Gartner 预测 2026 年全球 AI 支出将达 2.59 万亿美元，同比增长 47%。但同一时间，另一组数字构成了这个故事的另一面：KPMG 调研发现，只有 26% 的企业能实时看全自己 AI 系统的运行成本；DoiT 的调查更直接——79% 的企业在过去 12 个月经历过 AI 预算超支。钱在以两位数的速度增长，仪表盘却连四分之一都照不亮。这就是 2026 年企业 AI 财务治理的真实场面：不是不想控成本，是传统的成本管理工具根本看不见 AI 的钱花在了哪。
一、四个数字定义这场成本失控
把 2026 年上半年几份独立调查放在一起，能看到一个高度一致的图景：
| 数字 | 测量对象 | 来源与样本 |
|---|---|---|
| 79% | 过去 12 个月出现 AI 成本超支的企业占比 | DoiT / Sapio Research，2026-02，500 位美英千人以上企业财务负责人，误差 ±4.4pp |
| 26% | 对 AI 运行成本拥有完整实时可见性的组织 | KPMG AI Pulse Q2 2026，n=204，美国营收 ≥10 亿美元企业 |
| 98% | 已将 AI 支出纳入管理范围的 FinOps 从业者（两年前仅 31%） | FinOps Foundation《State of FinOps 2026》，n=1,192，代表逾 830 亿美元年度云支出 |
| 36% | 部署了 token / 用量直接控制手段的组织 | KPMG AI Pulse Q2 2026，n=204 |
最扎心的是第三行与第四行的落差：98% 的团队已经在管 AI 账，但只有 36% 手里有真正能“闸住”用量的工具。管账的人先到位了，管账的武器还没跟上——这个顺序错位正是超支潮的直接原因。
二、为什么偏偏是 FinOps 接住了这个活
FinOps 原本是云成本管理领域的职能——专门对付按量计费的云账单。而 AI 支出的性质几乎是云账单的“极端版”：GPU 消耗、token 计费、模型重训练周期、混合部署决策，每一项都是工程根因引发的财务波动。整个组织里只有一个职能同时读得懂工程和算得清账——于是职责在 24 个月内被重新定义了：
- 2024 年：31% 的 FinOps 从业者管 AI 成本；
- 2025 年：63%；
- 2026 年：98%——几乎全员。
《State of FinOps 2026》还给出了三个配套信号：“FinOps for AI” 成为未来 12 个月的第一前瞻优先级；58% 的团队计划补齐 AI 成本管理技能（同样是所有技能项里的第一名）；而被需求最多的工具能力，是对 AI 支出的细粒度监控——token、LLM 请求数、GPU 利用率。换句话说，以“看见成本”为职业的那群人，亲口承认他们最缺的就是看清 AI 成本的能力。
另一个结构性变化是汇报线：近五分之四（78%）的 FinOps 团队现在直接向 CTO 或 CIO 汇报。成本管理从财务部门的月底复盘，搬进了技术决策的上游。
三、你的账单看不见钱花在哪：七个隐藏位
很多 IT 负责人的第一反应是：“我们的云账单很详细啊。”问题恰恰在这里——成本与用量报告（CUR）描述的是“ charges（扣费）”，不是“workloads（工作负载）”。它按服务、按账户列得清清楚楚，却回答不了“哪个仓库、哪个 Agent、哪位工程师、哪个模型花了这些钱”。以下七处支出，按逃过计量的频率排序，全部长在传统账单的盲区里：
- 编码 Agent：按用量计费、人均爆发式波动。一个 Agent 在大仓里连续跑几小时，消耗量级远超一次自动补全——而且几乎不会被归属到任何团队。
- 平台团队之外的模型 API 调用：开发者个人申请 provider key、走报销卡支付，云端账单里完全隐身。
- 峰值购买的预置吞吐：一笔固定的承诺费用本身没有任何异常，账单数据里也看不出它实际只跑了七分之一的量。
- 推理路由：跨区服务同样一次调用，单价显著高于本区。没有可检查的“资源”，浪费藏在一个路由配置项里。
- 训练间隙空转的 GPU 集群：单机利用率看起来正常，但任务之间的空窗无人认领。
- RAG 上下文膨胀：检索架构会把上下文窗口撑大 3~5 倍，这笔成本摊到此后每一次调用上，永远存在，而上线后没人再回头看检索配置。
- Shadow AI：员工自行采用未经 IT 批准的 AI 工具，支出落在 IT 视野之外。
共同点很清楚：它们都不会在账单上报警。对着计费数据练再深的功力，也查不出一条糟糕的推理路由——因为那条信息压根不在文件里。
四、真实案例：Uber 四个月烧完全年额度
最有教学价值的公开案例来自 Uber：2026 年的 AI 编码预算，4 月就花光了——全年额度四个月用完。过程并不离奇：编码 Agent 在一个约 5000 名工程师的组织里，一个月内从 32% 渗透率冲到 84%，95% 的工程师现在每月都在用 AI 工具；人均月支出 150~250 美元，重度用户被曝出接近每月 2000 美元，一场两小时的演示就烧掉 1200 美元。
另一个案例来自微软：其 Experiences and Devices 部门取消了大部分内部 Claude Code 授权，约在推行六个月后（2026-06-30 生效），转向 GitHub Copilot CLI。两个故事都不是“工程管理混乱”，而是定价模式在地基下变了：席位制时代价格不随用量浮动，token 消耗天然隐形；换成消费制定价，账单跟着用量跑，而几乎没有任何一套现有系统是为盯住这种波动而建的。
