在近期一场行业演讲中，Erik Peterson指出，AI支出正在超越云账单，触发一场软件工程成本危机。随着大模型调用量在企业内部快速攀升，AI相关费用已成为许多技术团队增长最快的支出项，其复杂性和不可预测性远超传统云计算成本。
Peterson在演讲中提出了“tokenmaxxing”这一概念，用以描述部分团队为追求模型效果而不断堆高token消耗的行为。这种做法在短期内可能带来性能提升，但长期来看会严重侵蚀单位经济效益（unit economics）。他强调，企业若无法建立清晰的AI成本归因和度量体系，将难以判断投入产出比，也难以向管理层证明AI项目的商业价值。
演讲还提到一个值得关注的行业现象：开发者被迫“晋升”。由于AI工具承担了越来越多基础编码工作，部分企业开始调整开发者职级与职责，要求其转向更高层次的系统设计与AI协作管理。这种被动转型既带来组织压力，也暴露出当前AI工程实践与人才体系之间的错配。
Peterson进一步预测，到2028年，完全自主的AI将能够编写、部署并治理代码。这意味着AI不仅参与编码环节，还将进入运维、安全和合规等关键治理领域。届时，企业的软件工程流程、成本结构乃至组织形态都将发生根本性变化。
从行业影响来看，AI账单失控问题正在从技术团队蔓延至财务和管理层。企业服务市场可能因此催生新的AI成本管理与可观测性工具需求，帮助客户追踪token消耗、优化模型调用策略并建立单位经济模型。对于SaaS和云厂商而言，如何在AI时代提供更透明、更可控的计费方式，将成为竞争的关键差异点。
目前，多数企业仍处于AI成本管理的早期阶段。Peterson的观察提醒业界，AI带来的效率提升并非没有代价，成本可见性与治理能力将决定企业能否将AI投入转化为可持续的商业回报。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
