人工智能的采用和复杂的云架构正在改变FinOps在企业中的角色。根据Flexera发布的《2026年云状态报告》,传统上专注于成本削减和支出管理的FinOps团队,如今正在帮助企业定义技术价值。该企业软件公司对全球753名云决策者进行了调研。
生成式AI占据企业使用的公共云服务的一半以上,大型公司在治理和监督方面投入巨资。与此同时,73%的组织采用混合云架构,同比增长3个百分点。报告发现,人工智能采用的快速增长总体上加剧了IT和云管理的复杂性。
因此,近一半的FinOps团队正在将支出与业务成果保持一致,相比之下去年报告中这一比例为40%。报告指出:"云成功不再是削减预算,而是证明投资回报率并推动创新。"
随着企业努力寻找AI投资回报,FinOps团队正在加强指导,为哪些投资能够推动积极业务成果提供建议。
在Capital One,云治理和FinOps高级总监Jerzy Grzywinski所在的团队专注于最大化云价值,使其团队"处于与高管层讨论战略性AI投资的核心位置"。
他并非个例。根据FinOps基金会最近的调查,近五分之四的FinOps团队向CIO或CTO汇报,高于2023年的61%。AI采用推动FinOps团队发挥更加集中化的作用,为管理AI支出和提高效率提供视角。
Grzywinski表示,了解公司文化和重点、衡量支出并增加对效率和业务价值的洞察,有助于推动公司应该继续投资的方向。
"我们是想托管GPU来训练自己的模型?还是想利用SaaS产品来提高开发者生产力或某些能力?"Grzywinski告诉CIO Dive。"我们真正建模预测这些成本会是多少。这与我们投资组合中的其他支出相比如何,最终我们愿意投资什么。"
在此基础上,Grzywinski和他的团队转向执行阶段,密切关注"基准化支出"。他说:"我团队最有趣的部分是,我们能够拉动什么杠杆来更高效地利用这项技术?"
随着Capital One采用AI和其他技术,Grzywinski表示,FinOps会寻找低效模式,然后与用户或平台合作建立控制措施,在保持工具功能的同时提高效率。
Grzywinski说,FinOps的目标是创造更好的支出可见性和驱动因素,同时为这些数据提供洞察。跟踪支出仍然重要,但团队还实施KPI来衡量不同技术的效率,并向CIO汇报。
"我们希望创造自上而下和自下而上的压力点来推动积极高效的成果,真正回归到'如何让工程师将效率视为他们构建内容、构建方式、维护产品方式的一部分,'"Grzywinski说。
总体而言,FinOps已经从云迁移和管理支出成熟发展为"如何在云中蓬勃发展",包括AI和其他技术投资,Grzywinski表示。
"在云中蓬勃发展意味着做出更好的决策,构建更好的架构来在云中运营,"他说。
Q&A
Q1:FinOps团队的角色发生了什么变化?
A:FinOps团队的角色从传统的成本削减和支出管理转变为帮助企业定义技术价值。近一半的FinOps团队正在将支出与业务成果保持一致,重点从削减预算转向证明投资回报率并推动创新。
Q2:AI采用如何影响FinOps团队的地位?
A:AI采用推动FinOps团队发挥更加集中化的作用,近五分之四的FinOps团队现在向CIO或CTO汇报,高于2023年的61%。生成式AI占据企业公共云服务的一半以上,FinOps团队为管理AI支出和提高效率提供关键视角。
Q3:Capital One如何通过FinOps优化AI投资效率?
A:Capital One的FinOps团队专注于最大化云价值,通过建模预测AI投资成本,寻找低效模式并与用户合作建立控制措施。团队实施KPI衡量不同技术效率,创造压力点推动工程师将效率纳入产品构建和维护过程。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。