在管理AI成本与扩张方面,首席信息官们并非孤军奋战。
根据软件公司Flexera云计算与FinOps高级副总裁Jay Litkey的介绍,几乎所有企业的FinOps团队(该职能最初起源于云计算管理领域)如今都在负责AI支出管理的某个环节,而衡量成功的标准也正在从成本节约与优化,逐步转向业务成果与投资回报率。
"目前约有64%的团队已将'为业务创造的价值'作为关键绩效指标。"Litkey在Flexera于本周三举办的FinOps Forward 2026线上活动中表示。
与此同时,这些团队正准备承担更多职责,例如建立智能体清单与管理标准,帮助企业——尤其是CIO——应对AI无序扩张和影子AI泛滥的问题。根据FinOps基金会发布的《2026年FinOps现状报告》,近五分之四的FinOps团队向CIO汇报工作。
南非金融服务公司FirstRand的软件资产管理与FinOps负责人Salomé Keet在活动中表示,FinOps团队并不是来监管企业如何投资和使用AI的,而是提供治理要求和度量指标,帮助组织判断什么才是有效的AI使用方式。
对于FirstRand而言,证明包括AI项目在内的IT投入所带来的业务价值,不仅仅依靠FinOps本身。Keet补充道,实现价值目标意味着需要打破部门壁垒,与企业各团队协同合作。
"在支出方面,我们正在与财务部门、采购部门紧密跟踪。"她在活动中说道,"将所有数据来源整合在一起,是我们的重点工作。在大家对AI热情高涨、这一趋势持续增长的背景下,我们必须确保保持对全局的掌控,避免重复投入。"
Keet还表示,她正在研究如何在FinOps团队内部更高效地应用AI,并认为这可能会成为改变团队运作方式的关键所在。
FinOps基金会首席运营官Steve Trask在活动中指出,FinOps团队在管理AI支出时面临三大主要挑战:全面掌握AI支出的整体规模、量化其价值,以及合理分摊成本。
"这在社区内绝对是个热门议题,大家都在思考如何围绕AI支出构建更好的实践体系。"Trask说道。
IDC智能云运营市场服务研究副总裁Jevin Jensen在活动中表示,目前仅有7.5%的企业将FinOps纳入AI项目,这使得团队难以有效追踪支出情况。随着企业在未引入FinOps的情况下推进AI项目,41%的企业在AI支出上的浪费超过了15%。
但FinOps团队的潜力不止于管理支出。以AI智能体为例,这一技术虽然相对较新,但很快将给企业带来新的挑战。随着智能体数量的规模化增长,FinOps团队可以帮助制定标准、协议和清单,以应对智能体无序扩张的问题。
Jensen表示,企业在2025年共部署了2880万个智能体。IDC预计,到2026年底,企业管理的智能体数量将达到这一数字的80倍。他还补充道,到2029年,每日智能体操作次数将接近2170亿次。随着越来越多的智能体被构建并嵌入关键业务系统,企业可能难以对AI部署进行有效监控,从而助长影子IT的蔓延。
"我很担心,在AI智能体领域,影子IT将以更猛烈的势头卷土重来,毕竟创建这些智能体将会变得越来越容易。"Jensen说道。
Q&A
Q1:FinOps团队在AI支出管理中具体承担哪些职责?
A:FinOps团队并不直接监管企业如何投资和使用AI,而是提供治理要求和度量指标,帮助判断有效的AI使用方式。具体工作包括追踪AI支出、整合多方数据来源、避免重复投入,以及帮助量化AI项目为业务带来的实际价值。目前约64%的FinOps团队已将"为业务创造的价值"作为核心KPI,并逐步从单纯的成本控制转向关注业务成果与投资回报率。
Q2:企业在AI支出上的浪费情况有多严重?
A:根据IDC研究副总裁Jevin Jensen在FinOps Forward 2026活动上分享的数据,目前仅有7.5%的企业将FinOps机制纳入AI项目管理。在未引入FinOps的情况下推进AI项目,导致41%的企业在AI支出上的浪费超过15%。这意味着大量AI投入并未产生对应的业务价值,凸显了将FinOps与AI项目深度融合的重要性。
Q3:AI智能体的快速增长会带来哪些风险?
A:根据IDC的预测,企业在2025年部署了2880万个智能体,到2026年底这一数字将增长至约23亿个,到2029年每日智能体操作次数将接近2170亿次。随着智能体大规模嵌入关键业务系统,企业将难以有效监控所有AI部署,影子IT风险将显著上升。对此,FinOps团队可通过建立智能体清单、制定管理标准和协议,帮助企业应对这一无序扩张的挑战。
好文章,需要你的鼓励
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
JETSPEC是由UC San Diego等机构联合提出的推测解码框架,通过树形因果掩码让草稿头在一次前向传播中生成分支一致的候选树,在MATH-500上实现最高9.64倍端到端加速。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
本文介绍了中国科学院自动化所的研究,揭示了大型语言模型在多轮工具调用强化学习中崩溃的根本原因,并系统评估了五种监督信号对训练稳定性和泛化能力的影响。