企业级AI的下一步：控制规模化成本
要点速览
- •Harness对700位FinOps和工程负责人的调查发现，约四分之一的企业AI支出被浪费。
- •超过半数的受访组织没有专门负责追踪和管理AI成本的负责人。
- •企业经常在日常任务中部署比实际需要更大、更昂贵的AI模型，即使单个token成本持续下降。
- •同周发布的EY调查证实，组织在维持AI投资水平的同时，正更加审慎地审视token成本和投资回报率。
- •包括微软、Alphabet和Meta在内的超大规模云服务商已将财报叙事转向部署执行力和基础设施效率，而非单纯的支出增长。
一份新报告发现，每四美元的AI支出中就有一美元被浪费，这凸显了企业面临的一个日益严峻的现实：挑战不再仅仅是部署AI，而是控制在规模化运行时的成本。随着AI支出在组织中不断扩散，成本管理正变得与技术采用本身同样关键。
这一发现来自AI软件开发平台供应商Harness及其2026年AI FinOps现状报告，该报告基于对700位FinOps和工程负责人的调查。FinOps——即财务运营（financial operations）——是在向云计算转型过程中兴起的一门学科，当时企业意识到需要专门的实践来管理可变的基础设施支出；如今这一理念正被应用于AI领域。报告显示，超过半数的组织没有专门的AI成本负责人，使得追踪支出或识别浪费变得困难。此外，组织经常在日常任务中使用比实际需要更大、更昂贵的模型，而AI采用的不断增长正推高token消耗量——即模型处理的文本片段数量，也是服务商计费的依据——即使单个token的成本在下降。
Harness的发现反映了企业级AI更广泛的转变趋势。过去两年，行业重心一直在于将生成式AI部署到业务各环节。如今，挑战在于如何确保这些部署在用量扩展时保持财务上的可持续性。
这些发现并非孤例。本周发布的一项EY调查发现，组织在继续投资AI的同时，正更加密切地关注token成本和投资回报率。与此同时，施耐德电气和AMD发布了AI工厂蓝图，这进一步表明企业正从验证AI的可用性转向建设能够在规模化层面支撑AI运行的基础设施。
这一转变同样体现在超大规模云服务商的财报中，微软、Alphabet和Meta更加强调部署和基础设施的执行力，而非简单地增加AI支出。综合本周的动态来看，企业级AI的下一阶段将不再由企业花了多少钱来定义，而是取决于它们管理这些投资的效率。
企业级AI似乎正在重演一个熟悉的模式。与之前的云计算一样，早期竞相采用技术的热潮正让位于对成本管理、回报衡量和可持续扩展的更大关注。那些将AI视为一种运营能力而非无限制实验的组织，在未来可能更具优势。
本周AI新闻速览
多数美国公司缺乏成熟的AI治理框架： 尽管在AI治理方面的投资不断增长，但拥有成熟治理框架的美国公司仍然相对较少，这在企业部署越来越多自主AI系统的背景下引发了担忧。相关阅读：开发自我改进型AI的厂商与AWS签署4.1亿美元协议
FCC以安全风险为由阻止中国人形机器人进口： 美国扩大了对中国人形机器人的限制，援引国家安全风险，与此同时华盛顿正加紧努力加强国内AI和机器人能力。
Core Scientific通过与AMD达成的140亿美元协议将AI算力翻倍至1.1吉瓦： 该公司通过与AMD达成的140亿美元交易，将AI基础设施计划扩展至1.1吉瓦，凸显了对支撑不断增长的AI需求所需算力的持续投资。
Nvidia推进AI开放安全联盟： Nvidia与数十家科技公司共同发起了开放安全AI联盟（Open Secure AI Alliance），致力于开发开放的AI安全工具，主张随着AI系统变得更加自主，更大的开放性将加强网络防御能力。
AI即一种思维方式：CIO的成长指南： 一份新指南指出，CIO必须将AI视为组织变革而非技术项目，打造鼓励实验、学习和持续适应的文化。
AI在Uptime 2026年调查中推动数据中心不确定性： Uptime Institute的最新调查发现，AI正迫使运营商重新思考电力、散热和基础设施策略，以支持日益苛刻的工作负载。相关阅读：三星与Broadcom达成芯片协议