北京
OpenAI近日为ChatGPT企业版推出了费用管控功能和增强版用量分析工具，旨在帮助企业监控AI使用情况、追踪各团队的资源消耗，并为AI使用设定预算上限。不过，分析师也指出，这些工具目前仍无法直接呈现成本投入与业务收益之间的关联。
新功能为管理员提供了集中式控制台，可全面呈现ChatGPT在组织内部的使用情况，帮助管理者了解采用规律，并通过设定预算和追踪支出来管理AI成本。
OpenAI表示："全局管理控制台将ChatGPT与Codex的积分用量整合在同一视图中，管理员可以更细粒度地查看用户、产品和模型维度的积分消耗明细，从而清晰掌握支出来源及其与实际积分用量的对应关系。"
预算管理与用量分析功能的推出，折射出企业优先级正在发生的深层转变。Forrester首席分析师Biswajeet Mahapatra表示："企业显然正从以采用为导向的热情，转向对成本与价值的精细化管理，但这是一种自然的成熟演进，而非退潮。AI已不再是一个采用问题，而是一个衡量与可信度问题——生产力提升确实存在，但较为分散，且难以与财务结果挂钩。"
随着AI在各业务部门持续扩张，支出逐渐分散于不同团队、工具和试验项目中，可视化管理与治理的重要性日益凸显。Mahapatra补充道："因此，预算管理、用量可视化和费用管控正在成为基础性需求，而非单纯的运营事务，因为它们能够实现技术使用与业务目标之间的协同对齐。"
Gartner高级总监分析师Anushree Verma表示，AI成本治理正日益成为企业关注的焦点。她指出，碎片化的定价模式、由供应商自定义的消耗单位以及不一致的定价结构，使得组织难以预测AI成本。随着企业持续扩大AI应用规模，这一挑战预计将在未来几年内进一步加剧。
她表示："到2028年，全球财富500强企业平均将部署超过15万个AI智能体，而2025年这一数字还不足15个，这将带来显著的智能体蔓延问题、IT复杂性上升以及管理挑战。"
在此背景下，OpenAI新推出的管理功能，为组织提供了在AI部署规模不断扩大、日趋分散化的情况下监控用量与支出的有效工具。
尽管OpenAI的分析功能侧重于采用规律与用量可视化，但分析师指出，企业最终需要将AI消耗与业务结果挂钩。Mahapatra表示："仅凭Token消耗量是不够的，因为它衡量的是活动本身，而非实际影响。"
他建议，组织应结合营收增长、成本削减、风险缓释等业务指标，以及生产力提升和质量改善等运营指标，对AI举措进行综合评估。
Verma还指出，传统的云端财务运营（FinOps）实践也在逐步演进，以适应AI基于用量的经济模式。"传统FinOps实践是围绕可预测的集中式云环境构建的，面对Token用量、大语言模型请求数、GPU使用时长等难以预测的AI消耗指标时，显得力不从心。"
她还表示，随着多智能体系统规模的持续扩大，实时追踪变得愈发重要，因为一旦配置出现偏差，AI成本可能在相互关联的环境中迅速攀升。
Q&A
Q1：ChatGPT企业版新增的费用管控功能具体能做什么？
A：ChatGPT企业版新增的费用管控功能，为管理员提供集中式控制台，支持查看ChatGPT与Codex的积分用量，并能按用户、产品和模型维度进行细粒度分析。管理员可以设定预算上限、实时追踪各团队的消耗情况，从而更好地管理AI使用成本，避免支出失控。
Q2：为什么光看Token消耗量不足以评估AI的价值？
A：Token消耗量反映的是AI的使用活跃程度，但并不代表实际业务成效。分析师Mahapatra指出，企业真正需要的是将AI使用与营收增长、成本削减、风险控制等业务指标相结合，才能判断AI投入是否真正带来了价值。仅凭用量数据，难以说明AI对财务结果的贡献。
Q3：传统FinOps方法为何难以应对AI的成本管理？
A：传统FinOps是为可预测的集中式云环境设计的，而AI的成本构成更为复杂，涉及Token用量、大语言模型请求数、GPU使用时长等高度动态的指标。Gartner分析师Verma指出，尤其在多智能体系统规模扩大后，一旦出现配置错误，成本可能在互联环境中迅速扩散，传统方法已难以有效应对。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
