根据 CIO.com 于 2026 年 6 月 24 日报道的 Gartner 的一项引人注目的新分析，部署 AI 编码代理的企业可能很快就会为开发人员的 AI 代币使用支付与开发人员本身工资一样多的费用。

Gartner 高级首席分析师 Nitish Tyagi 的预测警告称，人工智能代币成本将在未来两年内达到或超过典型软件工程师的月薪。该预测反映了企业多年来所依赖的扁平单座 SaaS 模式向基于消费的定价的根本转变，其中每个 API 调用、每个上下文窗口扩展以及每个代理驱动的工作流程都会增加费用。对于追踪人工智能行业转型更广泛经济的企业来说，这一警告表明廉价人工智能实验的蜜月阶段正在结束。

警告背后的数字

Tyagi 小心翼翼地澄清，Gartner 的预测是基于全球开发人员平均工资约为每月 2,000 美元。在美国，开发商的年度薪酬通常超过六位数，但相应的代币支出尚未达到同等水平。但差距正在迅速缩小。

“我听到过一些可怕的数字，比如‘我的开发人员上个月消耗了 2 万美元’或‘一位企业用户消耗了 3.2 万美元’”，Tyagi 告诉 CIO.com。 “我们的目标是提醒业界，如果不进行治理和控制，代币成本将产生影响。”

成本爆炸是由多个因素共同推动的。开发人员正在快速采用生成式人工智能和代理编码工具，这些工具比简单的基于聊天的交互消耗更多的代币。代理驱动的工作流程可以长时间自主运行，在迭代代码库、维护臃肿的上下文窗口以及重复 API 调用时会产生大量令牌消耗。

为什么成本失控

部分问题是结构性的。人工智能编码供应商尚未提供 Tyagi 所说的“成熟的内置成本优化功能”。企业正在为供应商转嫁给客户的基础设施投资付费，同时努力保持盈利能力。其结果是定价格局既不透明又不断升级。

许多组织还缺乏成熟度和治理框架来确定其人工智能支出是否能带来投资回报。上下文窗口变得臃肿，预算比预期更早耗尽，代币支出变得难以证明合理。使问题更加复杂的是，随着非开发人员对人工智能工具的熟悉程度越来越高，他们越来越多地采用人工智能工具，从而进一步推动整个组织的消费。

也许最违反直觉的是，Tyagi 指出，开发人员消耗的代币数量与其实际生产力收益之间没有“直接关系”。更多代币并不自动意味着更好的代码或更快的交付。

Tyagi 说：“Tokenmaxxing 与更高的生产率收益没有直接关系，但优化代币消费却有直接关系。”

Gartner 的成本控制处方

Gartner 并不建议企业放弃人工智能编码代理。远非如此。该公司的指导重点是在成本螺旋式上升超出可回收水平之前建立治理和成本控制。

具体建议包括：

  • 设置代币阈值。 组织应引入明确的支出限制并自动监控使用情况，以在耗尽预算之前捕获失控的消费。
  • 按自主级别对任务进行分类。 Gartner 建议将工作分为三种执行模式：开发人员主导、开发人员与代理以及完全代理主导。并非所有任务都需要使用前沿模型代币。
  • 按复杂性进行路由。 更简单、高频的任务应定向到更小、更便宜的模型，并升级到为复杂、高价值工作保留的前沿模型。
  • 强制执行上下文工程。 开发人员应接受培训，以优化他们提供给人工智能的上下文，仅包括相关信息并尽可能进行总结，以减少令牌开销。

新的生产力指标

自从人工智能工具开始在几秒钟内生成整个 Python 库以来，传统的“编写的代码行数”指标已经过时。 Gartner 认为，现在应该用质量、速度和客户满意度来衡量价值，而不是原始产出量。

企业应该问的关键问题包括开发人员能够以多快的速度发布重要功能、开发和反馈之间减少了多少时间，以及在保持质量的同时快速交付是否能够创造真正的竞争优势。

Tyagi 对领导者的建议很务实：不要将不断上升的人工智能编码成本视为放弃人工智能的理由，也不要条件反射地转向一切开源模型。他强调，目标是在不影响这些工具带来的价值的情况下优化成本。

更广泛的企业图景

Gartner 警告发出之际，各行各业的企业正从人工智能实验转向大规模部署。公司正在控制支出并要求取得具体成果，人工​​智能投资与可衡量回报之间的脱节正在成为董事会层面的担忧。

特别是对于软件开发团队来说，这个信息很明确：无限制的 AI 代币消费时代是不可持续的。未能实施治理框架的企业现在可能会发现，他们的人工智能编码工具的成本高于他们原本打算增加的工程师的成本。

---

在人工智能的经济影响方面保持领先

从企业成本压力到数十亿美元的融资轮次，人工智能业务发展迅速。关注 AI Buzz Wire，深入分析重塑技术格局的金融力量。

阅读更多人工智能新闻 →