Gartner 预测：到 2028 年，AI 编码成本将超过开发者平均薪资，代币消耗激增成主因
康涅狄格州斯坦福德，2026 年 6 月 24 日
代币驱动的 AI 支出激增，预算承压，成本合理性面临挑战
据商业与技术洞察公司 Gartner, Inc. 预测，到 2028 年，由于大语言模型（LLM）代币消耗持续攀升以及向消费型许可模式的转变，AI 编码成本将超过开发者的平均薪资。
AI 代币是生成式 AI 模型处理的数据单元。代币消耗直接影响 AI 编码工具的成本，尤其在按用量计费的价格体系下更为显著。
“企业正快速从试验阶段转向大规模部署 AI 编码智能体，但许多企业低估了代币消耗上升带来的财务影响，”Gartner 首席分析师 Nitish Tyagi 表示。“仅靠开发者的自觉无法形成代币纪律，因为开发者往往优先追求速度和便利性，而非成本效率。如果没有受治理的工程运营模式，成本的增长速度可能会超过这些工具旨在带来的生产力提升。”
按用量计费模式带来成本可预测性挑战
AI 编码智能体供应商从按席位许可转向按用量计费模式，这为软件工程工作负载带来了高度可变的成本结构。许多供应商在代币消耗的计算和计费方式上缺乏透明度，限制了企业准确预测和控制成本的能力。
由于无法清晰掌握各开发任务的代币使用情况，企业面临预算超支的风险，也难以追踪成本与价值之间的对应关系。
Tyagi表示：“大多数组织仍然缺乏成熟度和框架来有效衡量成本与业务影响。随着token驱动的AI支出越来越难以合理化，且预算常常比预期更早耗尽，软件工程领导者日益担忧。”
如果无法清晰了解各个开发任务中的token使用情况，组织将面临预算超支的风险，并且追踪成本与价值结果的能力也会下降。
使用模式和治理差距正推动成本压力
除了定价和可见性挑战之外，组织内部使用AI编码代理的方式也在进一步加剧成本压力。token超支通常与软件工程领导者治理使用的方式相关，常见的失败模式包括：代理驱动工作流中不受控制的自主权、膨胀的上下文窗口，以及缺乏结构化反馈机制来优化使用。
此外，AI编码供应商尚未在AI编码代理中提供成熟的、内置的成本优化能力，进一步推动了成本上升。
Tyagi表示：“随着基础设施投资和盈利挑战推动模型定价上涨，AI编码成本将继续上升。与此同时，随着更多开发者采用AI工具，轻度用户预计将随着熟悉度和依赖度的增加而迅速转变为主流用户，进一步推动token消耗和总体支出的增长。”
为管理不断上涨的成本并避免预算超支，Gartner建议软件工程领导者采用一种纪律严明的AI使用运营模式：
- 建立用例驱动的决策框架：组织应明确界定何时使用 AI 编码智能体，并为每项任务确定合适的自主等级。这包括将开发任务划分为三种执行模式：开发者主导、开发者与智能体协作、以及完全由智能体主导。
- 将模型选择与任务复杂度对齐：当工作被拆解为可由较小模型处理的小任务时，AI 编码智能体的成本效益最高；仅当复杂度要求提升时才切换到更大模型。工程团队与平台团队应实施智能模型路由策略，将高频简单任务导向小模型，同时保留前沿模型用于复杂、高价值的开发工作。
- 强制执行上下文工程实践：必须培训开发者通过仅包含相关信息、尽可能总结内容、删除不必要数据等方式优化向 AI 系统提供的输入上下文，从而在不牺牲输出质量的前提下降低 Token 消耗。
- 实施治理与成本控制：组织应引入 Token 阈值、升级策略、自动监控等机制来管理使用量。将这些控制措施嵌入工程工作流可确保一致性，防止成本失控增长。
- 将 Token 使用审查嵌入开发周期：领导者应将高 Token 消耗工作流的定期审查纳入冲刺回顾，以识别低效环节、优化实践并促进工程团队间的知识共享。