六个月，十倍增长

JetBrains最近分享了一个数字：半年内，公司开发相关的AI支出增长了大约十倍。

十倍。不是10%，不是翻倍，是十倍。

而且这不是什么AI创业公司，这是做IDE的公司——全球最懂开发者工具的那批人。他们自己都被AI成本的增速吓了一跳，普通团队可想而知。

大部分技术管理者还没意识到，AI工具的账单正在成为一个管理问题。不是"贵不贵"的问题，是"怎么管"的问题。

这不是钱的问题

JetBrains的应对方式很有意思。他们没有像埃森哲那样直接要求员工"少用AI"，也没有像Uber那样四个月烧完年度预算后紧急上限制。他们做了一件更聪明的事：建了一个统一的访问层。

具体来说，他们开发了一个内部CLI工具，所有AI请求都通过这个网关发出。开发者还是可以选自己喜欢的工具，但请求会经过统一的记账和控制层。这样管理者能看到谁在用什么、花了多少、趋势如何。

听起来很朴素对吧？但这恰恰是很多技术管理者忽略的事：你首先需要的不是控制手段，而是可见性。

你不能管你看不到的东西。

三个常见的错误姿势

我观察到的技术管理者在面对AI成本时，通常有三种错误反应：

第一种：不关心。"反正公司出钱，用就完了。"这类管理者直到财务找上门才知道团队一个月花了多少AI费用。JetBrains最初也是这样——他们花了四天时间手动把各个供应商的账单汇总到Excel里，才第一次看清全貌。四天，还只是快照。

第二种：一刀切。看到账单吓了一跳，直接砍预算、限工具。"以后只能用公司批准的那两个AI工具。"这种做法短期见效，但代价是开发者的效率和体验。JetBrains明确说他们见过其他公司这么做，但认为市场变化太快，今天的最佳工具可能几个月后就不行了。限制工具选择等于绑住了团队的手。

第三种：放任自流。"开发者自己判断就好。"听起来很信任团队，但实际上是把成本管理责任甩给了个人。一个工程师不应该在做技术方案的同时还要操心这个月部门AI预算还剩多少。这是管理者的活。

这三种姿势的共同问题是：把"成本管理"等同于"成本削减"。其实这是两件事。

治理的本质是分层

JetBrains的做法给了我一个启发：AI成本治理的核心是把"选择"和"治理"分层。

选择权留给开发者——用什么工具、什么模型、什么场景。治理权收归平台层——谁有权限、预算多少、超限怎么办。

这和微服务治理的思路很像。你不会让每个服务自己决定调用策略、超时配置、熔断阈值。你会提供一个统一的Service Mesh，让服务在框架内自由运行。AI工具的使用也是同理。

具体来说，一个好的AI成本治理方案至少有三个层次：

第一层：可观测。统一的仪表盘，能看到当前支出、预测趋势、按团队和个人拆分。JetBrains最初手动拼Excel，后来通过供应商API实现了自动化。这一步不改变任何行为，但改变认知——让管理者知道钱花在哪了。

第二层：可控制。基于第一层的数据，设置预算阈值。不是硬限制（用完了就不能用了），而是软限制（接近阈值时通知管理者和使用者）。给每个团队一个合理的额度，超了不是惩罚，而是触发一次对话：是工具用得太粗放，还是确实业务需要更多资源？

第三层：可优化。有了数据和控制之后，才能谈优化。哪些场景用便宜的模型就够了？哪些任务其实不需要AI？哪些工具的效果其实差不多但价格差很多？这些问题只有在有数据支撑的情况下才能回答。

一个被忽视的管理命题

我觉得AI成本治理会成为未来一两年技术管理者的必修课。

原因很简单：AI工具的使用正在从"个人尝鲜"变成"团队标配"。当一个团队10个人每人每月用3-5个AI工具，每个工具的订阅费和API调用费加在一起，一年下来可能是几万到几十万。这笔钱在很多公司的预算里还没有对应的科目。

更麻烦的是，AI成本的增长是非线性的。上个月花了1万，不代表这个月也是1万。模型升级、任务复杂度增加、新功能上线，都可能让支出跳变。JetBrains就提到，Claude Opus 4.5和4.6发布后，token消耗急剧上升——不是因为开发者突然用多了，而是模型本身的调用成本变了。

这种不确定性对管理者的要求是：你不能只做月度review，你需要实时的可见性和灵活的治理机制。

不是省钱，是花对钱

最后说一个容易被忽略的点：AI成本治理的目标不是省钱，是让钱花在对的地方。

如果你砍掉了团队的AI工具预算，表面上成本降了，但可能意味着你的团队在用更笨的方式干活。该用AI的地方不用，该用好模型的地方用了差的，结果是人效下降、交付变慢、质量降低——这些隐性成本远大于省下的那点订阅费。

好的管理者应该做的是：让AI支出透明化，让治理机制自动化，让优化决策数据化。不是告诉团队"少用"，而是帮团队"用对"。

JetBrains用1000多名开发者验证了这条路。他们的Central CLI在几周内就被大规模采用，说明开发者并不抗拒被管理——前提是管理方式不碍事。

这可能是每个技术管理者都需要面对的新现实：AI不是免费的，但也不是越省越好。关键是你有没有一套机制，确保每一分钱都花在了刀刃上。