企業很快就可能在開發者AI Token使用上的支出，與支付給他們的薪資不相上下。
根據Gartner的研究，這一成本將在未來兩年內達到甚至超過軟體工程師的月均薪資水平。
這一趨勢的形成，不僅因為開發者正越來越多地採用生成式AI與智能體工具，也反映出供應商在平衡基礎設施投入與盈利能力時，正逐步轉向基於消費量的授權模式。過去那種按席位付費的SaaS固定收費方式已成歷史，如今企業還需為開發者的Token用量額外買單。
Gartner高級首席分析師Nitish Tyagi解釋稱，Gartner的預測基於全球月均薪資2000美元的平均水平，並非意指AI Token消耗將超過所有崗位的薪資。例如，美國開發者的年薪往往達到六位數甚至更高。
不過，Tyagi強調，這種量級的支出並非遙不可及。"我曾聽到過令人擔憂的數字，比如'我的開發者上個月消耗了2萬美元'，或者'一位業務用戶消耗了3.2萬美元'。"
這些數字之所以令人震驚，正是出於警示目的。他表示："這是為了警示行業，如果Token成本不加以管控，將會帶來嚴重影響。"
Tyagi指出，企業正迅速從AI試驗階段轉向大規模部署AI編程智能體，但許多企業仍低估了Token成本。原因在於，軟體工程工作負載的成本結構"極具變動性"，而Token消耗的計算與計費方式缺乏足夠的透明度。
他表示，AI編程供應商尚未提供"成熟的內置成本優化能力"，而隨著供應商持續擴展模型能力並維持盈利需求，價格可能還會進一步上漲。
因此，企業在成本預測與控制方面面臨重重困難。由於AI發展速度極快，許多組織缺乏判斷投資回報率所需的"成熟度與評估框架"。智能體驅動的工作流程難以治理，上下文窗口不斷膨脹，預算提前耗盡，Token支出的合理性也愈發難以證明。
此外，非開發者等輕度用戶隨著對AI工具的熟悉程度加深，乃至產生依賴，其使用量也將不斷增加，進一步推高Token消耗與支出。
Tyagi表示，儘管AI價值巨大，但他並未看到開發者消耗的Token數量與其生產力提升之間存在"直接關聯"。相反，運用上下文工程原則來優化或減少Token消耗，才能切實提升質量。
"大量消耗Token與更高的生產力並不直接掛鉤，但優化Token消耗卻可以做到這一點。"Tyagi說。
不過，這絕不意味著企業應該放棄AI編程智能體。優化Token消耗，只是意味著在不影響AI所帶來的質量與價值的前提下，按需使用。
"如果沒有受治理約束的工程運營模式，成本的增速可能會超過這些工具本應帶來的生產力提升。"Tyagi說。
當AI幾乎能瞬間生成整個Python庫時，傳統的"代碼行數"生產力指標已不再適用。Tyagi認為，應轉而以質量、交付速度和用戶滿意度等指標來衡量價值。
例如：開發者能以多快的速度交付重要功能？從應用開發到業務、產品和開發團隊反饋之間的周期壓縮了多少？他表示，在保證質量的前提下快速交付功能，能夠形成競爭優勢，並提升用戶與客戶體驗。
Gartner還建議企業建立完善的治理機制與成本管控措施，例如設定Token使用上限、自動化監控用量，並建立明確的超額預警機制。
該機構指出："將這些管控措施嵌入工程工作流程，有助於保持一致性，防止成本失控增長。"
此外，企業應建立"場景驅動"的決策框架，明確界定AI編程智能體的適用場景，以及在特定任務中應賦予其的自主程度。同時，將任務劃分為三種執行模式："開發者主導"、"開發者協同智能體"以及"完全智能體主導"。
Gartner還建議企業根據任務複雜度選擇合適的模型，將工作拆解為可由較小模型處理的子任務，"僅在複雜度確有需要時才向上升級"。工程團隊應有意識地規劃工作流路由，將簡單、高頻任務交由小模型處理，僅將前沿模型用於複雜及高價值工作。
另一項降本策略是強制推行上下文工程規範。企業應培訓開發者優化輸入給AI的上下文資訊，僅納入相關內容，儘量對內容進行摘要，並剔除冗餘數據。
此外，團隊還應將Token用量審查納入開發周期，定期審視高Token消耗的工作流，有助於發現效率瓶頸、優化實踐並促進協作。
Tyagi指出，開發者通常傾向於追求速度與便利，而非成本效率，因此Token管控不能單靠開發者自律來實現。
他對領導層的建議是：不要將AI編程成本的上漲視為放棄AI、或將所有工作轉向開源生成式AI模型的理由。"目標始終是在不損害價值的前提下優化成本。"
他建議從小處入手，優先關註上下文工程。評估當前軟體工程的成熟度，選擇合適的智能體自主程度。AI輔助開發最高可帶來20%的生產力提升，"這已經是相當不錯的數字了"。
對於開發者，他建議："將上下文工程作為最重要的個人技能來修煉。這不僅對你的僱主有益，對你的職業發展同樣如此。"
Q&A
Q1：AI編程的Token成本為什麼會快速上漲，漲到什麼程度？
A：根據Gartner預測，企業在開發者AI Token使用上的支出，將在未來兩年內達到甚至超過軟體工程師的月均薪資（以全球月均2000美元為基準）。成本上漲的原因包括：生成式AI和智能體工具的廣泛採用、供應商從固定席位授權轉向消費量計費模式，以及供應商持續擴展模型能力推高定價等。
Q2：企業應該怎麼控制AI編程的Token費用？
A：Gartner建議企業從多個層面入手：一是建立治理機制，設定Token使用上限、自動監控用量並設立超額預警；二是構建場景驅動的決策框架，明確什麼任務用什麼模型，簡單任務用小模型，複雜任務才動用前沿大模型；三是強制推行上下文工程規範，讓開發者學會精簡輸入資訊；四是將Token用量審查納入常規開發周期，定期優化高消耗流程。
Q3：Token消耗越多，開發者生產力就越高嗎？
A：並非如此。Gartner分析師Tyagi明確指出，Token消耗量與生產力提升之間並不存在直接關聯。一味追求大量Token消耗（即"Tokenmaxxing"）並不能帶來更高效率，真正有效的做法是通過上下文工程優化Token的使用質量，在不影響AI輸出價值的前提下減少不必要的消耗，從而實現成本與效率的雙重提升。
