刚给27岁工程师发完“无限Token”的思科总裁，转头就给全行业算了一笔AI的账。
思科总裁兼首席产品官Jeetu Patel把一个看似不可能的任务交给了自家一位27岁的年轻工程师：24个月内重写思科98%的遗留代码，还给了他近乎无限的AI Token预算。这条10月30日由《财富》披露的消息，让全网科技圈都在羡慕这张“无限额AI卡”。36氪
而最近，思科发布的《Splunk 2026年可观测性现状报告》给出了另一副情绪：这是一份覆盖10个国家、2050名IT运维和工程从业者的年度调研，也是思科第六次对可观测性格局做年度分析。它的核心主题只有一句话——智能体很美好，但账单真的会爆炸。思科官方公众号微博
三个数字，IT人看了心梗：
57%的公司表示：监测系统产生的遥测数据成本，已经超过被监测基础设施本身的成本——监控工具比被监控的机器还贵。思科官方公众号
60%的人说：最痛的不是AI基础成本高，而是账单毫无预警地乱飙，没人能预测下个月要花多少。
55%的企业直接承认：已经无法控制AI支出。
更扎心的是反差：87%的受访者把“监测AI”列为公司优先事项，却有56%连大模型的响应质量都测不准；85%知道盯住AI幻觉很重要，实际能做到的只有58%。旗子插了，弹药没跟上。思科官方公众号
Patel在报告里的判断相当大胆：“很快，大多数企业投入工作的智能体数量就会远超员工人数。”干活的“员工”比人还多、个个都在烧Token，算不清成本归因，钱花在哪谁也说不清。思科官方公众号
那领先企业做对了什么？报告归纳了三件事：经常让智能体参与修复问题；死死盯住模型质量、成本、使用量、安全和隐私五个维度；把每个遥测信号和业务影响挂钩。效果很直白——领先企业能准确归因AI成本的比例达到91%（其他企业只有69%），可观测性平台ROI超预期的可能性是其他企业的2.4倍，54%表示可观测性每年至少带来500万美元的业务价值。思科官方公众号
一点诚实的提醒：这份报告调研的10个国家不含中国大陆。但去知乎转一圈就知道痛点全球同款——“AI编程成本越来越氪金，tokens越充越少”“企业AI项目的Token成本到底该怎么算”，10月底以来一直是热帖。思科官方公众号知乎知乎专栏
所以，不管你们公司有没有人拿到无限Token，这份报告值得记住一句话：AI时代最先破产的不是模型，是算账能力。在放任智能体跑起来之前，先把账本立好：它烧了多少Token，换回了什么。
