本文为工程实践复盘，客户信息已脱敏；所述数据均为示意值。

一、项目背景

我们这套 AI 网关后面接了多家模型供应商，计费方式五花八门：有的按 token，有的按调用次数，有的按时长，单价还随套餐浮动。财务每个月底对着各家的原始账单，手工归并到部门，差异一大堆；跨部门内部结算更是扯皮——A 部门用了贵模型，账单却记到了 B 部门头上，谁都不认。我们调研时发现，最大的问题不是算不清，而是"计量"这件事本身就不透明：网关只管转发，谁调了多少、调的什么，没有一份自己说得清的明细。

我们当时定的目标，是让"计量、计费、结算"全链路自动且可稽核。这个项目里我们采用的 AI 网关，其计量层统一采集每次调用的 token、耗时、模型、调用方，计费引擎在计量数据之上叠加规则，把黑盒变成看板。

二、落地场景

落地之后，每次调用都在网关计量层落一条结构化记录：调用方、应用、模型、输入与输出 token、耗时、是否命中缓存。计费引擎按"模型单价表乘用量"生成原始账单，再按部门和应用维度归集。账期上支持按月和按项目两种口径，内部结算在账期结束时自动出对账单，差异部分进入稽核队列而非默认挂账。

我们给每个部门设了预算配额，超预算前预警，超预算时可配置拦截或放行并标记，成本第一次从"黑盒"变成"看板"，哪个部门花了多少、花在哪类模型上，一眼可见。

三、关键技术挑战与解决思路

第一是多模型混合计费规则。我们把计费抽象成"计价单元，也就是 token、次、时长，乘以单价，单价按模型和套餐版本"，单价表做版本化管理，结算时按调用发生时的生效版本取价，避免改价影响历史账，保证账单可解释。

第二是用量到账单归集。计量记录是明细，账单是聚合，我们保证"聚合能下钻回明细"，任何一笔账单金额都能追溯到具体某次调用，这是稽核的基础，也是财务愿意信这套系统的前提。

第三是账期与内部结算。账期配置化，自然月或项目周期均可；结算时按部门归属自动分账，争议单进入人工稽核，而不是默认挂账等月底吵。

第四是异常用量稽核。对远超基线的用量，比如某应用单日 token 暴涨，自动标红，防止"刷量"或配置错误导致天价账单，把风险挡在发生之后、结账之前。

四、效果数据

上线大约一个季度之后，以脱敏示意口径来看：出账自动化率从原来的半数以下，提升到接近全量；财务月度对账差异率从百分之一点几，降到千分级；成本归因准确率，也就是部门级的准确度，显著提升；内部结算周期从数周，缩短到账期结束后数日内；异常用量均能在当日被标红。数据为示意值。

五、可复用经验总结

计量先于计费，账期先约定后结算，这是我们踩坑后总结的两句话。早期直接拿供应商账单做内部分摊，结果单价变动、缓存命中都不透明，怎么摊都对不上；改成"网关自己计量、规则引擎出账"之后才可控。关键是聚合必须能下钻回明细，否则稽核永远在猜。账期与归属要前置约定，别等月底再谈谁该付钱，那时候只剩扯皮。

结语

AI 成本治理的第一步，不是砍预算，而是先让钱花在哪看得清。当每一次调用都留下可下钻的明细，财务不再靠猜，业务也不再甩锅，成本优化才真正有了抓手。网关的计量层，看似只是记个数，实则是整个成本治理体系的地基。

回过头看，AI 成本治理的第一步，不是砍预算，而是先让钱花在哪看得清。当每一次调用都留下可下钻的明细，财务不再靠猜，业务也不再甩锅，成本优化才真正有了抓手。网关的计量层看似只是记个数，实则是整个成本治理体系的地基。我们把预算配额、异常用量稽核、账期结算串成闭环之后，部门负责人开始主动关注自己的模型选型，廉价模型在该用的地方真正用起来了。成本下降不是靠行政命令压出来的，而是靠透明之后每个人的自主选择自然发生的。

我们还把这套计费能力开放给了业务方自助查询，部门负责人第一次能实时看到自己这个月花了多少、主要花在哪些模型上。透明带来的改变很直接：一些原本默认用最贵模型的场景，在被看到账单后主动切换到了性价比更高的组合，整体支出结构更健康。

成本透明这件事，短期看是省了钱，长期看是养成了团队用模型的理性，这比任何一次性的砍预算都更可持续。

案例片段（已脱敏）：计费规则与账期结算配置（示意） - 计量：record(caller, app, model, in_tok, out_tok, dur, cache_hit)- 计价：cost = Σ (in_tok*price_in[model,v] + out_tok*price_out[model,v])- 账期：cycle=monthly; on_close: split_by(dept) -> statement; anomaly if tok>3σ

案例片段（已脱敏）：一次稽核（示意）——某应用单日输出 token 较基线暴涨约 5 倍，系统当日标红，排查为缓存层故障导致重复生成，修复后次日回落，避免了约数十万 token 的无效计费。