五、反直觉发现：FinOps 越成熟，超支越“严重”
DoiT 数据里藏着本次调查最重要的一个洞察：
| FinOps 成熟度 | 发生超支的比例 | 平均超支幅度 |
|---|---|---|
| 非常成熟 / 领先 | 89% | 30.9% |
| 早期阶段 | 69% | 16.1% |
别误读成“成熟团队不会管钱”——真相是他们 measurement 做得好，所以看得见自己在超支；早期团队在同样的超支里摸黑而行。这对企业自我评估的含义很实际：如果你们的 AI 账单“一切正常”，先别庆幸，检查一下是不是根本没有计量。WitnessAI 的补充数据同样提醒乐观不得：只有 9% 的企业表示超过四分之三的 AI 项目交付了可量化的财务回报。
归因分裂是背后的机制：55% 的组织把 AI 支出问责放在技术部门，53% 放在财务——近乎对半分。DoiT 自己的措辞是“一个平分的 mandate 制造了这场超支”：谁都觉得该管，谁都没有完整的控制权与数据。
六、五步闭环：从看见到管住
综合英文一手材料（PointFive 的工程视角清单 + KPMG 的控制缺口数据），给企业 AI 财务治理的五步落地路径，顺序比单步更重要：
- 盘点所有 AI 入口，包括不在云账单上的那些：编码 Agent、模型 API、直连 provider key、GPU 集群、向量库、已购 SaaS 里内置的 AI 功能。凡消耗 token 或 GPU-时的都上榜——多数组织会发现清单比预期长两三倍。
- 按单元计量，而不是按发票：token、请求数、GPU-时、Agent 运行次数。只有单元粒度才能回答“哪个仓库、哪个 Agent、哪个人、哪个模型”——这些才是能导出行动的问题。
- 先定 Owner，再谈成本中心：每一个 AI 入口指定一名具名负责人，每周把数字摆到他面前。平分给技术和财务的问责，就是这场超支的成因。
- 读配置，不只读用量：回报最高的发现往往是配置错误而非用量问题——预置吞吐跑在七分之一的利用率、跨区推理路由、非生产集群挂着按需价格。每一条改的都是一个配置项，而账单上一个字都看不出来。
- 闭环到修复，别停在仪表盘：每个发现以带证据的工单/PR 形式路由给负责团队（哪一行、哪个提交、差额多少），合并后再对照账单验证节省。KPMG 数据显示跨工作流编排多个 Agent 的组织占比一个季度内从 9% 翻倍到 18%，而用量控制还停在 36%——每拖一个季度，新增的支出面都比新增的控制快。
现实是，2026 年大多数企业的 AI 成本专项停在了第二步：产出了一个仪表盘，然后更精确地汇报了超支。前五步里，一二步是“看见”，三五步才是“看见的意义”。
七、FAQ
Q1：我们是中小企业，AI 支出一个月才几千块，需要上 FinOps 这套吗？
A：不需要流程，但需要三条硬习惯：① 所有模型 key 集中管理，禁止个人卡报销开通；② 每月看一次 token 用量分布（哪家、哪个场景、环比）；③ 给每个 AI 功能定一个“关掉标准”。这三条覆盖 80% 的失控风险，成本几乎为零。
Q2：供应商说降价能让账单变好看，可信吗？
A：分开看两件事。Goldman Sachs 测算半导体厂商每年把单次推理的算力成本压低 60%~70%，token 消耗量预计 2030 年前增长 24 倍至每月 1.2 亿亿 token——单位成本降、总量爆炸，最后账单是涨是跌取决于你的用量结构，而不是牌价。历史经验（参见本站《大模型价格战》篇）：降价之后账单反而上涨的案例比比皆是。
Q3：怎么向 CFO 解释 AI 成本的不可预测性？
A：用“消费制 vs 席位制”的框架：席位制是房租，消费制是水电。给出三个区间数字——当前月均、峰值月、以及“若某 Agent 全员铺开”的外推值，并明确一条预算告警线（如月度环比 +30% 触发评审）。把不确定性量化成分布，比承诺一个精确数字专业得多。
Q4：先买工具还是先建流程？
A：先做第一步的盘点。清单没拉全就上监控工具，等于装了水表却不知道家里有几个水龙头。盘点的产出应该是两张表：AI 入口清单（含 owner）+ 支出映射表（每笔钱对应哪个入口）；有了这两张表，工具选型标准自然清晰。
参考来源（英文一手材料）：
Gartner – Worldwide AI Spending to Grow 47% in 2026（2026-05-19）
FinOps Foundation – State of FinOps 2026（n=1,192，$83B+ 云支出）
Linux Foundation – State of FinOps Survey Press Release（2026-02-19）
KPMG – AI Quarterly Pulse Survey Q2 2026（n=204）
DoiT / Sapio Research – AI Spending Survey（n=500，2026-02）
Goldman Sachs – AI Agents Forecast to Boost Tech Cash Flow as Usage Soars
PointFive – Why Companies Overspend on AI: The 2026 Cost Visibility Gap（2026-07-29，含 Uber / Microsoft 案例引 Forbes）
