你是否知道企业内部有多少AI代理在悄悄消耗预算？从代码生成、协同工作到模型调用，不同团队使用的工具五花八门，而每个模型提供商都有自己的计费方式和后台，财务部门很难拼出一张完整的支出地图。这正是Speakeasy Development Inc.今天推出AI成本管理服务要解决的问题。

这款名为AI Cost Control的服务，是Speakeasy AI Control Plane的一部分。它就像架在员工和各类AI工具之间的一个交通枢纽，专门收集来自Claude Code、Cursor、Claude Cowork、Codex等产品的使用数据。每一笔交互消耗了多少token、用的是哪种模型、有没有命中缓存、预估花费多少钱，被逐条记录后，再按照员工、团队、工具、账户类型重新汇总，形成一张企业层面的AI消费总账。

打开网易新闻 查看精彩图片

“企业面临的麻烦在于，模型提供商的数字彼此隔绝。”Speakeasy首席执行官Sagar Batchu这样说。他打了个比方：Anthropic能告诉你用它的密钥花了多少，但它无法给出一个跨竞争对手模型和工具的统一视图。各家供应商的数据都躺在自己的隔间里，要让决策层看到全局，就必须先把这些隔间打穿。

这种碎片化不止于厂商之间。员工自己购买的个人订阅往往游离在企业集中管理之外。很多公司的报告只覆盖集中管理的账户，大量通过个人套餐完成的AI工作就像暗物质一样不可见，让管理者既算不清总成本，也判断不了投资回报。正是为了照亮这些盲区，Speakeasy在员工的工作设备上部署了一个软件代理，实时采集AI会话的遥测数据。

即便员工使用的是个人账户访问AI服务，代理也能够将活动关联到工作身份上。但公司强调，它不会连接员工的个人账户，也不会采集在个人设备上进行的任何操作。“我们只观察已注册工作机器上的实时AI活动，而不是个人账户本身。”Batchu解释说，“我们从不触碰员工个人设备上的账户历史。”这种设计像是在办公室里安装了一块只读取电表读数的装置，只监视设备上的用量，不翻看用户的私人物品。

虽然收集的数据中可能包含会话记录等内容，隐私和安全自然成为话题。Batchu将这套系统描述为一种劳动力可观测性工具，并表示Speakeasy与客户之间有一整套协议来规范数据的存储和使用方式。针对有特殊需求的企业，公司还提供专用数据驻留选项，并支持在客户的虚拟私有云内进行部署。

在数据的标准化上，Speakeasy遵循的是OpenTelemetry针对生成式AI的语义约定。这套规范为token数量、模型、成本和工具调用元数据等信息提供了统一的格式。Speakeasy做的事就是对来自不同厂商的记录进行归一化处理，让管理者能在单一仪表板上看到跨工具的消耗情况。目前AI Cost Control能提供每次交互的成本估算、跨代理的汇总视图，并支持按员工、团队、模型、会话、出处等维度拆解。还可以进一步下钻到单个会话，弄清楚到底是哪些工具、技能以及模型上下文协议服务器在吃掉预算。

Speakeasy有意将这项服务与功能上相近的AI网关和可观测性产品区分开来。它不把自己定位为又一个监控界面，而是借由设备端的代理打通了个人账号和公司账户之间的信息断层，让企业在多AI工具并行的时代，终于有机会看清那张拼图的全貌。