模型越来越便宜以后很多老板会自然产生一个判断以后企业用 AI 应该越来越省钱。单次调用确实在下降一段文本、一张图片、一次分类价格都可能比以前低很多。于是项目预算里最容易算的一笔账就是每天调用多少次再乘一个模型价格。真正上线以后账单却经常没有想象中那么轻。企业 AI 真正花钱的地方从来不只有 Token而是为了让一次模型回答变成一项可靠业务中间那整条链。比如客户发来一份资料。模型识别一次并不贵但前面可能还要读取附件、做格式转换、调用知识库后面还要写入系统、发送提醒、保存日志。如果判断不确定再跑一次出现异常再进入人工外部系统没有接口还需要 RPA 打开网页完成操作。单看模型调用每次可能只是几分钱。真正把整项业务跑完需要的却是一串模型、工作流、存储、接口和人工动作。这也是为什么企业不能拿“模型调用价格”直接等同于“AI 业务成本”。模型只是发动机企业最后买的是整辆能上路的车。还有一个更容易被忽略的问题AI 一旦真正好用调用量往往会自己长起来。最开始只有销售部十个人用每天几十次后来客服接进来知识库接进来会议纪要也接进来再往后每条客户记录都会自动总结每个项目状态都会自动判断。单次越来越便宜总次数却从一百变成一万。最后账单上涨并不一定说明模型变贵而是 AI 已经从“偶尔使用的工具”变成了业务基础设施。这其实未必是坏事。真正需要警惕的是大量调用根本没有对应业务价值。三次模型能完成的任务跑了十次本来规则就能判断的事情也扔给大模型每一步都生成一篇没人看的总结。所以企业真正要控的不是“少用 AI”而是每一次昂贵判断到底有没有必要。固定字段用规则简单计算交给程序复杂文本再用模型没有必要每个步骤都让 Agent 思考一次更没有必要为了显得聪明让几个 Agent 互相讨论以后再得出一个简单结果。与此同时还要看系统运行以后有没有减少返工、缩短周期、增加处理量。如果一个月多花两千元模型费用却让销售少漏几个高价值客户这笔账完全可能值得。反过来如果每个月烧一万元只为了生成更多没人看的摘要再便宜的模型也是浪费。企业 AI 最终不是算 Token而是算一次业务结果到底花了多少钱。模型会继续变便宜但业务不会因为模型便宜就自动变简单。真正会控制 AI 成本的公司不是天天盯单价而是知道哪些地方值得让模型思考哪些地方根本不用它出场。