FinOps Foundation 发表的《State of FinOps 2026》报告访问了 1,192 位从业者，合计管理超过 830 亿美元的年度科技开支。当中有一个数字，值得每一位香港企业管理层重新思考自己的 AI 计划：98% 的组织已把 AI 开支纳入正式的成本管理范畴，2025 年这个比例是 63%，2024 年只有 31%。
三年前几乎没有人管理 AI 成本，今天几乎所有人都在管理。而走得最前的企业，并不是花得最少的那一批，而是能够在一次会议之内回答财务总监提问的那一批。
今年这一点比去年更关键。Forrester 在《2026 Technology & Security Predictions》中预测，随着供应商承诺与实际交付价值之间的落差扩大，企业将把四分之一的原定 AI 开支押后至 2027 年。预算并没有消失，只是流向了说得清楚的团队。
什么是 AI FinOps？
AI FinOps 是一套让 AI 开支变得可见、可归属、可辩护的营运纪律。它把原本应用于云端的财务管理方法，延伸到 token、推论运算、GPU 时数、模型授权以及 AI 代理的活动，让每一元 AI 成本在帐单到达之前，就能追溯至某个团队、某项工作负载与某个业务成果。
FinOps Foundation 在 2026 年 2 月正式修订了组织使命，由「推进管理云端价值的人」改为「推进管理科技价值的人」。
这个措辞上的改动，本身就是整件事的重点。过去的职责是节省成本，现在的职责是治理投资。
对香港企业而言，实际意义相当直接：AI FinOps 就是挡在一个 AI 项目与一场尴尬董事会议之间的东西，避免出现无人能解释 400 万港元究竟买了什么的场面。
为什么 AI 成本在 2026 年变成董事会议题？
因为数字已经不再是零头。Gartner 预测 2026 年全球 AI 开支将达到 2.52 万亿美元，按年增长 44%。在这个规模下，AI 不再是 IT 预算内的一个项目，而是董事会需要质询的资本配置决定。
有三股力量同时发生作用。第一是绝对开支。Gartner 指出，2026 年总额中超过一半属于 AI 基础设施，单是 AI 优化伺服器就增长 49%。
第二是问责压力。Forrester 指出，能够将 AI 价值与公司财务增长挂钩的决策者不足三分之一，因此行政总裁愈来愈倾向把 AI 审批交回财务总监把关。
第三是内部资金压力。《State of FinOps 2026》发现，不少组织被要求以其他范畴的优化节省来自行支付 AI 投资。换句话说，你的 AI 预算，可能取决于你能否在别处省下同等金额。
对香港的部门主管而言，最后一点彻底改变了对话性质。你不再是在申请新钱，而是在与提出同样理由的同事，竞争同一笔被回收的资源。
AI 开支与一般云端开支有何不同？
AI 开支具备浮动、不透明、由代理行为驱动三项特征，而传统云端成本工具从来不是为此而设。一台虚拟机每小时的费用可以预测；一个 AI 代理则会消耗 token、呼叫工具、查询向量资料库并自主执行多步流程，其成本取决于行为，而非资源配置。
《State of FinOps 2026》的受访者指出三项具体困难。
--- 可见度。不同供应商与服务的计价模式差异极大，难以作同等比较。
--- 归属。把 AI 成本分摊至业务单位，比分摊基础设施成本困难得多。
--- 价值。投资往往带有探索性质，回报难以在早期定义。报告引述一位从业者的说法：目前根本无人能回答自己的 AI 是否创造了价值。
此外还有速度问题。一个设定错误的代理，可以在数小时之内产生传统云端配置需要数月才累积得到的开支。以月度帐单覆核作为控制手段，对这种失效模式而言实在太慢。
这也解释了为何 2026 年从业者最希望获得的工具能力，是针对 token、LLM 请求与 GPU 使用率的细致成本监察。市场正在要求一种尚未完全存在的仪表。
AI FinOps 的营运模式应该长成什么样子？
主流模式是小型中央赋能团队，配合嵌入各业务单位的联邦式代表。《State of FinOps 2026》数据显示，81% 的实务采用集中式赋能（60%）或辐辏式（21%）架构；即使是管理超过 1 亿美元开支的组织，平均也只有 8 至 10 名从业者，加上 3 至 10 名外部支援。
真正值得借镜的结构细节是汇报线。78% 的 FinOps 团队现时汇报予 CTO 或 CIO，较 2023 年上升 18 个百分点；而汇报予财务总监的比例已跌至 8%。
原因在于影响力。与副总裁、高级副总裁或行政层有直接互动的从业者，对科技选型的影响力约为仅接触总监层者的两至四倍，例如云端服务选型为 53% 对 24%，供应商选型为 47% 对 16%。
这应该被理解为一项治理指示。如果你的 AI 成本职能设在财务报告之内，它只会描述过去；设在科技领导层之内并获得行政层支持，它才能在承诺签署之前影响决定。
对一家 200 人的香港专业服务公司而言，这不代表要组建团队，而是要指定一位问责负责人，给予行政层背书，并在每个运行 AI 工作负载的业务单位安排一名代表。
如何把 AI 成本分摊到业务单位？
先标准化资料，再在工作负载层级标记，最后在争议发生之前先订好共用成本规则。次序非常重要。在未标准化之前就尝试分摊的团队，最终只会在争论数字，而不是在做决定。
业界的标准化机制是 FOCUS（FinOps Open Cost and Usage Specification），用以统一不同供应商的帐单资料格式。《State of FinOps 2026》指出，从业者最希望 FOCUS 下一步扩展的领域正是 AI 工作负载，排名高于数据中心与更广泛的 SaaS 支援。
