2025年人工智能成本治理状况报告

2025 AI 成本治理现状研报总结

核心观点与挑战

• AI 基础设施成本正重塑企业盈利能力，但多数财务团队缺乏可见性和控制力。
• 四大关键挑战需立即关注：预测失败（85% 公司误差超 10%）、利润侵蚀（84% 公司毛利率下降超 6%）、可见性缺失（仅 35% 包含本地成本，半数未追踪 LLM API 费用）、基础设施复杂性（61% 采用混合环境）。
• 收入责任制显著提升成本治理效果：付费 AI 公司成本纪律优于免费提供者（如成本追踪精度 70% vs 29%）。

关键数据与发现

• 成本影响：84% 公司 AI 成本导致毛利率下降超 6%，其中 26% 下降超 16%；数据平台使用（56%）和网络访问（52%）是主要意外成本来源。
• 预测准确率：仅 15% 公司能精确预测 AI 成本（误差 ±10%），56% 误差 11–25%，24% 超过 50%。
• 治理成熟度：34% 公司处于高级阶段（追踪、归因、治理政策），30% 刚起步，36% 处于发展阶段；制造业领先（50% 高级），金融服务业和 AI 公司滞后（均 40% 处于早期）。
• 基础设施分布：AWS 总体领先（77%），但超 250M 美元收入企业中 Azure 超越 AWS（82%）；混合云环境占比 61%，小型企业也普遍采用（44%）。

研究结论与建议

• AI 成本已从实验性预算项转变为实质性成本驱动因素，需纳入 COGS 而非创新费用管理。
• 未来成功关键：强化预测能力（2026 年领先者将依赖预测纪律）、实现全环境统一可见性（弥合本地和云端数据鸿沟）、重新定义混合云（融合本地与云资源）、应对毛利率压力（6–15% 常见降幅，需主动治理）。
• 收入责任制是核心驱动力：付费 AI 公司更可能采用实时监控、精确成本归因等治理措施。
• 工具现状：68% 依赖云服务商工具，67% 使用内部仪表盘，仅 38% 采用专业第三方平台。