企業面臨 AI Token 成本失控危機，推行精準提示詞控管預算
1 篇報導 · 首次偵測 2026-08-13 · 最後活動 2026-08-13
大型語言模型與 AI Agent 進入企業流程後，成本不只取決於授權費，也隨輸入、輸出及多代理反覆呼叫所消耗的 Token 增加。當使用規模擴大，單次低廉的推論費用可能累積成難以預測的營運支出，使 AI 投資報酬與預算治理成為管理重點。
近期企業開始要求員工以更精準的提示詞減少無效往返，並限制高成本工具、依任務比較不同模型的效能與價格。截至2026年8月13日，相關報導未點名企業或機構，也未揭露金額與 Token 用量；最新進展聚焦建立使用規範，以降低超支風險。
全部報導
1 篇原始報導馬克翻舊帳
這個事件的歷史脈絡企業 AI 支出爆發，Ramp 推出工具控管 Token 預算
企業導入大型語言模型後，軟體成本正從按席次計價的 SaaS，轉向依 Token、模型與算力浮動的用量制；支出也更像雲端基礎設施。Ramp 數據顯示，2025年6月至2026年6月企業 AI Token 支出年增572%，使財務部門面臨跨供應商帳單分散、預算難預測與責任歸屬不清等問題。
2026年7月16日，Ramp 推出 AI Token Spend Management，彙整 Anthropic、OpenAI 帳務，按模型、API key 預警與設限。工具與逾1,300家企業共同開發，月管逾100兆 Token；AngelList 發現未用 prompt caching 每月多花10,000美元。
訂閱馬克雷達週報
每週五，本週最強訊號送進收件匣。隨時一鍵退訂。