当 AI 工具开始按 Token 和预算说话，治理就不能再只盯许可证数量

数字治理

发布日期: 2026-05-05

导语：
写 2026 年 5 月 5 日这批文章时，我最强烈的感受是，数字治理正在从“买没买、开没开”迅速转向“谁在用、花了多少、能不能被约束”。GitHub 在 4 月 27 日宣布 Copilot 将从 6 月 1 日转到 usage-based billing，用 AI Credits 计费，并提供企业级预算控制；4 月 13 日，Copilot 的 US/EU data residency 和 FedRAMP 支持正式可用；更早一点，Copilot CLI 还支持 bring your own MCP registry 的 allowlist 治理。把这些放一起看，治理的焦点已经变了。

过去的 SaaS 治理，很多时候围绕 seat 和权限展开。AI 时代不够了。因为一个人占一个 seat，不代表他消耗一样多的算力，不代表他使用同样的模型，也不代表他调用的能力跨不过合规边界。AI 工具一旦进入 agent 模式，这些差异会被放大得非常明显。

1. 为什么传统许可证治理开始失灵

以前管一个开发工具，最常见的办法是三件事：

买多少个 license。
哪些人能开通。
哪些功能默认关闭。

这套逻辑在 IDE、代码托管、普通 SaaS 上仍然成立，但对 AI 工具已经开始失效。原因很简单：使用强度差异太大。一个开发者偶尔问几个问题，另一个开发者可能每天开几个长链路 agent 会话、跑自动评审、发起远程任务、调用外部工具。两个人 seat 一样，真实资源消耗完全不同。

GitHub 改成 AI Credits 计费，实际上是在把这个现实公开化。平台不再假装“大家都差不多”，而是明确告诉你：输入、输出、缓存 token 都是成本，复杂 agent 任务和简单补全不该算一笔糊涂账。

2. 数字治理现在应该盯哪些指标

如果你负责的是组织级治理，我建议把关注点从“有多少人开通了 Copilot”切到下面几类指标：

第一，使用强度分布。
不是只看总量，而是看哪些团队、哪些角色、哪些任务类型在高消耗。

第二，模型结构。
高价模型、低价模型、自动路由占比如何，是否和团队定位匹配。

第三，工具边界。
哪些用户在调用本地模型、BYOK 模型、GitHub 托管模型，哪些用户在使用 MCP 工具链。

第四，区域和合规边界。
哪些组织必须留在 EU 或 US 数据边界内，哪些功能目前被允许进入这些边界。

第五，预算命中和超支风险。
管理员能不能在 enterprise、cost center、user 级别看见预算消耗并及时限流。

这才是 AI 治理真正需要的观察面。

3. 一套更现实的治理落地办法

第一步，按角色和场景分层。
不要所有人都默认同一套模型和同一类 agent 能力。代码评审、复杂修复、知识问答、批量摘要、客服辅助，这些场景的价值和成本结构完全不同。

第二步，把预算前置，而不是事后对账。
GitHub 这次明确提到企业会有 pooled included usage，以及 enterprise、cost center、user 级别的预算控制。组织不该等月底账单出来才发现谁用多了，而要在月初就设边界。

第三步，把数据驻留要求和能力清单绑在一起。
数据驻留不是一个口号，它会决定哪些模型可用、哪些区域支持哪些能力、哪些集成暂时不能开。GitHub 也明确说过，某些模型比如 Gemini 在 data-resident inference endpoint 可用之前不会纳入同样范围。治理层必须把这类约束写进策略，而不是交给终端用户猜。

第四步，把 MCP 和外部模型入口纳入白名单治理。
只要 CLI、IDE 或 agent 能接外部工具，就要处理供应链和合规问题。BYOR MCP registry allowlists 之所以重要，就是因为它让组织可以先定义“哪些 MCP server 是被允许的”，再把能力开放给开发者。

第五步，把“许可证”升级成“策略对象”。
一个用户不再只是“有/没有 Copilot”，而是应该同时拥有模型策略、预算策略、区域策略、工具策略和日志策略。这才是 2026 年之后更稳定的治理形态。

4. 本周就能做的治理动作

拉出组织当前的 Copilot 使用分布，而不是只看 seat 数。
先做一版成本中心划分，把高强度团队单独归口。
为有合规要求的组织启用对应的数据驻留策略。
盘点 CLI、IDE、BYOK、MCP 的外部入口，建立一版白名单。
给管理员准备“预算命中后的动作”，比如提醒、限额、审批，而不是只做报表。

5. 最容易忽略的问题

一个常见误区是，觉得 AI 治理无非就是“别让大家乱用”。这太粗了。成熟治理不是一味收紧，而是让高价值场景能稳定使用，让低价值滥用有边界。

另一个误区是，把合规和成本拆开。现实里它们越来越绑在一起。数据驻留会影响可用模型和基础设施，基础设施又影响成本结构。组织如果分别由不同团队松散管理，最后只会互相推诿。

6. 结语

5 月 5 日再看，数字治理最明显的变化就是，AI 工具已经不能再按传统 SaaS 的思路去管了。Seat 只是入口，不是全貌。真正决定组织是否能长期用好 AI 的，是预算可见性、模型策略、数据驻留、工具白名单和分层授权这些更细的治理动作。平台已经把这些能力逐步摆出来了，剩下的就是团队能不能把“买了多少 license”升级成“我们到底如何负责任地用它”。