Phil Pergola 是 CloudZero 的 CEO 。他是一位成就斐然的 B2B 软件高管，具有在整个客户生命周期中推动显著收入增长和积极业务成果的经验 - 收购、入职、采用、扩张和留存。
大多数公司正在尽快地采用人工智能，并将其应用于各个领域。他们使用人工智能快速撰写电子邮件和其他商业文件，进行高效的市场研究，并找到其他提高生产力的方法。不幸的是，一些公司使用人工智能来减少或取代初级职位，认为现有员工会通过人工智能填补生产力差距——这是一个错误的想法。人工智能可以成为所有级别的业务中的一种惊人的生产力工具。为所有员工提供这种强大的技术可以带来显著的好处，但它不是员工的替代品。用人工智能取代初级员工可能很诱人，这可能会带来短期的好处，但它可能会带来长期的严重后果。没有初级员工接受培训、学习和晋升，我们可能会严重地耗尽我们的人才库。经验优于技术作为一个现实世界的例子，让我告诉你关于我公司当前的一个副总裁，他在我们的销售组织中工作。他拥有技术专长和口才的强大组合。他知道如何与任何阶段的买家互动。他可以专家地与一个细分的技术主题进行沟通。他并不是通过询问人工智能聊天机器人获得这些技能的。大学毕业后，他成为一家科技公司的商业发展代表（BDR）。这是一个入门级职位，涉及为客户经理安排会议和建立销售渠道。这是一个受到人工智能影响的工作。6sense的BDR 2025 研究报告显示，70% 的使用人工智能的 BDR 认为这使他们更加高效。BDR 需要做很多基础工作，例如冷呼、研究账户、跟进入站线索、资格新客户和与参加活动的客户互动。这些任务中的许多可以被自动化。在 BDR 职位工作 11 个月后，这位副总裁被晋升为客户经理，然后转到一个总监级别的职位。他现在是负责商业和企业销售团队的副总裁。他的前线经验，从他的第一份入门级工作开始，已经塑造了他的当前角色。他亲身了解在这些初级销售职位上取得成功需要什么，并且知道如何与客户互动和建立渠道。他也曾是一名客户经理，因此他知道如何建立客户关系，无论业务规模如何。这个概念适用于任何高级职位；要爬到梯子的顶端，首先需要在细节中摸爬滚打，失败和成功。任何职位和任何级别的员工都可以通过使用人工智能提高生产力。组织应该找到方法让员工更加高效，但如果他们使用人工智能取代初级职位，他们将用短期的财务收益来换取未来的人才库。为了进一步说明这一点，让我们看一个关于一个相当枯燥但必要的话题的例子：电子表格。技术增强经验对于今天的大多数公司来说，实现目标需要充分利用他们的资源，而最有价值的资源是时间。我最近要求我们的人力资源和文化负责人创建一个组织图表，概述了不同级别的员工如何分配他们的时间。这包括不同级别的员工如何在战术项目和战略项目上分配时间的明确性——例如，个人贡献者、经理、总监和副总裁应该在战术项目和战略项目上花费多少时间。我们没有从头开始创建这个电子表格，而是使用了人工智能。我给 ChatGPT 提供了一个三句话的提示，它创建了一个 80% 完美的表格。然后发生了神奇的事情：我们的专家利用她十多年的深厚人力资源专业知识，使其成为 100% 完美。她的故事与前面提到的销售领导者一样——她在人力资源领域工作了十多年，拥有将 ChatGPT 的通用框架适应我们公司特定背景并使表格立即可用的技能。第二天，我使用这个表格回答了一个员工关于如何晋升的提问。在生成性人工智能出现之前，创建这样的表格需要几天时间，需要多次迭代和降低其他项目的优先级。有了人工智能，它只需要几分钟。人工智能创建了一个 80% 可用的表格，但我们的经验丰富的人力资源和文化负责人的现实世界专业知识使其完成了最后 20% 的工作。这看起来像是少数人的观点，但最后 20% 是使项目从好到伟大的关键。人工智能增强，而不是取代员工完成这张表格所需的技能和知识是通过经验和一步步晋升获得的。初级职位提供了至关重要的解决问题的技能——以及犯错误的机会，这些错误可以塑造你的愿景和追求成功。如果公司用人工智能取代初级职位，人们怎么会成为专家呢？当现任领导者离开公司、成为顾问或退休时会发生什么？谁将拥有所有的机构知识和文化？你需要一个人才库在等待，准备好填补空缺。当不可避免的事情发生时，你需要有人接替。人工智能现在可以让所有级别的工人受益——但永远不会有经验学习的替代品。企业领导者不应该想着如何使用人工智能来减少员工数量，而应该思考如何使用人工智能更快速地发展他们的人才库。这不是人类与人工智能的对抗——而是人类加人工智能。
