AI编程Token成本将与开发者薪资持平，企业如何应对？

企业很快就可能在开发者AI Token使用上的支出，与支付给他们的薪资不相上下。

根据Gartner的研究，这一成本将在未来两年内达到甚至超过软件工程师的月均薪资水平。

这一趋势的形成，不仅因为开发者正越来越多地采用生成式AI与智能体工具，也反映出供应商在平衡基础设施投入与盈利能力时，正逐步转向基于消费量的授权模式。过去那种按席位付费的SaaS固定收费方式已成历史，如今企业还需为开发者的Token用量额外买单。

Gartner高级首席分析师Nitish Tyagi解释称，Gartner的预测基于全球月均薪资2000美元的平均水平，并非意指AI Token消耗将超过所有岗位的薪资。例如，美国开发者的年薪往往达到六位数甚至更高。

不过，Tyagi强调，这种量级的支出并非遥不可及。"我曾听到过令人担忧的数字，比如'我的开发者上个月消耗了2万美元'，或者'一位业务用户消耗了3.2万美元'。"

这些数字之所以令人震惊，正是出于警示目的。他表示："这是为了警示行业，如果Token成本不加以管控，将会带来严重影响。"

Tyagi指出，企业正迅速从AI试验阶段转向大规模部署AI编程智能体，但许多企业仍低估了Token成本。原因在于，软件工程工作负载的成本结构"极具变动性"，而Token消耗的计算与计费方式缺乏足够的透明度。

他表示，AI编程供应商尚未提供"成熟的内置成本优化能力"，而随着供应商持续扩展模型能力并维持盈利需求，价格可能还会进一步上涨。

因此，企业在成本预测与控制方面面临重重困难。由于AI发展速度极快，许多组织缺乏判断投资回报率所需的"成熟度与评估框架"。智能体驱动的工作流程难以治理，上下文窗口不断膨胀，预算提前耗尽，Token支出的合理性也愈发难以证明。

此外，非开发者等轻度用户随着对AI工具的熟悉程度加深，乃至产生依赖，其使用量也将不断增加，进一步推高Token消耗与支出。

Tyagi表示，尽管AI价值巨大，但他并未看到开发者消耗的Token数量与其生产力提升之间存在"直接关联"。相反，运用上下文工程原则来优化或减少Token消耗，才能切实提升质量。

"大量消耗Token与更高的生产力并不直接挂钩，但优化Token消耗却可以做到这一点。"Tyagi说。

不过，这绝不意味着企业应该放弃AI编程智能体。优化Token消耗，只是意味着在不影响AI所带来的质量与价值的前提下，按需使用。

"如果没有受治理约束的工程运营模式，成本的增速可能会超过这些工具本应带来的生产力提升。"Tyagi说。

当AI几乎能瞬间生成整个Python库时，传统的"代码行数"生产力指标已不再适用。Tyagi认为，应转而以质量、交付速度和用户满意度等指标来衡量价值。

例如：开发者能以多快的速度交付重要功能？从应用开发到业务、产品和开发团队反馈之间的周期压缩了多少？他表示，在保证质量的前提下快速交付功能，能够形成竞争优势，并提升用户与客户体验。

Gartner还建议企业建立完善的治理机制与成本管控措施，例如设定Token使用上限、自动化监控用量，并建立明确的超额预警机制。

该机构指出："将这些管控措施嵌入工程工作流程，有助于保持一致性，防止成本失控增长。"

此外，企业应建立"场景驱动"的决策框架，明确界定AI编程智能体的适用场景，以及在特定任务中应赋予其的自主程度。同时，将任务划分为三种执行模式："开发者主导"、"开发者协同智能体"以及"完全智能体主导"。

Gartner还建议企业根据任务复杂度选择合适的模型，将工作拆解为可由较小模型处理的子任务，"仅在复杂度确有需要时才向上升级"。工程团队应有意识地规划工作流路由，将简单、高频任务交由小模型处理，仅将前沿模型用于复杂及高价值工作。

另一项降本策略是强制推行上下文工程规范。企业应培训开发者优化输入给AI的上下文信息，仅纳入相关内容，尽量对内容进行摘要，并剔除冗余数据。

此外，团队还应将Token用量审查纳入开发周期，定期审视高Token消耗的工作流，有助于发现效率瓶颈、优化实践并促进协作。

Tyagi指出，开发者通常倾向于追求速度与便利，而非成本效率，因此Token管控不能单靠开发者自律来实现。

他对领导层的建议是：不要将AI编程成本的上涨视为放弃AI、或将所有工作转向开源生成式AI模型的理由。"目标始终是在不损害价值的前提下优化成本。"

他建议从小处入手，优先关注上下文工程。评估当前软件工程的成熟度，选择合适的智能体自主程度。AI辅助开发最高可带来20%的生产力提升，"这已经是相当不错的数字了"。

对于开发者，他建议："将上下文工程作为最重要的个人技能来修炼。这不仅对你的雇主有益，对你的职业发展同样如此。"

Q&A

Q1：AI编程的Token成本为什么会快速上涨，涨到什么程度？

A：根据Gartner预测，企业在开发者AI Token使用上的支出，将在未来两年内达到甚至超过软件工程师的月均薪资（以全球月均2000美元为基准）。成本上涨的原因包括：生成式AI和智能体工具的广泛采用、供应商从固定席位授权转向消费量计费模式，以及供应商持续扩展模型能力推高定价等。

Q2：企业应该怎么控制AI编程的Token费用？

A：Gartner建议企业从多个层面入手：一是建立治理机制，设定Token使用上限、自动监控用量并设立超额预警；二是构建场景驱动的决策框架，明确什么任务用什么模型，简单任务用小模型，复杂任务才动用前沿大模型；三是强制推行上下文工程规范，让开发者学会精简输入信息；四是将Token用量审查纳入常规开发周期，定期优化高消耗流程。

Q3：Token消耗越多，开发者生产力就越高吗？

A：并非如此。Gartner分析师Tyagi明确指出，Token消耗量与生产力提升之间并不存在直接关联。一味追求大量Token消耗（即"Tokenmaxxing"）并不能带来更高效率，真正有效的做法是通过上下文工程优化Token的使用质量，在不影响AI输出价值的前提下减少不必要的消耗，从而实现成本与效率的双重提升。