先看存量：95% 的企业已是「运营商」
讨论成本之前，先确认盘子的规模。IDC Future Enterprise Resiliency and Spending Survey（FERS）Wave 4（2026 年 7 月执行）的核心数据：
| 指标 | 数值 | 说明 |
|---|---|---|
| 生产级 Agent 工作流覆盖率 | 95% | 至少一条公司出资、生产环境的 Agent 工作流 |
| 平均工作流数量 | 约 11 条/家 | 分布在不同职能领域 |
| 月均 Agent 推理与编排支出 | 117,558 美元 | 有成本可见性的企业自报，年化超百万美元 |
| 部署最集中的领域 | IT 运维与软件开发 71% | 其后为客服 43%、供应链与采购 36% |
| 2030 年活跃 Agent 数量预测 | 25 亿 | 约为 2025 年的 80 倍 |
| 年 Agent 动作量预测 | 459 万亿次（2030） | 对比当前约 480 亿次 |
IDC 的判词是：这已经不是「试点还是生产」的争论时刻，而是一个需要被管理和扩张的装机存量。值得注意的是部署最深的领域（IT 与软件开发，71%）同时也是超支最严重的领域——热情与预算纪律在同一批团队内部朝着相反方向移动。
超支画像：67% 超预算的三级分布
超支不是均匀发生的。IDC 把过去 12 个月的实际支出与预算对照，画出了一条长尾：
| 超支程度 | 占比（全体企业） | 解读 |
|---|---|---|
| 未超或超幅 10% 以内 | 33% | 少数派 |
| 超支 10%–25%（中度） | 43.1% | 最常见的失控形态 |
| 超支 26%–50%（显著） | 18.5% | 预算流程实质失灵 |
| 超支 50% 以上（严重） | 5.4% | 长尾极端案例 |
合并口径即「67% 的企业超预算 10% 以上」。超支的后果已经进入资产负债表：约一半超预算企业被迫推迟其他重要 IT 项目以守住总盘子，43.1% 主动裁减人员来对冲——Agent 超支已经在挤出其他技术投资，并且在相当比例的案例里挤占了岗位。这与 IDC FutureScape 2026 的另一条预测互为表里：到 2027 年，全球大型企业将面临最高 30% 的 AI 基础设施成本低估。
治理悖论：61.8% 的自评与 45.4% 的看板
整份调研里最有诊断价值的一组对照：61.8% 的组织把自家 Agent 成本治理自评为「已定义」或「优化中」，但只有 45.4% 拥有按工作流跟踪 token 消耗与成本的实时看板。三分之二的组织相信自己治理成熟，三分之二也确实超了预算——自评与结果已经停止互相关联。
IDC 的结论句值得原样转述：超支是一个可见性问题，而不是纪律问题。无法实时看见 token 烧在哪里的组织，不可能在账单到达之前掐住它——月度发票复盘管理不了一个以小时为单位移动的成本面。
FinOps Foundation 的 2026 年度报告从财务职能侧印证了同一断层：管理 AI 成本的 FinOps 团队比例两年内从 31% 飙到 98%，成为该调查历史上普及最快的一项实践；但 53.4% 的团队苦于 AI 支出可见性不足，40.1% 无法量化 AI 的价值或投资回报，而 IDC 另一项统计显示仅 7.5% 的企业把 FinOps 真正集成进了 AI 项目。管理职责到位了，管理能力还没跟上——这套错位与云成本治理早期（2010 年代中后期）的经历几乎同构。
为什么难管：按行为计费的经济学
Agent 成本之所以在结构上难管，根源在于计费单位从「资源时间」变成了「行为量」：
- 成本与行为量成正比，而行为量由模型自主决定。传统云账单里，一台虚拟机跑一小时的钱是确定的；一个 Agent 完成任务要调多少次工具、重试几轮、思考多少 token，是运行时才决定的。可靠性会复利放大这一点：MIT 的试点数据指出，单步 95% 可靠的智能体在 12 步工作流里只能完成约 54%——失败重跑烧掉的是真金白银的 token 与编排费用，却不产出任何结果。
- 消耗曲线是指数的。IDC 观察到模型规模翻倍可能带来十倍算力消耗；企业侧的月度 LLM 账单同比出现数倍增长并不罕见。静态预算与季度预测追不上会自我扩张的工作负载。