凭借其可爱的鲸鱼标志，最近发布的DeepSeek本可以只是另一个ChatGPT的复制品。但是什么让它成为新闻热点——以及使竞争对手的股票暴跌——是创建它的成本有多低。它有效地打乱了美国对训练高功能大型语言模型（LLM）所需投资的认知。DeepSeek据称仅花费600万美元训练其AI模型。将其与OpenAI在Chat GPT-4上报告的8,000万至1亿美元或为GPT-5设定的10亿美元投资相比，DeepSeek对这种投资的合理性提出了质疑，并让Nvidia、TSMC和Microsoft等大公司担心AI的长期财务可行性。如果可以以远低于以前假设的成本训练AI模型，这对AI支出总体意味着什么?尽管DeepSeek的破坏导致了重要的讨论，但一些关键点似乎在混乱中丢失了。然而，新闻带来了对创新成本和AI可能的经济影响的更大关注。以下是从这个新闻中产生的三个重要见解：1. DeepSeek的600万美元价格标签具有误导性公司需要了解其基础设施的总拥有成本（TCO）。虽然DeepSeek的600万美元价格标签被广泛提及，但这可能只是其预训练运行的成本，而不是其整个投资。DeepSeek的总成本——不仅是运行成本，还包括建设和训练成本——可能远高于此。行业分析公司SemiAnalysis透露，DeepSeek背后的公司花费了16亿美元的硬件成本来使其LLM成为现实。因此，真实的成本可能在两者之间。无论真实成本如何，DeepSeek的出现已经创造了一个对成本效益创新关注的焦点，这可能具有变革性。创新往往由限制驱动，DeepSeek的成功凸显了当工程团队在面临现实世界约束时优化资源时可以发生的创新。2. 推断是使AI有价值的东西，而不是训练关注AI模型训练的成本很重要，但训练代表了建设和运行AI模型的总成本中的一小部分。 推断 —— AI改变人们工作、交互和生活的多种方式 —— 是AI真正变得有价值的地方。这引发了杰文斯悖论，一种经济理论，表明随着技术进步使资源的使用更加高效，总体资源消耗可能会增加。换句话说，随着训练成本的降低，推断和代理消费将会增加，总体支出也会随之增加。人工智能效率可能会导致人工智能支出的浪潮，这将使所有公司受益，而不仅仅是中国公司。假设他们能够乘着效率的浪潮，像OpenAI和Nvidia这样的公司也将受益。3. 什么仍然是正确的，即单位经济学最重要使人工智能更加高效不仅仅是降低成本，还包括优化单位经济学。Motley Fool预测今年将是人工智能效率的年份。如果他们是正确的，公司应该关注降低人工智能训练成本和人工智能消费成本。构建或使用人工智能的组织需要了解其单位经济学，而不是仅仅关注令人印象深刻的数字，如DeepSeek的600万美元训练成本。真正的效率包括分配所有成本、跟踪人工智能驱动的需求并不断监测成本与价值的比率。云单位经济学（CUE）涉及测量和最大化云驱动的利润。CUE将云成本与收入和需求指标进行比较，显示云支出的效率如何、如何随时间变化以及（如果有合适的平台）如何提高效率。在人工智能背景下，理解CUE具有更大的实用性，考虑到它本质上比超大规模公司出售的传统云服务更昂贵。构建代理应用程序的公司可以计算其每笔交易的成本（例如每张账单的成本、每次交付的成本、每笔交易的成本等），并使用这些来评估特定人工智能驱动服务、产品和功能的投资回报率。随着人工智能支出的增加，公司将被迫这样做；没有一家公司可以无限期地将无尽的美元投入实验性创新。最终，它必须具有商业意义。向更高效率迈进无论600万美元的数字有多有意义，DeepSeek可能已经提供了一个唤醒科技行业对效率不可避免的重要性的转折点。让我们希望这能为成本有效的训练、推断和代理应用程序开启大门，这些应用程序可以解锁人工智能的真正潜力和投资回报率。
