企业为速度购买AI算力，却对成本一无所知

企业竞相将AI投入生产，但在支撑这些工作负载的计算经济学方面，它们大多在盲目飞行。VentureBeat Pulse的最新研究对170家员工超过100人的组织进行了调查，结果显示，虽然现在有三分之二的企业在实际运行AI工作负载，29%的企业在大规模运行，但只有不到一半的企业能够严格追踪这些计算的实际成本。这些发现指出了运营速度与财务可见性之间的根本脱节。

这项于2026年7月进行的调查发现，平均每家企业运行三个基础设施平台，OpenAI、Google Gemini、Microsoft Azure和Google Cloud各出现在大约一半的组织中。Azure以26%的比例位居主要平台之首。然而，这种运营成熟度并未转化为成本纪律。相反，在购买决策中，性能和GPU可用性已攀升至总拥有成本之上，而可靠性作为首要成功指标的地位也超过了价格。

具体而言，与现有云和数据栈的集成仍以40%的比例成为首要选择因素，但性能（延迟和吞吐量）已升至第二位，占35%，GPU可用性位居第三，占24%，这两者都高于总拥有成本（TCO）的22%。在衡量方面，正常运行时间和可靠性是51%企业的首要成功指标，开发者生产力占39%，而每百万token成本则落后，占31%。处于生产压力下的企业正在优先考虑速度和可用性，有意识地降低成本的优先级。

这种重新排序落到了一个令人不安的现实上。在155家运营自有GPU的企业中，69%报告利用率在50%或以下，只有23%超过了一半；12%根本不衡量利用率。不到一半（47%）的企业严格追踪AI计算成本和回报，即使在大规模运行的企业中，这一比例也仅达到56%。这种疲软体现在满意度上：性价比得分仅为3.87分（满分5分），而整体满意度为4.14分。

把任意网站变成干净 JSON

现成爬虫与 AI 智能体

试用 Apify