问题——智能体应用升温，成本失控风险抬头 当前，具备“自动执行数字系统操作”能力的智能体工具正进入企业研发、营销、客服、运维等环节。与传统自动化不同，智能体往往在更开放的任务目标下自主规划步骤、调用模型、检索资料并生成内容。多位信息化负责人指出，若市场增长预期延续，智能体对应的开支很可能在企业技术预算中占据更大比重。另外，一旦部署与治理不到位，企业可能面临“投入快速增长、产出提升有限”的结构性矛盾，甚至出现难以及时止损的连锁支出。 原因——成本结构多元且波动，核心在于行为难预测 从企业实践看，智能体支出通常可拆分为四类：其一为智能体软件或平台订阅费用；其二为模型调用带来的计量费用（常与交互次数、上下文长度等相关）；其三为算力与基础设施资源消耗，包括CPU、内存、存储与网络等；其四为开发、运维、监控、安全与合规等管理成本。 其中，软件订阅往往相对透明、可预估，但其余三类成本更易出现波动。关键原因在于智能体系统天然具有“非确定性”：在相同目标与输入条件下，智能体可能选择不同路径完成任务，导致调用次数、生成内容规模、工具链使用方式及运行时长出现差异。对企业而言，这意味着预算模型难以仅靠历史均值推算，传统的“按项目一次性估算”方法在智能体场景中更容易失真。 影响——从“看得见的账”扩展为“连锁成本”，并牵动治理压力 智能体成本的放大效应往往在具体工作流中显现。以研发场景为例，要求智能体为应用新增功能组件时，代码生成的体量、测试方式、调试轮次、与模型交互次数等都可能不同，进而显著影响模型调用费用与资源占用。再如营销内容制作场景，智能体在形成最终手册或物料前可能多轮检索企业历史资料、反复生成与迭代文本或图像，导致Token消耗与算力开销同步走高。 更值得关注的是，智能体越活跃、链路越长，越需要更严密的监控、权限管理、审计追踪与异常处置，运维与治理成本随之上升。若缺乏配套机制，还可能出现重复生成、无效迭代、检索范围失控、跨系统误操作等现象，使成本上升与风险暴露相互叠加。 对策——在不削弱效能前提下，把成本纳入“可度量、可控制、可问责” 业内人士认为，简单通过人为设限（例如严格限制代码行数、减少可参考资料数量）虽然能压缩成本，但可能削弱智能体的质量与效率，甚至把节省下来的“机器成本”转嫁为“人员协调成本”。因此，更可行的路径是在平台、流程与治理层面同步发力，实现精细化管理。 一是把“可观测性”前置。企业应尽早建立统一的成本监测与归集机制，对模型调用量、上下文长度、工作流耗时、资源占用、失败重试与回滚等指标进行可视化与告警，做到按团队、按场景、按应用分摊核算，避免“只知总账、不知明细”。 二是重视架构与平台选择。优先采用支持配额管理、权限隔离、审计日志、策略编排与成本分析的智能体平台，减少各业务线各自搭建导致的重复投入，并为后续优化预留空间。 三是用工程化手段降低“无效消耗”。例如对高频检索内容进行缓存与复用，减少重复调用；对可重复的业务流程进行自动化编排与模板化，降低试错轮次；对工具调用设置校验与兜底机制，减少因错误操作造成的返工与额外调用。 四是建立组织责任与审批评估机制。对新上线智能体实行成本评估与收益假设，明确责任人和预算边界；对重点场景设立定期复盘制度，持续识别高消耗环节与可优化点，形成闭环治理。 五是平衡自主性与安全边界。企业可通过策略与规则而非硬性“剪刀式”限制来引导智能体行为，如明确可用数据范围、工具调用权限、任务完成标准与退出条件，在保障质量的同时控制不必要的探索与迭代。 前景——从“能用”走向“用好”，成本治理将成为规模化落地的分水岭 受访人士判断，智能体在企业端仍处于快速探索阶段，早期决策将对后续成本曲线产生长期影响：若在起步阶段就完成平台统一、监测到位与治理成型，企业更可能实现“规模越大、单位成本越低”的正向效应；反之，若任由各部门分散部署、缺乏指标体系与责任机制，则可能陷入“越用越贵、越贵越难停”的被动局面。 随着应用深入，企业对智能体的评价标准也将从“是否上线”转向“是否带来可量化的效率提升与业务增量”。未来，能够把成本、效率与风险纳入同一套度量框架，并形成优化能力的机构，将更具竞争优势。
智能体应用既带来效率革命，也伴随着新的管理挑战；企业需要认识到，真正的智能化不是技术堆砌，而是包含成本管控在内的系统工程。正如数据治理决定信息化成败一样，构建科学的智能体管理框架，将成为数字化转型的关键。