云计算投资在全球范围内持续增长，高德纳预测公共云支出将在2027年达到1万亿美元。这一数字正在迅速增长，因为公司在生成式AI方面投入更多，GenAI计划需要大量的云容量。然而，许多组织仍然难以最大化其云投资的价值。云浪费是一个普遍的问题；据估计，28-35%的云支出被浪费。因此，最近的一项CloudZero调查发现，72%的受访者表示他们的云成本“太高”或“远远太高”。如何才能获得最大的投资回报率？这从改变对云计算的思考和使用方式开始。云浪费问题正确的思维方式是远离“提升和转移”的思维方式，即简单地将现有的资源转移到云端。云浪费在很大程度上源于这种过时的思维方式，它将云基础设施视为传统基础设施。云基础设施的消费和管理与传统基础设施几乎没有共同点。在云计算之前，公司大量投资于数据中心和服务器，花费大量资金购买他们认为需要的基础设施来处理预期的需求。这个过程是：产品团队提出一些创新想法，预测需求，并向IT采购团队提出基础设施请求。采购团队可以批准、拒绝或修改请求，几个月后，产品团队可能会拥有他们需要的基础设施。公司经常购买比他们实际使用的更多的基础设施，并发现自己拥有没有产生任何价值的服务器。虚拟化承诺平衡这一点，但过度配置和低利用率仍然是一个挑战。虽然云计算引入了无数的基础设施、数据库和平台服务以及消费驱动的公用事业模式，但许多公司仍然像管理物理虚拟机一样管理云计算。采购和财务团队曾经参与每次基础设施购买。现在，在云计算中，基础设施的消费发生在工程师每次启动新云资源或编写消耗这些资源的代码行时。购买时刻已经完全改变：在云计算中，每个工程（构建）决策都是一个购买决策。工程师——而不是财务领导者或集中式IT团队——直接花费公司的技术预算。因此，当公司将云成本归咎于财务团队或集中式IT团队时，他们会错过目标。工程师根据工程专业知识做出构建决策——其他团队没有这种专业知识。财务团队可以进行批量购买或优化的承诺折扣，但您不希望他们区分使用m7g.2xlarge和m7gd.metal。IT团队擅长找到未充分利用的资源，但他们不是最能理解代码是否健康或不健康的团队。在云计算中，“购买更好”只会带来一定的效果。长期以来，工程师缺乏财务洞察力来做出成本高效的构建决策，从而导致每年产生大量的云浪费。最近的一项CloudZero调查发现，实施正式的云成本管理计划的公司往往将年度云支出减少20-30%。鉴于61%的公司没有正式的计划，这意味着当云支出在2027年达到1万亿美元时，高达1220-1830亿美元可能会被浪费。这需要改变。公司需要认识到云基础设施与传统基础设施完全不同，云成本管理需要一种全新的方法。我们需要从“购买更好”转变为“构建更好”，让工程师拥有自己的云成本，并像亚马逊CTO沃纳·沃格尔斯在《节俭架构师》中所说的那样，“让成本成为优秀软件的非功能性要求”。在云计算中构建更好与购买更好构建更好是一种工程哲学，而不是财务范式。“构建”指的是工程师在开发产品和将其推向市场的过程中做出的每个架构、编码或运营决策。直到最近，还没有办法掌握这些决策的真实成本，组织也没有太多投入于寻找答案的兴趣。购买更好的思维方式源于降低成本的愿望，而构建更好的思维方式则专注于开发和运行高效的软件。构建更好的好处参与的工程师。 数据表明，当工程师能够管理自己的成本时，他们会这样做，而且公司的表现会更好。在同一项调查中，81%的公司表示，当工程师拥有云成本所有权时，云成本“恰好在应有的水平”。专注于构建更好意味着专注于工程参与：为工程师提供有关云基础设施成本的相关、及时的数据，并使其易于跟踪效率提高。改善的财务-工程关系。 当公司专注于构建更好时，它使财务和工程团队能够专注于各自的专业领域。工程师权衡构建良好软件的因素；财务团队获得有关软件成本效率的定期、详细报告。团队之间的摩擦减少，整体生产力提高。单位经济清晰度。 为工程师提供有意义的成本数据意味着消化所有支出数据（超出仅hyperscalers，包括平台服务、数据库服务、可观察性工具等），并在一个反映公司业务的框架中分配它。这种强大的分配产生了云单位经济的素材：评估盈利和亏损的产品、功能和客户，了解固定和变动成本与利润率的关系，并根据此数据完善您的市场战略。云单位经济是云财务运营（FinOps）的圣杯——也是真正云效率组织的标志。是时候构建更好了越来越多的组织感到他们没有从云投资中获得足够的回报。通过从“购买更好”转变为“构建更好”的方法，组织可以更好地了解云的真实性质，产生更好的工程参与、改善的财务-工程关系和更强的单位经济学。
