生成式AI熱潮推高企業雲端支出，AI Token 成為僅次於薪資與IT的第三大成本。Databricks推「Unity AI Gateway」幫客戶設支出上限、挑便宜模型、管控用戶行為，反映企業從盲目堆模型，轉向精算每一筆推論成本的AI控費新時代。

在生成式AI狂潮席捲全球企業後，戰場正悄悄從「誰的模型最強、誰的GPU最多」，轉移到一個更殘酷的問題：誰撐得起帳單。據Axios報導，資料與AI平台業者Databricks發現，部分企業客戶在單一月份就「不小心」讓AI花費暴衝到數千萬美元，AI相關Token費用迅速擠進企業成本結構前三大，僅次於薪資與其他IT支出，壓力之大，迫使雲端與AI供應商開始主打「控費」功能，而不是單純炫技。

在這樣的背景下，Databricks推出新產品「Unity AI Gateway」，要幫企業替AI支出踩煞車。根據報導，這套工具的設計核心，是讓企業能為AI使用設置嚴格支出上限，並透過一系列防護機制，避免內部團隊在試驗或開發時，把雲端AI帳單「燒爆」。這不只是簡單的預算提醒，而是結合模型選擇建議、使用行為監控與多家模型供應商整合的一站式閘道。

過去兩年，許多企業在導入生成式AI時，多半鎖定最頂規、也最昂貴的大模型，希望一次解決所有任務；但Databricks指出，並非所有工作都需要最「吃Token」的模型。Unity AI Gateway會依照使用情境，建議替換成更便宜、較輕量的模型，讓企業在不明顯犧牲效果的前提下，大幅降低推論成本。這種「任務匹配模型」的概念，在AI導入早期常被忽略，如今卻成為降低支出的關鍵。

更敏感的是，Databricks打算把控費做到「人」的層級。報導指出，Unity AI Gateway會追蹤個別使用者的AI操作Session，分析其使用效率與行為模式，作為之後調整權限與模型等級的依據。若某些員工使用AI的方式成本過高、成效有限，企業可能直接拔掉其使用權限，或只允許改用更低成本模型。這種做法等於把過去在雲端運算上的FinOps（Financial Operations）邏輯，進一步延伸到生成式AI工具上，勢必也會引發內部治理與員工體驗間的拉扯。

Databricks本身的成長，也映照出這波AI支出浪潮的規模。根據彭博社先前報導，Databricks資料倉儲業務在過去一年內規模翻倍，年化營收跑到約15億美元水準，主要動能來自AI工作負載需求增加，以及客戶自其他平台轉移而來。這意味著，企業一邊抱怨成本高漲，一邊又持續把更多數據與AI運算搬上雲端，形成「離不開、又付得心痛」的矛盾局面。對於競爭對手Snowflake(SNOW)等雲端資料服務商而言，如何同時提供高效能AI能力與透明、可控的計價模式，也將成為未來產品競賽的核心。

從產業結構來看，這波AI控費需求並非曇花一現。多數先進的大型語言模型與影像生成模型，皆採「按使用量收費」的Token計價模式，企業在初期往往低估了實際使用頻率與規模，導致專案從試點進入內部廣泛部署後，成本曲線陡然上揚。而當AI費用正式擠進財報中的主要支出行列，財務長與風險控管單位自然會要求更嚴謹的預算管理與成本預測，逼著技術團隊從「能不能做」轉向「用多少錢做才合理」。

不過，也有業界觀點提醒，過度強調控費，恐怕會扼殺創新。許多AI應用的價值，往往在於初期大量實驗、反覆嘗試所累積出的洞察，若企業過早設下嚴格支出上限，或以人均成本作為主要考核指標，可能會讓團隊害怕嘗試更新的模型或更大規模的數據實驗。換言之，AI成本治理需要的是精算，而不是簡單粗暴的縮減，如何在「財務紀律」與「創新彈性」之間取得平衡，將考驗管理階層智慧。

展望未來，Databricks等平台商積極切入AI控費解決方案，反映出產業已從初期單純追逐模型能力，進入「效率與投資報酬率」掛帥的第二階段。對投資人來說，觀察指標不再只有誰能提供最強模型與最大算力，而是哪些企業能幫客戶把AI支出轉化成可量化的商業價值、並在財務報表上看得見效益。當AI成為企業營運的日常工具後，「少花冤枉錢」本身，就會是一門極具想像空間的新生意。

點擊下方連結，開啟「美股K線APP」，獲得更多美股即時資訊喔！
https://www.cmoney.tw/r/56/9hlg37

免責宣言
本網站所提供資訊僅供參考，並無任何推介買賣之意，投資人應自行承擔交易風險。