企业正在疯狂买入 AI 基础设施，同时对自己到底花了多少钱毫无概念。
这是 VentureBeat 最新企业调研的核心发现。在 107 家百人以上企业的调查中，只有 44% 能严格追踪 AI 计算成本；83% 的企业 GPU 利用率在 50% 以下；64% 打算在一年内更换或增加基础设施提供商——而他们对自己现在花的每一分钱都看不清楚。
这个数字组合指向一个正在形成的危机：基础设施投入在狂奔，测量能力在原地踏步。
被卡住的利用率
利用率数据最能说明问题。
83% 的企业 GPU 利用率在 50% 以下，49% 在 25% 以下。只有 12% 突破 50% 这条线，还有 8% 根本不做任何利用率监测。
这不是能力问题，是结构问题。采购的人看预算报告，不看利用率；运营的人有利用率数据，但没有动机主动推到财务那边去。预算模型建立在峰值需求上，实际使用是个黑洞。两个世界之间，隔着一个组织架构。
这种割裂直接导致了浪费的合法化。当”为峰值储备”变成默认选项，GPU 一年有 200 天以上在晒太阳就成了正常状态——直到有人认真查账。
测量缺失下的采购决策
下一个危险信号：45% 的企业打算在未来 12 个月评估专业 AI 云，而这个品类今天几乎没人在用。
结合来看，结论很清楚：企业在买自己不了解的东西。切换目标不基于对现状的清晰认知，而基于供应商宣传和竞品压力。
这和云时代早期的问题如出一辙——上云的时候没人算 TCO，账单来了才喊贵。AI 基础设施这波，大概率是同一个剧本的不同章节。
为什么没人追问成本
选供应商的时候，答案倒是出人意料。
41% 的企业把”与现有系统集成”列为第一决策因素，35% 选”总拥有成本”。Token 价格排第八，8%。
这说明企业在决策层面是理性的——他们知道自己应该关心 TCO，应该关心集成度，不应该被低价中标。问题在于，他们没有测量 TCO 的基础数据，所以”理性决策”建立在沙滩上。
45% 打算换供应商，但只有 44% 能追踪自己的成本。这是个结构性笑话：切换决策是在没有数据的情况下做出的。
测量危机是组织问题，不是技术问题
很多人以为测量 AI 成本是个技术活——装几个监控工具，上一套 FinOps 平台，就能解决。
不对。这是组织问题。
财务在用预算模型评估 AI 基础设施投资回报，工程师有细粒度的使用数据但没有义务汇报给财务。两个世界不交圈，十亿美元级别的资本支出就这样在真空中完成。
真正在解决这个问题的公司，做法出奇一致：让基础设施负责人背利用率 KPI，让财务能看到实时消费数据，让采购决策和业务产出直接挂钩。他们把 AI 基础设施从”战略投资”还原成一种需要管理的运营支出。
2026 年是关键窗口
接下来的 12 个月，企业将在不知道自己买了什么、用了多少、值不值的基础上，做出下一个十亿美元级别的采购决策。
这一轮专用 AI 云、GPU 集群、边缘计算的大规模部署，会不会是又一次建立在测量盲区上的赌注？
答案取决于这些公司能不能在账单到期之前，先把测量体系建起来。