美华头条7月9日综合报道 随着生成式人工智能在美国及全球企业内部加速应用，企业高管正面对AI按量计费带来的成本压力。毕马威最新全球调查显示，部分企业在AI支出追踪、预算控制和投资回报评估方面仍准备不足。事件的结果是，越来越多公司开始重新审视此前“AI可降低人力成本、提升运营效率”的预期，并将AI部署从扩张阶段转向成本核算和治理阶段。

这项调查覆盖20个市场的2145名企业高管和资深商业领袖。调查显示，AI采用率仍在上升，但企业对AI运营成本的掌握并不充分。随着AI服务从固定订阅或试用套餐逐步转向按使用量、模型调用量、令牌消耗量和推理成本计费，一些公司发现，AI工具进入日常办公、软件开发、客服、营销和数据处理流程后，费用增长速度可能超过原先预算。

与传统软件采购不同，AI服务的成本更难提前锁定。传统办公软件通常按照账号、席位或年度合同计费，企业可较容易安排预算；AI模型则会根据输入内容、输出长度、模型等级、任务复杂度、自动化流程和调用频率产生不同费用。一个团队频繁使用高阶模型，多个部门同时运行AI工具，或员工把大量资料反复交给模型处理，都可能推高整体支出。

企业管理层对此存在不同判断。支持继续投入的一方认为，AI成本上升并不等于AI价值下降。许多公司确实通过AI提升了会议纪要、文档整理、初步分析、代码辅助、客户回复和内部知识检索效率。对熟悉业务的专业人员而言，AI可以减少重复劳动，提高初稿生成和资料处理速度，使员工把更多时间用于判断、沟通和决策。只要AI带来的效率提升、收入增长或错误减少能够覆盖支出，相关投入仍具有商业合理性。

谨慎派则认为，部分企业此前对AI的成本和能力预期过高。AI可以快速生成代码、报告、摘要和方案，但生成内容是否准确、能否与现有系统兼容、是否符合安全和合规要求，仍需要专业人员审查。尤其在软件开发、财务、法务、医疗、客服和数据安全等场景中，如果企业削减有经验员工，再要求剩余人员依赖AI完成复杂任务，短期可能降低工资支出，长期却可能增加返工、调试、审核和客户损失成本。

技术从业者普遍强调，AI更适合作为辅助工具，而非无监督替代专业判断。AI降低了“生成内容”的门槛，却没有消除“判断责任”。代码能否上线、合同条款是否准确、客户沟通是否合规、财务分析是否可靠，最终仍需要人来负责。对于复杂项目，经验丰富的员工通常能在早期发现方向错误，而AI可能沿着错误路径持续生成看似完整的结果。生成速度越快，后续审核压力也可能越大。

财务部门关注的重点则是费用透明度。AI账单往往分散在不同部门、不同工具和不同项目中，如果企业没有建立实时监控系统，就很难判断费用来自哪里，也难以确认哪些使用真正产生价值。部分企业过去鼓励员工尽可能多使用AI，以展示数字化转型成果；但如果考核只看使用频率、调用次数或令牌消耗，而不看实际产出和质量提升，就可能出现“为使用而使用”的情况，推高成本却没有形成相应回报。

员工层面的担忧也不容忽视。支持AI应用的人认为，AI可以帮助员工摆脱重复性任务，提高工作效率；但批评者担心，企业若把AI作为裁员理由，再把审核、修正和补救工作转移给剩余员工，可能造成工作负担上升、团队经验流失和质量风险扩大。对劳动市场而言，AI带来的变化不只是岗位数量问题，也涉及员工技能培养、组织知识保留和企业责任边界。

AI供应商方面，按量计费有其商业逻辑。大型模型训练和运行需要芯片、数据中心、电力、工程团队和持续维护。早期低价、补贴或固定套餐有助于吸引企业试用，但当客户使用规模扩大，服务商需要通过更精细的收费模式覆盖成本并获得收益。对企业客户而言，这意味着AI并不是没有边际成本的数字工具，而是一项受供应商定价、平台依赖和长期合同影响的外部服务。

投资者和董事会的关注点正在变得更加直接。过去，企业宣布部署AI往往被视为创新信号；现在，市场开始要求更明确的数据，包括AI节省了多少时间、减少了多少错误、提升了多少收入、降低了多少客户流失，以及是否改善利润率。单纯增加AI工具数量或提高员工使用率，已经不足以证明企业转型成功。

在成本压力下，一些企业开始调整策略。常见做法包括限制高成本模型调用，将简单任务转向低成本模型，建立AI费用仪表盘，要求部门对AI支出负责，把AI项目纳入正式审批流程，并在上线前明确业务目标、成本上限和回报指标。也有企业开始评估本地部署、开源模型和混合架构，以降低对单一外部平台的依赖。

这场围绕AI账单的讨论，显示企业人工智能应用正在从热潮期进入核算期。AI仍可能是重要生产力工具，但它不再只是管理层展示技术转型的标签，也不是可以无限替代人工的免费资源。企业必须回答更具体的问题：哪些场景值得使用AI，哪些任务必须保留人工判断，哪些模型成本可以接受，哪些自动化流程会造成浪费，哪些业务收益能够证明投入合理。

从更深层看，AI成本上升考验的是企业治理能力。真正成熟的AI应用，不是简单要求员工“多用AI”，也不是把AI包装成裁员工具，而是把技术、财务、流程和人员能力放在同一张表上核算。能够建立成本透明、质量审核、员工培训和责任边界的公司，更可能从AI中获得实际收益；忽视专业人员价值、长期成本和平台依赖风险的企业，则可能在账单上升后重新调整战略。

业内人士认为，企业竞争的重点正从“谁更快部署AI”转向“谁更会管理AI”。未来AI能否真正降本增效，不取决于企业口号有多激进，而取决于它能否在具体业务中被正确使用、准确计量，并经得起财务结果和质量结果的检验。