对中型企业而言，可行的分摊次序如下。
--- 标准化。把所有与 AI 相关的帐单纳入单一格式，包括模型 API、GPU 运算、向量资料库，以及捆绑在 SaaS 授权内的 AI 功能。
--- 源头标记。要求每项 AI 工作负载在进入生产环境之前，必须带有负责人、成本中心与应用场景。事后补回标记，是最昂贵的一种清理工作。
--- 以规则而非争论拆分共用成本。共用知识库或共用嵌入索引如何分摊，必须事先议定。
--- 以业务单位而非 token 呈报。部门主管关心的是每宗查询处理成本，而不是每百万 token 的价格。
最后一步的翻译，正是多数计划失败之处。技术层面的单位经济学，只有被表述为业务本来就在管理的营运单位时，才具说服力。若你仍在建立底层的成本图像，可先参考我们的姊妹文章 企业 AI 的真实成本是多少，以及如何归因，再套用本文所述的治理层。
回报未明朗时，如何证明 AI 的价值？
在部署之前定义价值单位，而不是在部署之后。《State of FinOps 2026》把「判断 AI 价值与投资回报」列为从业者面对的三大难题之一，原因正是探索性项目往往被回溯地对照一套从未被书面确立的目标。
一个站得住脚的价值论证包含四个组成部分，而每一项都可以在呼叫第一个模型之前议定。
--- 基线。这个流程今天的成本是多少？以工时、人手、错误率或周期时间衡量。
--- 单位。你将为哪一个营运单位定价？每张处理发票、每宗解决查询、每份审阅文件。
--- 门槛。单位成本降到什么水平才值得继续？由谁决定？
--- 终止条件。在什么日期之前出现什么结果，项目就无须争论直接结束？
撰写终止条件看似悲观，事实刚好相反。一个写明退出机制的项目更容易获批预算，因为财务总监的下行风险是有界且可见的。
这一点与我们另一篇分析直接相关，探讨 为何大部分企业 AI 试点无法进入生产环境。失败原因极少是技术问题，几乎总是欠缺一个成功的定义。
忽略 AI 成本治理会出什么问题？
有四种失效模式反覆出现，而且都不会在早期发出警号。单独出现尚可承受，同时出现，就是一间企业在财政年度结束时，面对可观的 AI 开支却无法说明成果的原因。
隐形经常性支出。AI 功能随 SaaS 续约捆绑而至，开支因此增长，却从未以「AI 决定」的形式出现。《State of FinOps 2026》显示，90% 的实务现已管理 SaaS，一年前这个比例是 65%，正是因为这种蔓延。
无归属的试点。概念验证跑在一个没有成本中心的中央帐户上；十二个月后它已成为生产关键，却无人为帐单负责。
失控的代理。自主流程不断循环、重试或过度检索，成本累积的速度超越任何月度覆核所能捕捉。
价值真空。系统运作正常，采用率也真实，但无人说得出单位经济。当预算收紧，无法量化的项目总是最先被削减，与其实际价值无关。
香港企业还多一层考虑：AI 成本治理与资料治理互相重叠，因为工作负载在何处运行，同时影响其价格与合规状况。正在权衡这个取舍的企业，应把成本模型与我们关于 企业 AI 的资料落地究竟意味着什么 的解析一并阅读。
香港企业在未来 90 天应该做什么？
先建立可见度，其次是治理，优化放最后。《State of FinOps 2026》在次序上的结论毫不含糊：跨所有科技类别，被列为最优先的能力都是分摊、预测、预算与报表，因为团队一再发现，必须先理解成本，才有可能降低成本。
对一家 200 至 500 人的机构而言，务实的 90 天次序如下。
--- 第 1 至 30 天：盘点。列出组织承担的每一项 AI 成本，包括捆绑在 SaaS 内的 AI 功能、以公司卡购买的部门订阅、模型 API 金钥与 GPU 容量。这张清单通常会比任何人预期的更长。
--- 第 31 至 60 天：归属。为每一项指定负责人与成本中心，公开共用项目的分摊规则，并把开支警报设在工作负载层级而非帐户层级。
--- 第 61 至 90 天：量化。挑选开支最高的两项工作负载，定义其单位经济、基线与终止条件。在下一次预算检讨中只呈报这两项，而非全部。
两项工作负载被妥善呈报，所建立的信任度会高于十二项被含糊带过。这项工作的目的不是完整，而是证明你的 AI 开支是被治理的，不只是被发生的。
正在建构周边控制层的组织，亦可参考 AI Gateway 如何集中管理模型存取与用量上限，因为路由决策与成本控制，愈来愈是同一组控制杆。
策略要点
《State of FinOps 2026》所呈现的转变，本质上与会计无关，而是与「谁有权决定」有关。与行政层有直接互动的 FinOps 从业者，对科技选型的影响力是其他人的两至四倍，这意味着成本纪律已悄悄成为架构决策桌上的一个席位。
Forrester 预期四分之一的原定 AI 开支将押后至 2027 年。当中部分属于审慎，但更多只是预算离开了答不出问题的主管，流向答得出的那一位。
你不需要庞大团队、昂贵工具或成熟实务才能开始。你需要的是一张清单、一位负责人，以及两项你能用财务总监本来就使用的语言说清楚的工作负载。
懂AI的冷，更懂你的难。UD 同行28年，让科技成为有温度的陪伴。科技最难的部分，从来都不是科技本身。
本文由 UD 企业 AI 团队审阅。
下一步从哪里开始
成本纪律只有指向真实工作负载时才有价值。如果你仍未确定组织内哪一项 AI 计划最值得先拨预算，起点应该是准备度评估，而不是一张试算表。UD 团队手把手带你完成每一步，由 AI 准备度评估、应用场景筛选，到部署上线、成本分摊与成效追踪，28 年香港企业服务经验，全程陪你走。
