一份新報告發現，每四美元的 AI 支出中就有一美元遭到浪費，凸顯出企業面臨的一個日益嚴峻的現實：挑戰已不再僅僅是部署 AI，而是控制在規模化運行時的成本。隨著 AI 支出在組織中不斷擴大，成本管理正變得與技術採用本身一樣關鍵。

該發現來自 AI 軟體開發平台供應商 Harness 的2026 年 AI FinOps 現狀報告，調查對象為 700 位 FinOps 與工程領導者。FinOps——即財務營運（financial operations）的簡稱——是在向雲端運算轉型期間出現的一門專業領域，當時組織意識到需要專門的做法來管理變動的基礎設施支出；如今它正被應用於 AI。報告指出，超過半數的組織缺乏專門的 AI 成本負責人，使其難以追蹤支出或識別浪費。組織也經常在例行任務中使用比實際需要更大、更昂貴的模型，同時日益增長的 AI 採用率推高了 Token 消耗量——即模型處理的文字片段數量，也是供應商計費的基礎——即使每個 Token 的成本正在下降。

相關報導：OpenAI 在企業擔憂 AI 支出之際下調模型價格

Harness 的發現反映了企業 AI 領域更廣泛的轉變。過去兩年，焦點一直放在將生成式 AI 部署到各項業務中。如今，挑戰在於確保這些部署在使用量擴大時仍能維持財務可持續性。

這些發現並非孤立事件。本週發布的一項 EY 調查發現，組織在持續投資 AI 的同時，正更加密切地關注 Token 成本和投資回報率。此外，施耐德電機（Schneider Electric）和 AMD 公布了AI 工廠藍圖，這是企業從證明 AI 可行性轉向建設能夠支持大規模運行的基礎設施的另一個跡象。

這一轉變也反映在超大規模雲端業者的財報中，Microsoft、Alphabet 和 Meta 強調部署與基礎設施執行，而非單純增加 AI 支出。綜合本週的發展，顯示企業 AI 的下一階段將較少取決於企業花了多少錢，而更多取決於企業管理這些投資的成效。

企業 AI 似乎正在重演一個熟悉的模式。就像之前的雲端運算一樣，早期競相採用技術的熱潮正讓位於對成本管理、衡量回報和可持續擴展部署的更大關注。將 AI 視為營運能力而非無限期實驗的組織，在未來可能處於更有利的位置。

本週 AI 新聞摘要

多數美國企業缺乏成熟的 AI 治理框架： 儘管對 AI 治理的投資不斷增加，但相對較少的美國公司擁有成熟的治理框架，這在企業部署更多自主 AI 系統時引發了擔憂。相關報導：開發自我改進 AI 的供應商簽署 4.1 億美元 AWS 協議

FCC 以安全風險為由封鎖中國人形機器人進口： 美國擴大了對中國人形機器人的限制，以國家安全風險為由，在華府加強努力提升國內 AI 與機器人能力的同時採取行動。

Core Scientific 在 140 億美元 AMD 交易中將 AI 容量翻倍至 1.1 GW： 該公司通過與 AMD 達成 140 億美元的協議，將其 AI 基礎設施計畫擴展至 1.1 吉瓦，凸顯了對支持不斷增長的 AI 需求所需運算能力的持續投資。

Nvidia 推進 AI 開放安全聯盟： Nvidia 與數十家科技公司共同成立了開放安全 AI 聯盟（Open Secure AI Alliance），致力於開發開放的 AI 安全工具，主張更大的開放性將在 AI 系統日益自主化的同時強化網路防禦。

AI 作為一種思維模式：CIO 成長指南： 一份新指南主張，CIO 必須將 AI 視為組織轉型，而非單純的技術專案，建立鼓勵實驗、學習和持續適應的文化。

AI 推動資料中心不確定性：Uptime 2026 年調查： Uptime Institute 最新的調查發現，AI 正迫使營運商重新思考電力、冷卻和基礎設施策略，以支持日益嚴苛的工作負載。相關報導：Samsung 與 Broadcom 達成晶片協議