单个试点很便宜。但一千名员工每天各自调用旗舰模型，就不便宜了——而多数财务团队要等账单寄到才发现。
AI支出为何隐形
模型用量按token而非服务器计费，于是成本变成没人认领的一行。团队自由实验，prompt越写越长，重试不断叠加，账单复利增长。没有归因，你就分不清哪些用例创造价值、哪些在烧钱。
面向AI的FinOps
套用云团队学来的纪律：把成本分摊到团队与用例，为每个功能设预算，并按任务选模型。摘要类工作很少需要最贵的旗舰模型。把简单任务路由到更小模型，往往就是账单上最大的杠杆。
让它可观测
按工作流埋点token支出，对异常告警，每月复盘头部消耗者。把财务视图与质量红线绑定，使降本不会悄悄拉低答案质量。这里的治理是赋能：它让你敢对更多实验说yes，因为没有一个能失控。
Key Takeaways
- AI成本藏在无人认领的token里，随后悄然复利。
- 分摊支出、按功能预算、按任务路由到合适规模的模型。
- 让token支出可观测，并把降本与质量红线挂钩。
Conclusion
AI成本治理不是要说不，而是让实验能安全扩张，使账单反映价值而非惊吓。