美华头条7月7日综合报道 2026年第二季度，随着生成式人工智能和AI代理在全球企业中的应用继续扩大，美国、英国及其他主要市场的公司开始重新审视人工智能支出。多项行业调查显示，AI服务从固定订阅转向按使用量计费后，企业预算可预测性下降，促使CFO、CIO和业务部门加强成本监控、项目审批和投资回报评估。

此次变化的核心在于计费模式改变。传统企业软件多按员工席位、年度合同或固定套餐收费，财务部门可以提前估算成本。AI服务则更多按照Token消耗、模型调用次数、推理规模、云端算力和自动化任务运行量计费。企业使用越频繁，任务越复杂，账单波动就越明显。

KPMG最新全球AI调查显示，企业并未停止人工智能投资，但管理重点正在发生变化。AI早期部署更多强调试点速度和应用覆盖率，如今更多公司开始关注成本可见度、责任归属和实际回报。调查显示，不少企业只能部分掌握AI支出情况，也有企业高管承认，对按量计费和AI代理运行成本的理解仍不充分。

财务部门面临的压力最为直接。对于CFO而言，AI支出不再只是一次软件采购，而是持续变化的运营费用。如果不同部门各自采购工具、员工使用习惯缺乏统一标准、AI代理在后台持续运行，企业可能在账单产生后才发现费用超过原先预算。因此，一些公司已开始设置使用上限、部门分摊机制、审批流程和成本仪表盘，以避免支出失控。

技术部门和业务团队则认为，不能仅以短期账单判断AI价值。支持继续投入的人士指出，AI工具在软件开发、客户服务、市场分析、文档处理和内部知识管理等场景中，可能带来流程加速和效率提升。部分收益并不一定立即反映在财务报表中，而需要通过一段时间的流程改造和员工适应才能显现。

企业治理负责人则更强调结果衡量。他们认为，如果公司只追求AI使用量、调用次数或工具覆盖率，而没有明确业务目标，AI投入可能形成新的成本负担。对于大型企业来说，多部门并行试验还可能造成重复采购、供应商分散、数据管理复杂和预算归属不清等问题。

AI供应商的立场则有所不同。大模型服务依赖数据中心、芯片、电力、存储和工程维护，复杂任务消耗的计算资源明显高于传统软件。供应商采用按量计费，能够让高频用户承担更多实际成本，也能避免低频用户支付过高固定费用。从商业逻辑看，使用量与费用挂钩并非不合理。

企业客户关注的重点是价格透明度和预算可控性。许多公司希望AI服务商提供更清晰的价格说明、用量预警、费用封顶方案和分项报表，让客户能够在部署前判断不同模型、不同任务和不同自动化水平对应的成本。对于需要年度预算规划的公司来说，稳定和可预测的费用结构仍然重要。

投资者则关注AI投入能否转化为利润率改善和生产率提升。过去一年，企业普遍加大AI投资，但资本市场对实际回报的追问也在增加。如果公司无法说明AI项目如何降低成本、增加收入、改善客户体验或缩短业务周期，单纯扩大部署规模可能难以获得持续支持。

员工使用者的态度也并不单一。一方面，AI工具可以帮助员工更快完成文本整理、代码辅助、信息检索和数据分析；另一方面，过度严格的限制可能减少试验空间，影响一线团队发现有效应用场景。企业需要在控制预算和鼓励创新之间取得平衡。

目前，一些企业正在调整部署策略。常见做法包括将高成本模型用于复杂推理、代码生成和关键业务场景，将普通摘要、分类、内部问答和初步检索交给成本较低的模型处理；同时评估开源模型、内部部署方案和第三方成本管理工具，降低对单一供应商和单一计费方式的依赖。

这一趋势表明，企业AI竞争正在从“是否采用AI”转向“如何管理AI”。未来，企业是否继续扩大人工智能投入，将更多取决于其能否建立清晰的成本追踪、责任分工和价值评估机制。AI不再只是创新项目，而正在成为企业数字化运营的一部分。

业内人士认为，随着AI代理和企业级生成式AI工具继续普及，AI成本治理将成为企业管理的重要议题。对CFO、CIO和业务负责人而言，下一阶段的关键不是简单增加或削减预算，而是判断哪些应用值得规模化，哪些项目需要暂停、合并或重新设计。