AI热潮如何重塑企业技术成本管理

多年来，企业一直在推行财务运营（FinOps）实践，以管理和优化云计算支出。然而，生成式 AI 的加速普及正在重写技术预算的游戏规则。

根据FinOps基金会发布的《2026年FinOps现状报告》，全球高达98%的FinOps从业者目前承担着管理AI支出的职责，而这一比例在2024年时仅为31%。与此同时，AI成本管理已成为今年技术财务团队最迫切需要具备的核心技能。

"AI的采用目前仍处于相对早期阶段，大多数组织还在概念验证阶段，摸索前行，"IBM旗下专注于技术成本管理软件的公司Apptio亚太区首席技术官Matt Pinter表示。

AI的定价方式因服务类型和部署模式的不同而存在差异。对于ChatGPT或谷歌Gemini等开箱即用的工具而言，主要的计费单位是Token——即AI处理数据的基本单元。

"这似乎已成为行业标准。Token是主要的计费机制，"Pinter说道。因此，通过优化查询来减少Token消耗，正成为控制AI成本最有效的手段之一。

在此背景下，企业开始将Token视为一种内部货币。部分组织正在探索Token经济学模式，为开发者设定每月可用于编程和代码审查的Token配额。

"你给某人分配一定的Token预算，告诉他'这就是你完成工作的资源'，他们便会想办法在预算范围内完成任务，"Pinter说，"你可以看到这种思维方式的转变正在发生，工程师们开始说'我要确保自己负责任地使用它'。"

对开发者的关注折射出FinOps中"左移"趋势的兴起——通过承诺用量折扣、合理调配实例规格等机制，在工作负载进入生产环境之前的软件开发早期阶段实现成本优化。

据FinOps基金会报告，FinOps团队已开始与平台工程和企业架构团队展开协作，共同构建定价计算工具，并提供部署前的成本指导建议。

自建AI的隐性成本

尽管开箱即用的AI服务使用便捷，但自主研发AI的成本可能远高于此。这不仅需要在数据中心或云端获取极为紧俏的图形处理器（GPU），还需要应对Pinter所称的"AI隐性成本"。

"这会变得复杂得多，因为你现在要考虑的是支撑自研AI解决方案所需的整套基础设施，"他说，"如果部署在数据中心，就必须将为这些系统供电的电力成本纳入考量。"

AI的环境影响正日益将FinOps与绿色运营（GreenOps）深度绑定，在亚太地区尤为明显——当地新出台的气候法规要求企业必须量化并减少碳排放。通过优化云资源使用，企业可以同时降低成本与碳足迹，实现双赢。

据FinOps基金会报告，除公有云服务外，近半数FinOps团队正在积极管理物理数据中心的成本，以全面掌握AI计算需求带来的资源消耗。这些团队同时也在与环境、社会及治理（ESG）团队携手推进可持续发展相关工作。

探索投资回报

尽管在AI领域投入巨大，许多企业仍难以清晰阐明其投资回报率（ROI）。"很多客户目前都缺乏这一认知，"Pinter说，"他们被告知'去做AI吧'，却没有清晰的目标终态。"

IDC数据显示，目前仅有7.5%的企业将FinOps纳入AI项目，因此从业者正积极引导更多企业精算AI的单位经济效益。例如，一家处理住房贷款的银行可以建立基准成本——假设每月处理1000笔贷款，每笔成本为8美元——并以此衡量AI实施带来的实际财务影响。

"理想状态下，引入AI后你应该看到抵押贷款处理量增加、处理时间缩短，"Pinter说，"你可以说'我们的处理量翻了三倍，单笔成本降低了10%'。"

这正是技术业务管理（TBM）模型能够发挥作用的地方。Pinter指出，该模型的最新版本为企业提供了一套梳理不同AI服务和部署模式成本结构的方法，将传统IT财务管理（ITFM）与FinOps有机整合。

"关键在于能够统筹审视多个不同的管理维度，并提供一个统一视图，让你既能进行成本回溯，又能查看SaaS和本地应用，"他说，"它将所有内容汇聚一体，为IT组织所产生的全部成本提供有效的分摊机制。"

颇为耐人寻味的是，管理AI成本的解决方案本身也依赖于更多的AI。Pinter预计，AI驱动的异常检测将成为防范因云实例配置错误导致账单暴增的必要手段。自然语言聊天机器人也有望取代商业智能仪表板，让高管能够通过直接提问数据获取即时洞察。

然而，仅凭技术本身并不足以推动FinOps节本增效实践的落地。无论是在澳大利亚等云计算成熟市场，还是在台湾、新加坡等科技中心，推行FinOps的最大障碍始终是人的阻力。

"关键在于推动文化转变，让所有人真正认同并参与其中，"他说，"高管层可能未必完全支持，工程师也可能心存顾虑。如何实现全组织的认同，让每个人都说'好，这就是我们要做的事'，才是最大的挑战。"

Q&A

Q1：FinOps基金会报告中提到AI成本管理的需求有多大？

A：根据FinOps基金会《2026年FinOps现状报告》，全球98%的FinOps从业者目前负责管理AI支出，较2024年的31%大幅增长。AI成本管理也已成为今年技术财务团队最迫切需要具备的核心技能，反映出企业在AI投入快速增长的背景下，对成本管控能力的高度重视。

Q2：Token经济学是怎么帮助企业控制AI成本的？

A：Token经济学是指企业将Token视为内部货币进行管理，为开发者设定每月可使用的Token预算配额，用于编程、代码审查等日常工作。开发者在固定预算内自主分配资源，促使其养成负责任使用AI的习惯。这种机制有助于提升资源使用效率，避免无节制消耗，从而有效控制AI整体支出。

Q3：企业如何衡量AI项目的投资回报率？

A：目前仅有7.5%的企业将FinOps纳入AI项目，大多数企业缺乏清晰的ROI衡量方法。建议企业建立AI实施前的基准成本，例如银行每月处理1000笔贷款、每笔成本8美元，再对比AI引入后的处理量和单位成本变化。技术业务管理（TBM）模型可帮助企业梳理不同AI服务的成本结构，实现对ROI的系统性量化评估。