2025 年 AI 成本现状：来自 CloudZero 的调研报告
人工智能 (AI) 已成为现代商业战略的基石，它正在推动各行各业的创新、效率和增长。从智能自动化到大规模机器学习，AI 正在改变企业的运作方式和创造价值的方式。
然而，随着 AI 的普及加速，一个新的挑战也随之出现：如何以可扩展和智能的方式管理快速增长的 AI 成本。企业必须在平衡 AI 带来的巨大变革潜力的同时，应对优化支出、控制云成本和确保长期盈利能力的日益增长的压力。
为了了解企业如何应对这一复杂的局面，我们对美国 500 名经理级别及以上的软件工程师进行了调查。本报告探讨了企业如何为 AI 制定预算、他们在哪些方面进行投资，以及实现真正的 AI 投资回报率 (ROI) 面临哪些障碍。
我们的调查结果揭示了一个令人兴奋但又充满变数的动态。AI 的发展势头和预算都在迅速增长，企业对其价值的信心也在增强——然而，企业也报告了内部脱节、AI 治理有限以及难以计算 AI 投资回报率等问题。由于基于云的 AI 工具占据了预算的绝大部分，成本的可见性和归因变得至关重要。如果缺乏这些，即使是最雄心勃勃的 AI 战略也可能变得不可预测和不可持续。
核心趋势
- AI 支出正在飙升，2025 年，企业平均每月 AI 预算预计将增长 36%，这反映出企业正大规模转向更大、更复杂的 AI 项目。
- 只有 51% 的企业能自信地评估 AI 投资回报率，这凸显了日益扩大的“可见性鸿沟”（即看不清钱花在哪儿，效果如何）。与此同时，云端工具占据主导地位，使得云成本的透明度和归因对于优化 AI 投资回报率至关重要。
- 使用第三方成本优化工具的企业，报告称对 AI 投资回报率更有信心，这表明需要更好的可观察性（即能清楚地监控和理解系统运行状况）。
- 最广泛使用的 AI 工具旨在实现自动化、可扩展性和云部署，但如果缺乏有效的成本跟踪，它们的盈利能力仍然不确定。
- 云计算和数据工程是 AI 领域最紧缺的技能，而高薪期望和缺乏评估候选人的内部专业知识是 AI 招聘面临的最大挑战。
1.AI 预算分配和支出趋势
- AI 月均支出：85,521 美元
- AI 支出同比平均增长率：36%
- 计划每月在 AI 上支出 10 万美元或更多的企业比例：43%
- AI 预算分配给公共云平台的比例：12%
2025 年每月 AI 预算持续增长
2024 年，企业在 AI 上的平均每月支出为 62,964 美元，而我们的调查结果显示，到 2025 年这一数字将增至 85,521 美元（增长 36%）。值得注意的是，计划每月在 AI 工具上投入超过 10 万美元的企业比例将翻一番以上，从 2024 年的 20% 跃升至 2025 年的 45%。
这种支出的激增表明，企业正在加大 AI 投入，以期提高效率、推动创新并保持竞争优势。但随着预算的增加，企业必须面对一个关键问题：我们对 AI 投资的回报有信心吗？
公共云平台获得最高的 AI 预算分配
公司正在战略性地投资 AI，其中公共云平台获得了 AI 预算的最大份额（11%），这表明它们在扩展 AI 工作负载方面的作用。生成式 AI 工具紧随其后，占预算的 10%，反映了它们对创新和运营日益增长的影响。
安全平台占预算的 9%，这凸显了对保护 AI 系统的担忧。混合云和 AI 专用平台获得了适度的投资，平衡了灵活性和专业性。
谈到未来的 AI 预算，我们知道大多数公司打算在 2025 年扩大 AI 支出。但他们计划在未来 12 个月内优先在哪些领域进行支出呢？
近半数公司计划优先投资 AI 可解释性
2025 年，44% 的企业计划投入资金来提升 AI 的可解释性。他们的目标是提高 AI 系统的透明度和责任感，通过阐明 AI 模型如何做出决策，让用户更容易理解。这种投资通常表现为招聘专业人才，并集成提供模型可解释性的第三方工具。
除了可解释性之外，企业在未来一年计划优先关注的领域还包括 AI 安全性和鲁棒性（41%）、云和计算资源（39%）以及改善客户体验（39%）。这些重点领域标志着 AI 部署正向更负责任、更透明和更具可扩展性的方向全面转变。
