今年，企业首席财务官们遭遇了一场意外冲击：原本可预测的云服务和人工智能（AI）支出突然激增。罪魁祸首是那些被赋予过多独立行动权限的 AI 智能体。
这些系统不仅能回答问题，还能规划、调用工具、遍历数据源并在缺乏人类持续监督的情况下做出决策。一个配置不当的研究型智能体或未经审查的代码助手，可能在几小时内生成数千次 API 调用，账单随之累积。
预算提前穿底：从个案到普遍焦虑
优步（Uber）为此付出了惨痛代价。这家网约车巨头在四月便耗尽了其 2026 年的全部 AI 预算。高管随后采取严厉措施，对某些编码工具设定每人每月 1,500 美元的上限。这一举措印证了 OpenAI 首席执行官山姆·奥特曼（Sam Altman）的观察：此类预算冲击已从罕见抱怨转变为普遍关注，“我的公司在第一季度花光了整个 2026 年的预算”成为高频吐槽。
优步并非孤例。凯捷（KPMG）5 月对全球 2,145 位商业领袖的调查显示，近一半受访者因成本超过收益而减少了 AI 智能体的使用；五分之一的受访者表示，包括 Token 消耗在内的 AI 运营成本已限制其组织的采用率。
隐蔽的成本复利：无界消费风险
成本失控的机制简单却隐蔽。负责研究的智能体若陷入链接追逐或自我验证的推理循环，Token 消耗将爆炸式增长。随着上下文窗口膨胀，每次新调用都需重新处理历史记录，导致成本复利叠加。
Forcepoint 研究人员模拟显示，一个易受攻击的智能体在追逐中毒数据时触发 500 次调用上限，产生 10 美元费用；而配备适当控制的版本仅花费两美分。麦肯锡《AI 现状全球调查报告》指出，高绩效组织报告编码智能体成本限制其使用的可能性是其他企业的三倍。麦肯锡高级合伙人拉里·哈迈莱宁（Lari Hämäläinen）透露，类似智能体任务在不同运行间的成本差异高达 30 倍。
近期，一家 AI 成本管理供应商自身的内部智能体失控，在无人察觉的情况下运行四天，进行 4,819 次调用，产生 3,762 美元费用。由于缺乏警报，平均值掩盖了异常值带来的危险。
治理缺口与新防线
Forcepoint 将此类问题归入 OWASP “无界消费”类别，位列 2026 年 LLM 应用前十大安全风险第六位。尽管风险凸显，治理却严重滞后。数据显示，21% 的企业没有任何针对智能体支出的实时控制措施，没有紧急停止开关，只有月底的账单惊喜。Gartner 预测，今年全球 AI 智能体软件支出将达到 2,070 亿美元，较 2025 年增长 139%。
市场正在回应这一缺口。Stacklet 于 9 月 23 日推出云 AI 财务运营基准测试工具，为 AWS、Google Cloud 和 Azure 提供涵盖 GPU、基础模型及 Token 使用的治理控制。Stacklet CEO 特拉维斯·斯坦菲尔德（Travis Stanfield）直言：“AI 已是云账单上真实且快速增长的数字，仅仅盯着仪表盘并不能节省费用。”
企业已开始适应。部分公司将简单任务路由至更便宜的开源模型，此举据称可将成本削减高达 70%。其他公司则实施硬性支出上限、断路器及递归深度限制。Databricks 早前推出的 Unity AI Gateway 旨在推荐更便宜模型并执行会话限制，以应对 Token 成本从零激增至数千万美元的极端案例。
从实验到问责：财务纪律回归
这种转变呼应了早期的云财务运营实践。如今，团队面对的是“智能体蔓延”。在一些财富 500 强企业中，一个季度内构建了数千个智能体，但仅有少数能长期存活并带来价值。
尽管代理式 AI 可将某些任务的人类时间减少 35% 至 70%，但将时间节省转化为可衡量的财务收益仍具挑战。优步总裁兼 COO 安德鲁·麦克唐纳（Andrew Macdonald）承认，将 AI 使用量与业务新功能联系起来证明是难以捉摸的。
因此，财务团队现在要求具备实时可见性：按智能体划分的预算、高成本操作的审批关卡以及权限跟踪。随着组织从聊天机器人转向多智能体工作流，Token 消耗急剧上升，早期将 AI 视为“廉价品”的时代已结束。不受限制的自主时代终结，并非因为技术未能提供价值，而是因为账单迫使问责。下一波采纳潮将区分那些将支出视为设计约束的企业，与那些将其视为事后思考的企业。