OpenAI 企业版新增用量分析与支出控制功能深度解读

背景

随着人工智能（AI）逐渐融入日常办公流程，企业对其的管理方式需要达到与对待其他关键商业投资同等的严谨程度。企业不仅需要清晰掌握 AI 的使用情况、采用率以及支出明细，还需要能够自信地扩展规模，并明确 AI 在何处创造了实际价值。

为了帮助 ChatGPT Enterprise 管理员在 AI 部署中拥有更高的可见性、控制力和信心，OpenAI 官方博客宣布推出新的用量分析功能和更新后的支出控制措施。这些新功能旨在帮助企业追踪信用额度（Credits）的使用情况，理解采用模式，并据此做出更明智的 AI 部署决策。通过更清晰的可见性和更灵活的控制手段，组织可以主动管理成本，确保团队获得所需的访问权限，并将 AI 投资集中在最重要的工作上。

核心内容

本次更新主要围绕两个核心模块展开：全局管理控制台中的新信用额度用量分析，以及针对团队协作方式的支出控制优化。

1. 全局管理控制台中的新信用额度用量分析

全局管理控制台（Global Admin Console）现在将 ChatGPT 和 Codex 的信用额度使用情况整合在一个视图中。管理员可以查看更细致的信用额度消耗细分数据，涵盖用户、产品和模型三个维度。这种颗粒度更高的数据有助于管理员理解支出来源，并将其与实际信用额度使用情况对应起来，从而更容易区分是由高价值工作驱动的使用量增长，还是需要进一步审查的使用模式。

管理员现在可以执行以下操作：

• 追踪趋势：随时间推移追踪使用情况和信用额度趋势。
• 识别模式：识别顶级用户以及新兴的信用额度使用模式。
• 细分支出：在工作区范围内，按用户、产品和模型细分信用额度支出。
• 深度分析：通过统一的 Cost API 访问相同的信用额度使用数据，以便在自有系统中进行更深入的分析。

2. 围绕团队协作方式的支出控制

今年早些时候，OpenAI 为 ChatGPT Enterprise 的自定义角色引入了细粒度的信用额度使用限制，帮助工作区所有者在不同类型的用户中管理高级模型的使用，避免了“一刀切”的限制。

在此基础上，本次更新进一步增强了管理员的控制能力：

• 多层级限额设置：管理员不仅可以为整个 ChatGPT Enterprise 工作区设置默认限额，还可以为特定组配置限额，并为需要更多容量的个人创建单独的重写（Override）规则。
• 员工自助管理与申请：员工可以查看自己的信用额度使用情况与可用预算的对比。当需要更多信用额度时，员工可以提出申请，并包含关于其工作内容的上下文信息，以便管理员做出知情决策。
• 保障高生产力用户工作连续性：这种机制允许个别高生产力用户（Power Users）在不中断工作的情况下继续操作，同时也避免了为了少数人而提高所有人限额的需求。

这些更新后的控制措施共同帮助企业更审慎地大规模部署智能能力，同时赋予团队完成高影响力工作所需的能力。

关键要点

• 统一视图：ChatGPT 和 Codex 的信用额度使用情况现在在全局管理控制台中统一展示，支持按用户、产品和模型进行细分。
• API 集成：提供统一的 Cost API，允许企业将信用额度数据导入自有系统进行深度分析。
• 灵活的限制策略：除了针对自定义角色的细粒度限制外，新增了工作区默认限额、组限额以及针对个人的限额覆盖功能。
• 透明的预算机制：员工可实时查看预算使用情况，并通过附带工作上下文的申请流程获取额外信用额度。
• 平衡效率与控制：新功能旨在解决“一刀切”限制带来的不便，既保护了高生产力用户的连续工作体验，又防止了整体成本的无序增长。

意义与影响

此次更新标志着 OpenAI 在企业级 AI 治理方面迈出了重要一步。对于企业而言，AI 不再仅仅是技术实验，而是需要精细化运营的核心业务资产。

首先，数据可见性的提升使得 CIO 和 IT 管理者能够量化 AI 的投资回报率（ROI）。通过区分“高价值工作”与“潜在浪费”，企业可以更精准地优化资源配置。

其次，灵活的控制机制解决了大规模部署中的典型痛点。传统的刚性限额往往阻碍创新或导致关键业务中断，而新的“默认+例外”管理模式既保证了整体成本控制，又保留了业务灵活性。

最后，自助服务与审批流程的结合减轻了管理员的日常运维负担，同时通过要求提供“工作上下文”，促进了企业内部对 AI 使用目的的透明化和责任感。

目前，ChatGPT Enterprise 管理员已可使用这些新功能，工作区用户也可在设置中查看自己的信用额度使用情况。企业可通过帮助中心或联系 OpenAI 团队获取进一步的实施建议。