BigQuery 的生成式 AI 函数（AI.GENERATE、AI.IF、AI.CLASSIFY、AI.SCORE 等）把大语言模型直接带进了 SQL：一条查询就能给上百万张工单分类，或逐条对商品评价做情感打分。但这些函数按 token 计费，数据规模一大，预算就可能失控。Google Cloud 最近正式上线了基于 token 的配额管理（GA），让管理员能对 AI token 消耗设置自助式护栏。

这套配额一共有四个，走 Google Cloud 的 IAM 配额体系，同时覆盖项目级和用户级。用户级限制作用于项目内的每个用户，而不是跨整个组织。默认值分别是：AI 输入 token 每项目每天 2000 亿（200 billion），每用户每天 1500 亿；AI 输出 token 每项目每天 200 亿，每用户每天 150 亿。注意：配额是全局的，所有区域的用量会加在一起统计，不会出现某个区域悄悄超支却没被发现的情况。输出配额还把推理 token（thinking/reasoning tokens）也算进去了，和 Gemini 平台账单口径一致。

配额覆盖的函数包括：AI.GENERATE、AI.GENERATE_TABLE、AI.GENERATE_TEXT（及别名 ML.GENERATE_TEXT）、AI.CLASSIFY、AI.IF、AI.SCORE、AI.AGG。嵌入函数不在此列，比如 AI.GENERATE_EMBEDDING（ML.GENERATE_EMBEDDING）和 AI.EMBED，因为它们跑在不同的、便宜得多的模型上。

管理配额很简单。管理员直接在 Google Cloud 控制台操作：IAM & Admin → Quotas & System Limits，过滤 BigQuery API，排序找到四个 AI 配额，编辑即可。调低配额立即生效，不需要审批；调高配额时，很多请求会自动批准，更大的涨幅会走快速审核。需要的权限是 Owner、Editor、Quota Administrator（roles/servicemanagement.quotaAdmin）或 Service Usage Admin（roles/serviceusage.serviceUsageAdmin）。如果偏好自动化，Cloud Quotas API、gcloud CLI 和 Terraform 都能用来跨项目统一配置。

监控方面，配额页面会展示历史 token 消耗，可以按 7 天、14 天、30 天或自定义范围查看，用来识别突发峰值、校准预算。文章专门把 token 配额和 Cloud Billing 的支出上限做了区分。token 配额是预防性的、AI 专属的，BigQuery 在查询执行期间持续跟踪 token 用量，接近上限就停止工作，并且项目和用户两套限制分开。而支出上限按美元在项目和服务级别生效，达到阈值就阻止继续使用，属于更宽的财务兜底；由于它执行不是瞬时的，总会产生一些超支。官方建议：token 配额当第一道防线，支出上限当项目级安全网。

执行机制上，配额靠“停止工作”而不是“放行后算账”。如果查询启动时所需配额已经耗尽，会直接返回 QuotaExceeded 错误。如果查询跑到一半配额用完，BigQuery 就不再发起新的 LLM 调用。支持 max_error_ratio 的函数（如 AI.IF）在未处理行比例允许时会返回部分结果，否则失败；通用函数（如 AI.GENERATE）仍会成功，跳过的行不生成值，状态字段里写着配额超限错误。

要估算成本，先得知道自己发了多少 token。AI.COUNT_TOKENS 函数可以在不产生计费生成调用的前提下，返回模型分词器对一段文本算出的 token 数。对一列数据跑一遍，就能估算输入规模。但要记住：这个计数是输入 token 的下界，不包含输出和推理 token、AI 函数自动加在输入周围的指令，也不含图像等非文本输入。它的用途是：上线前评估输入体量、结合一次小样本运行来校准配额、再按 Gemini 平台公开定价把 token 换算成美元。

文中给了一个完整的换算例子。假设想用 Gemini 3.1 Flash-Lite 模型把项目日支出控制在 100 美元左右。按当前公开定价（BigQuery 走批处理，有 50% 折扣）：输入 token 每百万 0.125 美元，输出 token（响应+推理）每百万 0.75 美元。再假设小样本运行显示输入输出 token 比例约为 100:1，解出来每天大约消耗 7.54 亿输入 token 和 754 万输出 token。把两个每日配额设成这两个值，就能把项目稳定在 100 美元/天附近。如果项目用了多种不同价格的模型，就按模型分别预算，或者把费率混合算。

最后是最佳实践：先从每用户配额起步，防止某个用户或失控实验一口气烧光项目预算；扩展之前先测量，用 AI.COUNT_TOKENS 估输入，再看小样本在用量图里的表现；多盯着输出侧，因为输出 token 更贵，函数支持 max_output_tokens 参数时就设置上限；然后持续监控、按真实用量调整配额。

这套功能现在已经可用。从控制台打开 IAM & Admin → Quotas & System Limits，过滤 BigQuery API，审查四个 AI token 配额并设成符合预算的数值，再用 AI.COUNT_TOKENS 量一下输入，就可以把生成式 AI 的成本变得可预测。