企业AI基础设施投资速度超过成本衡量能力

VentureBeat Pulse Research对107家企业调查发现，AI基础设施支出远超企业衡量其成本的能力。GPU利用率低于50%，不足半数企业严格追踪计算成本。多数企业计划一年内更换或新增提供商，购买决策更关注集成与总拥有成本而非标价。

此前企业多关注模型性能而非成本管控，如今大规模投资已领先于经济性可视性，导致GPU利用率低下且成本失控。这种‘计算差距’将迫使企业重新评估采购决策和供应商管理策略。

AI基础设施投资决策依赖集成度和总拥有成本，但单位经济性不透明使企业难以精准优化。GPU低利用率与快速更换提供商的意愿表明，市场正处于从‘先买再算’到‘算清再买’的过渡期。

产品团队需提供更透明的成本追踪工具和利用率仪表盘；研发选择API或专用计算时须平衡集成成本与性能；企业可能因无法看清成本而推迟规模化部署。

• 开发AI基础设施成本可视化与优化SaaS工具，帮助企业管理GPU利用率
• 推出按实际计算消耗计费的透明定价模型，降低企业切换壁垒
• 提供集成总拥有成本评估咨询，辅助企业选择提供商

• 企业感知的‘低利用率’是否包含批处理等非连续负载的客观衡量？
• 调查中计划更换提供商的企业中，多大比例已明确备选方案？
• 成本可见性不足是否会导致企业实际投资低于报告意向？