WAIC 2026 上，优刻得 CTO 王凯与焱融科技 CTO 张文涛拆解了企业 AI 账单里那些"看不见的支出"——模型单价在降，但任务链、上下文膨胀和人工干预正在推高总成本。
一次普通对话只调用一次模型。但一次 Agent 任务背后，往往包含目标理解、任务拆解、信息检索、工具调用、上下文读取、记忆存储和结果验证——任何一个环节出现偏差，Agent 都可能重新规划、重新调用，甚至从头执行。
一问一答，单次调用，成本可预测。上下文短，失败后重试成本低。
整条任务链：理解目标 → 拆解步骤 → 调用工具 → 检索数据 → 生成内容 → 验证结果。失败可能从头再来。
注：Agent 任务链每增加一个环节，失败重试的概率和上下文长度都会叠加，导致单次有效任务的资源消耗远高于传统对话。图中展示了两种模式的结构差异。
王凯提出，企业不应只问"Token 贵不贵"，而应先问"这些 Token 花得值不值得"。如果目标、受众、结构和评价标准足够明确，模型可能在少量尝试后完成任务；但如果企业只是让模型先生成数百个版本再从中挑选，又没有明确的筛选标准，成本自然会迅速上升。
先定义任务，再计算成本——这是控制账单的第一步。
Token 账单至少是可见的。更难处理的是那些没有直接出现在云平台账单里的隐性成本。张文涛认为，企业最容易忽略三部分：
注：三种隐性成本往往相互叠加——上下文膨胀导致推理成本上升，人工审核占用工程师时间，维护体系又需要持续投入。它们不会出现在模型厂商的账单上，却可能数倍于 Token 费用。
张文涛以代码单元测试为例：企业不能只统计调用了多少 Token，而应该比较过去一名工程师一天可以完成多少测试，引入 AI 后又能完成多少——新增的产出是否足以覆盖模型费用和后续人工审核成本。
王凯进一步指出，Agent 在运行过程中需要反复重构上下文，而上下文叠加会推动计算资源快速增加。这也是 KV Cache、上下文压缩和信息提取逐渐成为推理基础设施关键环节的原因。
AI Coding 被普遍认为是当前落地最快的 Agent 场景之一。但从生成代码到真正投入生产，中间仍然存在很长的距离。张文涛提出，企业需要的不只是一个代码模型，而是一整套完整体系：如何拆解需求、如何定义 Agent 角色、如何设计测试、如何评价结果。
对于真正从零开始的 AI Native 公司，第二种路径可能带来更高效率——一名工程师借助多个 Agent，理论上可以完成过去一个团队的工作。但对于传统企业，渐进改造仍是最低风险的选择。
随着模型数量不断增加，企业往往希望同时接入多个模型、平台和 Agent 框架，以降低被单一供应商锁定的风险。但多技术栈本身也会增加学习、适配和运维成本。
王凯认为，企业真正需要的不是为了"多模型"而多模型，而是一套清晰的编排架构：
注：可替换架构要求每一层都通过标准化接口连接，任一组件被替换时其他部分仍能正常运行。图中展示的是企业 AI 基础设施中需要具备可替换性的关键能力层。
在这种架构下，模型、搜索、存储、网络、支付等能力都可以被服务化调用。企业选择多个供应商，不是为了形式上的分散，而是为了在价格、能力或供应发生变化时，能够以较低成本完成替换。
张文涛补充称，与传统云计算相比，公开模型 API 已经具备一定程度的标准化。真正容易产生绑定的是私有化部署——不同 GPU、推理框架、模型和存储系统之间仍然存在大量适配工作。一旦企业围绕特定供应商进行了深度开发，后续迁移可能涉及模型格式、硬件环境和工程工具链的整体调整。
当 AI 从个别员工的实验变成企业级工具，成本问题也会逐渐转化为治理问题：谁来承担费用，如何分配预算，是否限制 Token，以及怎样判断一个团队用得过多还是过少。
王凯认为，企业至少需要具备以下基础能力：
企业不能只向所有员工发放同一个 Key，之后既不知道谁在使用，也无法在成本异常时关闭"水龙头"。多 Key 管理、限速和限流是底线。
传统企业转型初期应鼓励使用以降低学习门槛；AI 制药等创新研发采用项目预算管理，允许试错但设置上限；稳定生产流程则需持续计算单位产出和单位成本。
如果一辆无人车价格为 50 万元，但仍然需要一名司机全程坐在车内，企业同时承担了车辆和人员两份成本。当前许多企业使用 AI 的状态，正类似于"车里的人还没有离开"——AI 已经产生了成本，但原有人员和流程并未减少。
注：三类治理场景对应不同阶段的企业需求。底线是"看得见、管得住"；进阶是"按任务类型差异化分配预算"；终极目标是"AI 真正替代原有环节，实现单位产出成本下降"。
王凯用这个类比点明核心：要判断 AI 是否真正降本，企业必须明确它替代了哪部分工作，以及单位产出是否因此增加。否则，企业购买的可能不是生产力，而是一场不断追加预算的试验。
Token 单价下降不必然带来总成本下降。只有当任务目标被定义清楚、工作流程可以被评价、模型能够被替换、使用成本可以被看见，并且 AI 真正替代了原有环节，降价才有实际意义。