香港一家物流公司，为 AI 的第一年编列了 150 万港元预算。半年过去，财务团队打开一张账单，发现全年开支将逼近预算的三倍。技术本身运作正常，只是使用量悄悄爆发。没有人说得出，究竟是哪些团队、哪些功能、哪些客户推高了这笔开支。运营总监当初批准的是一个试点，如今却继承了一个失控的成本中心。
这个情境如今相当普遍。企业领袖真正该问的，不是 AI 昂不昂贵，而是你能否看见、归因并控制它的成本。在 2026 年，这种「可视性」本身，已经成为一项核心的管理纪律。
2026 年，企业 AI 的真实成本是多少？
企业 AI 如今的成本，远远超出大多数 2024 年预算的估算。根据 FinOps X 2026 的报导，企业 AI 的平均年度预算，已由 2024 年约 120 万美元，增至 2026 年约 700 万美元。表面上的模型价格，只占总额的一小部分；基础设施、整合与人力，构成了其余的大半。
宏观数据印证了这个趋势。Gartner 预测，2026 年全球 AI 开支将达到 2.59 万亿美元，按年增长 47%，其中基础设施占比超过 45%。
令人不安的，不是数字之大，而是其中被真正规划过的部分之少。同一份报导发现，73% 的企业 AI 项目超出原定预算，部分更超支达 2.4 倍以上。
为什么大多数企业 AI 预算都会被超支？
大多数 AI 预算被超支，是因为企业替「试点」定价，而不是替「生产系统」定价。试点只服务少数用户、处理可预测的流量；生产系统却要应对成千上万次不可预测的互动，成本随使用量而非人手扩张，开支便以传统预算科目从未预料的方式攀升。
第二个原因是不可见。按照 FinOps 从业者的说法，团队往往是「盲花」，无法把代币消耗、GPU 时数或 API 调用，归因到推动这些成本的团队、功能或客户。你无法控制一项你看不见的成本。
这种转变之显著，已让成本纪律进入主流。FinOps Foundation 的《2026 年 FinOps 现状》报告发现，98% 的从业者如今直接管理 AI 开支，而两年前这个比例仅为 31%。AI 成本管理，早已不是小众课题。
一张 AI 账单背后，真正的成本驱动因素是什么？
一张 AI 账单的项目，远比模型订阅费多得多。真正的驱动因素，包括代币消耗、推理量、向量资料库查询、GPU 使用率、模型路由与检索管道。代币账单，只是构成 AI 总开支的约九个独立成本桶之一。
代币定价本身也在快速变动。OpenAI 的 GPT-5.6 系列于 2026 年 7 月推出时，定价约为每百万输入代币 1 至 5 美元。单看每个代币微不足道，但在生产规模下，配上长上下文窗口与高查询量，成本便迅速累积。
策略上的洞察是：模型选择是一个成本杠杆，而不仅是能力选择。把每一项任务都交给最前沿的模型，就像把每一件包裹都用特快专递寄出。把较便宜、较小的模型配对到常规任务上，是最大的可省成本之一，这一点我们在什么是小型语言模型、以及企业「以小为大」的理由一文中有深入探讨。
管理企业 AI 开支的框架是什么？
一套实用的 AI 开支管理框架有五个步骤：归因、选型、路由、设限与检视。归因把成本对应到团队与应用场景，选型为每项任务配对合适的模型，路由让查询聪明分流，设限以限额与警报遏止失控用量，检视则按固定节奏将开支与价值对照。每一步都堵住一个漏洞。
归因。把每一笔 AI 成本标记到某个团队、功能或客户。在开支可归因之前，没有人拥有它，也没有人优化它。归因是其他一切的基础。
选型。为任务配对合适的模型。把前沿模型留给真正困难的工作，把常规、高流量的任务，交给足以胜任的较小、较便宜的模型。
路由。运用聪明的模型路由与缓存，让重复或简单的查询，不必两度动用昂贵模型。检索与缓存能直接削减代币消耗。
设限。在上线之前设定用量限额、预算与警报，而不是等账单来了才做。一个硬性上限，能把失控账单变成受控的例外。
检视。每月固定检视 AI 开支与其带来的业务价值。这正是成本管理与投资回报接轨之处，也是我们在如何撰写财务总监愿意批准的 AI 商业方案一文背后的纪律。
AI 成本管理在实际运作中如何体现？
在实际运作中，AI 成本管理把一张不可预测的账单，变成一条受治理的预算线。一家金融服务公司按每个业务组归因 AI 开支，并把常规查询路由到小模型，在保留前沿模型处理复杂分析的同时，削减每次查询的成本。账单变得可解释，因此也能向财务总监交代。
回到开头那家物流公司。假如它从第一天起就按职能标记开支，就会看见：一个未经优化的文件处理流程，正吞噬大部分预算。单是归因，就能在账单揭露问题的数月之前，先把问题浮现出来。
这个模式在各行各业重复出现。能控制 AI 成本的企业，并非为省而省，而是「花得刻意」，每一元都可追溯到某个团队，并以它带来的价值来衡量。
企业最常犯的错误是什么？
最常见的错误，是把 AI 成本当成一项 IT 科目，而不是一项由使用量驱动的运营成本。IT 预算固定而按年编列；AI 成本却是浮动而按日累积，用按年的思维去管理它，必然带来意外。
第二个错误，是为「最低模型价格」而优化，而不是为「最低总成本」而优化。一个便宜却常出错的模型，会产生返工、上报与重试，这些代价远高于省下的代币。
第三个错误，是把成本治理推迟到上线之后。到那时，使用模式已经固化，账单也已庞大。建立归因与限额最便宜的时机，是在第一次生产查询之前，而不是在第一次超支之后。
策略重点
2026 年靠 AI 胜出的企业，既不是花得最少的一批，也不是花得最多的一批。他们是能够清楚看见每一元流向何处、并把它对应到价值的一批。成本可视性，不是外挂在 AI 计划上的财务杂务，而是把「策略能力」与「失控实验」区分开来的关键。
归因开支、为模型选型、聪明路由、及早设限、经常检视。做到这些，AI 就不再是一张你战战兢兢等待的账单，而是一项你能够捍卫、扩展，并在下次董事会上引以为傲的投资。
懂AI，更懂你 UD相伴，AI不冷。二十八年引领香港企业的经验告诉我们：目标从来不是最便宜的 AI，而是一种你解释得了成本、也证明得了价值的 AI。
本文由 UD 企业 AI 团队审阅。
准备好让你的 AI 开支变得可预测了吗？
掌握了框架，下一步是把它套用到你自己的数字上。UD 帮你部署真正带来可量度价值、又不会失控超支的 AI，而我们会手把手带你完成每一步，从成本建模、模型选型，到部署上线与持续开支检视，28 年企业服务经验，全程与你同行。
