nitish Tyagi 指出：“随着以 Token 为计费单位的人工智能支出越来越难以获得预算批准，并且资金往往比预期更快耗尽，软件工程负责人正面临日益增长的担忧。”

他解释说，目前企业正从初步试验阶段迈向全面实施，越来越多的开发人员在其日常工作流程中运用人工智能工具。尽管成本有所增加，企业也看到了更高的产出效益。开发人员普遍认为，更快的交付速度、便捷性和更优质的代码生成是主要优势，因此他们不太可能主动减少 Token 使用以节省成本。

Tyagi 补充道：“Token 的节约使用并非仅凭开发者的自觉就能实现，他们通常会将速度和便利性置于成本效益之上。”

IT之家观察到，将人工智能整合到工作流程中已成为行业的主要趋势，员工在编写代码上花费的时间显著减少，并将更多精力投入到管理和审查人工智能的输出结果上。

Gartner 的分析表明，人工智能编程成本的压力不仅源于定价模式和透明度不足，其使用方式和治理的缺失也在推高开支。Token 超支通常与工程负责人如何管理用户行为有关。常见问题包括人工智能代理不受约束的自主运行、上下文窗口的过度扩张以及缺乏结构化的反馈机制来优化使用量。此外，人工智能编程工具供应商尚未在人工智能代理中内置有效的成本优化功能，这进一步加剧了费用的增长。

Tyagi 预见：“随着基础设施投资和盈利压力的增加推高模型定价，人工智能编程成本将持续攀升。同时，随着更多开发人员开始采用人工智能工具并逐渐加深对其的依赖，轻度用户预计将迅速转变为重度用户，从而进一步推动 Token 消耗和总支出的增长。”