惠与用代理式人工智能收拾云混乱

企业云账单失控、人工智能工具泛滥成灾，一位技术高管正试图用"会自己干活的AI"终结这场灾难。

从混乱中来的产品

惠与（HPE）技术官Fidelma Russo在拉斯维加斯的一场闭门会上，向分析师展示了一组内部数据：企业平均使用6到8个云平台，人工智能项目分散在十几个不同工具里。没人说得清钱花在哪，也没人知道哪些模型在跑。

这不是个案。Russo的团队跟踪了超过200家大型企业的IT架构，发现"云蔓延"（cloud sprawl）和"人工智能蔓延"（AI sprawl）正在合并成同一种病——资源碎片化、成本黑洞、安全盲区。

惠与的解法是一套叫"代理式人工智能"（agentic AI）的私有云方案。Russo把它定义为"能自主执行任务的AI系统"，区别于需要人类一步步指挥的传统模型。

时间线：从概念到落地

2023年初，惠与内部启动了一个代号为"Project Frontier"的实验。目标很简单：让AI自己发现云资源浪费，然后动手关掉。

实验跑了八个月。Russo回忆，早期版本"太激进"——一次误删了测试环境的全部容器。团队被迫加入人工确认环节，但这违背了"自主"的初衷。

转折点出现在2023年Q3。惠与收购了一家做IT自动化的初创公司，拿到了"安全执行"层面的关键技术：一个沙箱环境，让AI的决策先在隔离区跑一遍，确认无害再进入生产系统。

2024年2月，第一代产品整合进惠与的GreenLake私有云服务。Russo给出的数字是：试点客户平均减少34%的云资源浪费，人工智能模型的部署时间从两周压缩到三天。

关键节点复盘

惠与的路径和主流公有云厂商明显不同。亚马逊、微软也在推AI运维工具，但核心逻辑是"帮你更好地用我的云"。Russo的策略是反过来的——"不管你的云在哪，我帮你统一管"。

这个定位来自一次客户调研。惠与发现，85%的大型企业同时在使用三家以上的云服务商，而"单一云优化工具"对他们毫无意义。

技术实现上，惠与做了两个取舍：第一，不做通用大模型，只聚焦IT运维场景；第二，坚持私有化部署，数据不出客户机房。Russo的原话是：「金融和医疗客户不会把基础设施日志送到公有云去训练模型。」

代价是扩展速度。GreenLake的代理式AI功能目前只向年IT支出超过500万美元的企业开放，中小客户被挡在门外。

启示：收敛比扩张更难

云计算的前十年是"怎么把东西搬上去"，后十年可能是"怎么把没用的清下来"。惠与赌的是后者——一个不那么性感、但预算确定性更高的市场。

Russo在会议结束前放了一张幻灯片：全球企业每年在云和AI上的浪费支出，估计超过750亿美元。她的结束语是：「这不是技术问题，是组织问题。而组织问题需要能自己干活的工具。」

惠与的股价在过去六个月上涨23%，GreenLake订阅收入连续四个季度保持两位数增长。代理式AI能否成为差异化壁垒，取决于它能不能从"成本节省工具"进化成"业务决策入口"——后者才是每年750亿美元蛋糕的真正切法。