年AI编程成本超越人类薪资：Gartner权威预测报告

6月24日，Gartner发布最新报告，其中一项预测引发广泛关注：到2028年，AI编程的支出将超过普通开发者的平均薪资。

这一判断的核心逻辑在于：主流AI编程服务商正从订阅制转向按使用量计费。这意味着AI编程的支出变成了一个高度不确定的变量——对技术负责人来说，精准预测并管控相关成本将越来越棘手。更麻烦的是，各家厂商在Token消耗的计算与计费方式上普遍缺乏透明度。

Gartner高级首席分析师Nitish Tyagi指出，一旦Token消耗成为AI支出的计量单位，预算审批会越来越难，资金往往比预期更早耗光，这让软件工程负责人倍感压力。

从企业实践来看，当下正处于从试点走向全面部署的关键拐点。越来越多的开发者已将AI工具嵌入日常开发流程。成本确实在上涨，但产出也大幅提升。开发者更看重交付速度、使用便利性和代码生成质量，指望他们主动减少Token用量来省钱，基本不现实。这就像开车的人宁愿多花油钱，也不愿为了省油而牺牲通行效率。

Tyagi同时强调，Token的自律无法仅靠开发者的个人选择来实现——他们总是优先考虑速度和便利，成本效率反而排在后面。

实际上，将AI融入工作流已成为行业大趋势。员工花在手动写代码上的时间越来越少，更多精力转向管理和审查AI的输出结果。这个趋势本身没有问题，但成本压力远不止来自定价模式和透明度不足。

Gartner的分析指出，AI编程成本飙升，很大程度上与使用方式和治理缺失直接相关。Token超支往往源于工程负责人对使用行为的管理方式。常见问题包括：AI智能体不受控地自主操作、上下文窗口过度膨胀、缺乏结构化的反馈机制来优化用量。更关键的是，当前AI编程工具供应商尚未在智能体内部植入成熟的成本优化能力，进一步推高了费用。

Tyagi总结道：“随着基础设施投资和盈利压力不断推高模型定价，AI编程成本将持续走高。同时，越来越多的开发者从轻度用户快速转变为主流用户，这将进一步推动Token消耗和总支出的增长。”这才是整个预测背后的真正驱动力——不是单一因素，而是定价、用量、治理和用户行为共同作用的结果。