AI投入真的值吗？企业如何将技术热潮转化为实际价值
企业AI正进入一个新阶段，核心问题不再是“能做什么”，而是“如何获得最大投资回报”。红帽公司（Red Hat）产品组合战略总监Brian Gracely指出，大企业目前面临AI应用分散、计算成本上升以及回报不透明的运营现状。许多企业购买了海量AI服务（如Copilot许可证），却只看到了昂贵的GPU账单，不清楚具体收益，如何控制成本已成为当务之急。
AI成本为何成为董事会层面的难题
在过去两年，处于实验阶段的企业对成本并不敏感，但在进入第二、第三个预算周期后，关注重点已转向“是否物有所值”。随着大量投入转向实际生产，企业开始严格审查投资价值。这不仅因为GPU计算昂贵，更因为许多企业缺乏将支出与业务成果挂钩的工具，导致难以证明续约或扩大规模的合理性。
从“付费使用”到“自主掌控”的战略转变
以往的主流AI采购模式是按Token、席位或API调用次数付费，依赖供应商管理基础设施。然而，拥有经验的企业开始重新思考这种模式，尝试从单纯的“Token消费者”转变为“Token生产者”。
企业开始评估是否需要拥有或租用GPU，并审视特定工作负载是否必须使用最顶尖的模型。随着DeepSeek等开源模型及云市场选项的出现，企业有了更多替代方案，不再局限于几年前的少数主要供应商。决策不再是非黑即白，而是取决于工作负载、组织架构和风险容忍度。
成本下降与用量激增带来的预算悖论
尽管有观点指出AI推理成本每年以约60%的速度下降，且开源模型降低了门槛，但使用量的激增速度远超效率提升的幅度。这符合经济学上的“杰文斯悖论”：资源效率的提高导致成本降低，反而促使总消费量增加。
对企业预算规划者而言，单位成本下降并不意味着总账单减少。如果AI使用量翻倍而成本仅减半，总支出仍会增加。关键在于辨别哪些工作流必须使用昂贵的高端模型，哪些可以用更廉价的小模型完美替代。
投资基础设施灵活性是关键
解决方案并非放缓投资，而是优先构建灵活性。未来的赢家不一定是投入最快或最多的，而是那些能够适应下一次不可预见发展的企业。
Gracely解释道，通过构建抽象层和灵活性，企业可以在不推高成本或不危及业务的前提下进行实验。AI技术发展虽快，但其实际应用时间尚短（仅三年）。对于企业领导者而言，最可行的策略不是优化当前的成本结构，而是建立组织和技术上的灵活性，以便在未来发生变化时能够迅速适应。
评论列表
发表评论
为你推荐
关注微信
还没有任何评论，你来说两句吧！