人工智能的爆炸性增长已经到来，而且看起来没有放缓的迹象。各行各业的企业正在实施创新的云端计划，将AI置于核心位置。
尽管AI的扩展为企业领导者带来了巨大的机遇，但它也带来了云成本方面的重大不确定性：近四分之三的IT和财务专业人士表示，AI的广泛应用使得云账单变得“难以管理”。在将新的AI项目纳入既定的云预算时，可能会使创新停滞不前，同时牺牲其他云依赖资源。
为了维持AI的增长势头，IT领导者必须找到一种更好的方法来预测和管理这种费用增长。毕竟，如果AI让企业的财务状况崩溃，那么它就不值得投资。
为什么AI的资源需求使IT预算失衡
那么，是什么让在AI扩展时代云成本管理如此困难呢？
这是一个多方面的问题——但核心问题在于AI处理的不可预测性。随着AI技术的发展，它所需的资源量也在不断变化。IT领导者在规划未来一年的预算时，可能无法准确预见这些未来的需求，从而使他们不得不临时调整预算，可能会削减其他云服务产品的支出。
另一个难题在于AI处理能力的不一致性。许多AI和机器学习（ML）模型的工作负载差异很大——例如，推理阶段需要的计算量较小，而训练阶段则需要大量的计算能力。
企业不仅需要投资与部署AI相关的云成本，还需要投入用于培训员工管理这些先进技术的资源。雇佣技术娴熟的人才是另一种选择，但由于对熟练工程师的需求激增，这一做法并非易事。可持续的解决方案是通过AI技能提升——这不是一次性支出，而是一个持续的投资。
3个未来可持续AI预算管理的建议
无论你处于预算规划过程的哪个阶段，AI的成本管理都应该是优先事项。在评估如何将AI可持续地纳入预算时，以下是一些最佳实践供你参考。
1. 优化AI相关培训
AI培训和技能提升可能会消耗大量资源，因此学会如何优化这一过程是控制成本的关键。
首先，可以采用“培养培训师”方法，识别出内部专家，允许他们培训其他团队成员，从而减少外部培训的需求。这种方法能够促进更加协作的学习环境，鼓励员工之间分享知识和资源。
此外，充分利用你的网络。许多云服务提供商，包括Google Cloud和Amazon Web Services，都会为合作伙伴和客户提供免费或折扣的培训资源。这些资源可以作为更正式培训的成本效益较高的起点。
2. 选择适合需求的AI模型
推出一个不适合企业需求的AI模型是导致云预算膨胀的最快方式。毕竟，较大的AI模型会消耗更多资源，导致更高的成本和可能较慢的响应时间。
在选择合适的模型大小时，应考虑任务的复杂性。例如，自然语言理解可能需要一个较大、较高级的模型，而简单任务通常可以通过较小的模型来处理。
甚至有些情况，可能根本不需要模型。如果任务能够通过基于规则的自动化或简单的统计方法完成，这些方法可能会更加经济实惠且易于维护。一个例子是需要高精度或有明确答案的应用。
3. 利用AI帮助优化云使用和成本
讽刺的是，AI支出膨胀的解决办法可能就在AI本身——或者更准确地说，利用AI驱动的洞察来了解你的云使用模式。合适的AI平台可以提供预测性分析，预测未来的成本，从而帮助你的团队做出更加明智的决策。
此外，确保你充分利用云平台提供的工具。许多提供商都提供工具，帮助调整资源规模，关闭空闲实例并识别未充分利用的资源。不幸的是，这些功能常常被忽视。不要放过这些工具——利用所有可用资源来做出预算决策。
全球AI的增长，云预算的影响只会变得更加不可预测。为了应对这一挑战，IT领导者需要为可持续的AI实施奠定基础。这包括以协作和高效的方式推进AI培训，并学会如何充分利用现有云资源。
通过今天建立这一蓝图，你的组织将更有可能快速实施新的AI技术，而不会在此过程中摧毁预算。
