过去一年，会计事务所在人工智能领域的支出大幅攀升，管理层正急于构建新的治理模型、培训方法和预算考量框架，以应对由此带来的成本压力。这一趋势折射出企业服务市场在AI落地过程中面临的一个普遍问题：当大模型调用从试点走向规模化，token消耗正在成为一项不可忽视的持续性支出。
与传统软件订阅模式不同，AI服务的计费方式通常与使用量直接挂钩，token的消耗量随调用频次和上下文长度动态变化。这意味着企业在部署AI应用时，难以像采购固定席位那样预先锁定成本。对于会计这类高度依赖文档处理、数据核对与合规审查的行业，AI工具的使用强度较高，token支出的波动性也更为明显，预算编制和成本归集的复杂度随之上升。
在此背景下，token经济（Tokenomics）的概念开始进入企业管理者的视野。其核心在于将AI调用视为一种可计量、可治理的资源，通过建立用量监控、权限分级和成本分摊机制，把原本分散在各业务部门的AI支出纳入统一的管理框架。部分事务所已开始尝试按项目或按客户维度核算AI成本，并将token使用效率纳入内部评估指标。
治理模型的建立同样涉及培训层面。员工需要理解不同AI任务的成本差异，例如长文本摘要与简单问答在token消耗上的量级区别，从而在日常使用中形成成本意识。这要求企业在推广AI工具的同时，配套相应的使用规范和培训体系，避免因无序调用导致支出失控。
从行业影响看，AI支出的快速增长正在推动企业服务市场重新审视定价与计量方式。对于SaaS厂商和AI平台而言，如何在提供灵活调用能力的同时，帮助企业实现成本的可预测性，将成为产品竞争力的重要组成部分。对于会计事务所等专业服务机构，建立与AI使用相匹配的预算和治理机制，已从可选项变为必要的基础能力。
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。
