Making AI an asset, not an expense

让AI成为资产而非开支 | MIT Technology Review

Sponsored

人工智能

让AI成为资产而非开支

当AI从试点项目转向实际生产时，企业必须判断按需计费模式在哪些场景适用——以及在哪些情况下应将AI基础设施视为生产性资产。

By

• Cheri Williams archive page

2026年9月29日

由HPE提供

当客户讨论AI成本时，对话通常从token价格开始，最终落在云服务中最新最强大模型的访问权限上。他们是否始终需要这种级别的能力？不一定。但对话往往就是这样展开的。

随着AI从实验阶段进入生产阶段，模型选择只是问题的一部分。当需求变得稳定且对业务关键时，仅采用按需付费模式会使AI支出变成难以预测的月度可变费用项，因为使用量、工作负载和模型需求会发生变化。

到了这个阶段，问题就不再仅仅是选择哪个模型或哪家供应商提供最低的token价格：而是如何以经济、可预测且可持续扩展的方式运行AI。

AI正在从孤立的试点项目转向生产性组合：助手、检索与知识系统以及智能代理应用。客户服务、IT、研究和业务流程代理可以跨企业系统执行多步骤工作流，在模型、数据和工具之间产生持续的需求。

这已经开始发生。德勤2026年《企业AI现状报告》反映了许多领导者正在观察到的趋势：2025年员工对AI的访问量增长了5%，预计在未来六个月内，至少40%的AI项目进入生产阶段的公司比例将翻倍。

当AI成为持续运行的工作负载组合，而非实验集合时，经济性会发生变化。按需计费模式为团队提供灵活性并限制承诺。但当使用量变得稳定、可预测且足够大以保持产能利用率时，领导者需要提出不同的问题：继续按单次请求购买AI是否仍有经济意义？还是时候投资于可以优化和控制的产能了？

这不是一个抽象的云服务与本地部署之争。这是一个按工作负载进行的商业决策。在未来12到18个月内，公司合理预期的AI需求量有多大？这种产能将被持续使用吗？当多个工作负载共享基础设施时，企业可以将固定成本分配到更具生产力的用途上，从而改善拥有成本的经济性。

关键问题是运行规模

拥有产能并不自动意味着成本更低。只有当企业能够保持产能利用率时，这种模式才有意义。

每家组织都有一个临界点，即持续使用率达到某个水平时，拥有产能可能比按单次请求购买更具经济性。没有统一的数值标准。这取决于所使用的模型、输入和输出token的平衡、性能要求、系统设计、能源成本以及支持该模式所需的运营模式。

以检索为主的知识系统与简单助理的成本结构可能截然不同，因为前者在每次交互中可能需要处理大量上下文。智能代理工作流则更为复杂：单个业务任务可能涉及重复的推理、检索、模型调用和工具使用。这就是为什么通用的成本基准并不充分。企业需要建模实际工作负载，了解预期需求，并据此规划容量。

在合适的利用率水平下，收益不仅是更低的有效成本，还包括更高的可预测性：将AI容量作为战略基础设施投资进行管理，而非被动观察月度支出随模型使用和工作负载需求波动。

只有将所有权投入实际应用，才能发挥其价值

资本决策只是问题的一半。即使经济性支持所有权，容量只有在企业能够快速将工作负载投入生产并持续运行时，才能创造价值。

这不仅仅是部署基础设施的问题。这需要一种运营模式，将技术与采用和业务成果联系起来：引入用户和工作负载，规范AI使用方式，审查利用率，并持续识别下一个高价值应用场景。

目标是尽早创造价值，然后在此基础上进一步发展。这意味着要衡量使用情况，识别未充分利用的容量，并随着时间推移将更多高价值工作负载引入平台。缺乏这种纪律，企业可能永远无法实现证明投资的经济价值。具备这种纪律时，AI容量将成为企业可以优化、扩展并用于创造可衡量价值的生产性资产。

需要提出的三个问题

在投入资本之前，领导者应提出三个问题：

• 需求是否趋于稳定、可预测且足够大，足以证明专用容量的必要性？
• 在何种使用水平下，拥有权在经济上是合理的？
• 我们能否通过采用、治理和持续扩展用例来保持该容量的生产力？

有意识地推动转变

当AI进入生产环境时，创造最大价值的组织将超越令牌价格和最新模型。他们将知道何时持续需求需要不同的经济模式，并具备运营纪律使该容量产生生产力。

这时，AI将不再是一项支出，而是成为一项资产。

本文由HPE制作，未由MIT Technology Review编辑部撰写。

深度解析

人工智能

一个根本性缺陷使大语言模型对攻击异常脆弱

这使得它们很容易被欺骗去做不应该做的事情，例如告诉你如何破坏飞机导航系统。

• 威廉·道格拉斯·海文档案页面

AI的递归自我改进可能不会来得那么快

看起来，AI代理目前还不具备足够的创造力，无法开展真正创新的开放式AI研究。

• 米歇尔·金档案页面

这是AI代理为了达成目标而撒谎和作弊的原因

这种不当行为被称为奖励黑客行为。这是你需要了解的内容。

• 格蕾丝·哈克林斯档案页面

这些初创公司正在追逐大语言模型领域的下一个重大机遇

认识那些正在追赶AI巨头的新晋企业。

保持联系

插画由罗斯·黄创作

获取MIT Technology Review的最新动态

发现特别优惠、热门故事、即将举行的活动等更多信息。