- 计量颗粒度前所未有的细。FinOps Foundation 指出，云成本管理处理的是每月数亿条账单记录，而 token 会计处理的是万亿条——量级差了三到四个数量级，需要全新的账务系统而非旧管道扩容。
把这组特性放进 IDC 引用的「电力史」类比里更直观：电力进入工厂时，也是先铺线路、后装电表、再立安全准则——而且基本是在火灾、停电和账单纠纷之后才补的课。企业智能体正在经历同一个「先接线、后装表」的滞后周期。
企业现场：预算烧穿的四种姿势
行业报道拼出的企业案例，把抽象的百分比还原成了具体场景（以下均为媒体报道或厂商转述口径，未经独立审计）：
- 年度预算半年烧穿：据报道，Uber 在 2026 年 4 月就已用完全年 AI 编码预算；FinOps Foundation 执行总监 Storment 透露，多家企业在 4 月前后发现已花完全年 token 预算——会话从「放开用」急转为「先上管控」。
- 订阅续约的价格跳变：据报道，Priceline 一份常规的编码工具合同续约报价达到此前的四到五倍；另一家企业据报道在未设用量上限的情况下累积了高达 5 亿美元的单一模型账单（该数字未获官方证实，谨慎采信）。
- 个体工程师的账单异常：Faros AI 的 CEO 转述过一个案例——一位工程师单月烧掉 4 万美元 token，管理层一度不知道该限制他还是让其他人学他。
- 重度用户的产出-消耗错配：Jellyfish 的研究发现重度 AI 使用者产出约为轻度使用者的两倍，token 消耗却是十倍；Agentic 功能让人均 token 消耗在九个月里增长约 19 倍。「值不值」取决于产出工作的业务价值——而这恰恰是多数企业量不出来的部分。
供应商侧的响应也在同步发生：Linux Foundation 宣布筹备 Tokenomics Foundation，试图为 AI token 支出建立类似 FinOps 之于云成本的纪律与标准（统一计量口径、账单框架与新指标）；Datadog、New Relic 等可观测厂商以及 Ramp 等支出管理厂商陆续进入这个市场。一个围绕 Agent 成本的工具生态正在成形，只是计量标准尚不统一。
治理清单：四条能落地的动作
IDC 在其成本管理从业者框架里给出的建议清单，去营销化之后可以归纳为四条，按落地难度排序：
- 为每条 Agent 工作流指定专属的成本责任人——在下一个预算周期之前，而不是下一次超支之后。Agent 支出失控的首要现场永远是「没有人的预算里躺着这笔钱」。
- 把月度发票复盘换成实时成本可见性。按工作流、按团队粒度跟踪 token 消耗，让异常在小时级被发现而非账单日。45.4% 的企业已经有了起点，剩下的一半多还欠着这张「电表」。
- 把成本治理当成工程学科供资。真正有效的控制手段——模型路由（按任务难度自动选模型）、提示缓存、智能体循环护栏——都是写代码建出来的，不是写进政策备忘录的。没有工程编制的治理是纸面治理。
- 给单一厂商的推理支出设份额上限（一般低于 40%），同时保温一个备选选项。模型定价与商务条款正在以季度为单位变动，单一供应商敞口本身就是成本风险。
补充一条本站观察：模型价格下行与总支出上行并不矛盾——单价降、消耗涨，账单仍会变大。等降价来省钱不是策略，把「单位业务产出的成本」作为北极星指标才是：银行按每笔贷款、客服按每单解决、研发按每次交付来计量 AI 前后的单位成本变化，ROI 才有可辩护的分母。
前瞻：token 会计与电表时刻
往后看 12 到 24 个月，三件事大概率发生：其一，token 级计量将成为企业财务系统的标准接口，Tokenomics 类标准的推进速度取决于超支疼痛的扩散速度；其二，「成本工程」会成为智能体平台的默认组件而非附加品——模型路由、缓存、预算护栏内置进平台，正如弹性伸缩之于云计算；其三，采购谈判的焦点将从「按席位订阅」进一步转向「按成果计费」，把消耗风险部分转移回供应商——本站此前对按成果定价趋势的报道已经记录了这个方向的早期信号。
给企业的最后一句提醒：在治理能力补齐之前，冻结 Agent 工作流数量扩张是成本上最理性的选择——每多接一条工作流，就是在没装电表的房间里多接一路电线。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。