虽然可解释性位居榜首，但整体预算优先级的分布表明，各个类别之间的投入相对均衡，企业正在对广泛的 AI 能力进行投资，这表明他们对 AI 的成熟采取了整体性的方法。
大型企业优先发展新的 AI 项目，而小型公司则侧重于云资源
未来 AI 投资的重点因公司规模而异。
大型企业（员工 10,000 人以上）特别注重扩大 AI 的应用范围，其中一半公司优先发展新的 AI 项目，43% 的公司投资于员工的 AI 培训。这反映出他们将战略重点放在在整个组织中扩展 AI 能力。
相比之下，中型企业（员工 1,001 至 10,000 人）正在将大量资源投入到云和计算基础设施中，其中 54% 的公司大力投资于可扩展的 AI 解决方案，以支持其不断增长的需求。
小型公司（员工 250 至 500 人）也专注于云和计算资源，但比例较低，为 38%。
2.AI 成本追踪与投资回报率衡量
随着人工智能（AI）的普及，管理其成本变得越来越复杂。云计算、模型训练和 AI 应用会迅速推高费用，这需要的不仅仅是简单的支出跟踪。然而，对于许多企业来说，准确追踪这些成本并评估 AI 的投资回报率（ROI）仍然是一个巨大的挑战。
- 没有建立 AI 成本追踪系统的公司比例：15%
- 手动追踪 AI 成本的公司比例：57%
- 使用第三方系统时，对成本追踪的信心比例：90%
为什么衡量投资回报率很难？
了解 AI 带来了多少收入，对企业来说至关重要，这能帮他们证明投资是否值得、评估效果好不好、优先发展哪些高回报项目。但准确衡量投资回报率对很多公司来说仍然是个难题。常见的障碍包括：
- 很难把 AI 的效果从其他业务因素中单独拎出来看。
- 很难把 AI 的成本准确地归属到具体的项目或来源。
- 项目实施周期长，要等很久才能看到实际效果。
- 存在一些隐藏成本，比如云服务费和维护费。
结果是，只有 51% 的公司非常肯定自己能有效地追踪 AI 投资回报率，尽管有 91% 的公司声称对评估 AI 整体有信心。这种“感觉良好”和“实际精准”之间的差距，说明我们需要更强大、更细致的成本归属和追踪方法。
工具缺失导致成本不透明
我们发现，不同规模的公司在追踪 AI 支出方面存在很大差异。
虽然大公司非常依赖云服务商自带的工具（占 79%），但很多公司都缺乏第三方平台提供的那种细致的成本归属能力。如果不能彻底地分配成本（比如计算出每个功能、产品、团队、客户或微服务的具体成本），就根本不可能确切知道是哪个环节或谁导致了哪些开销，也就谈不上问责了。
我们还发现，有 21% 的大公司甚至没有任何正式的成本追踪系统——这意味着他们面临着在 AI 上超支的风险，却不清楚钱到底花在了哪里。与此同时，中型公司是第三方成本监控工具的最大用户（占 64%）。
人工追踪仍很普遍，但代价不小
虽然有 65% 的公司使用云服务商自带工具，54% 使用第三方平台，但仍有许多公司（57%）依赖电子表格，或（41%）依赖顾问作为核心成本管理方法。更令人担忧的是，有六分之一（15%）的公司承认没有任何正式的成本追踪系统。
这指出了一个明确的机会：企业应该超越被动式的管理方法，采用可扩展的成本可视化系统，以控制支出、提高效率并最大化投资回报率。
对投资回报率的信心与成本优化工具相关
超过 90% 使用 CloudZero 等第三方平台的公司表示，他们对 AI 带来的收入有很高的认知度。这使他们能够直接比较收入和成本，从而得出高度可靠的投资回报率计算结果。
另一方面，没有任何正式成本追踪系统的公司，对其准确评估 AI 项目投资回报率的能力远没有那么自信。有 41% 的公司表示他们只是“有点同意”自己能做到这一点，这凸显了采用正式、可靠的成本追踪系统来准确评估投资回报率的重要性。
3.驱动 AI 支出的关键因素
了解这些关键驱动因素，将有助于我们深入了解企业为何优先发展 AI，以及他们如何分配预算以实现价值最大化。
- 用于提升软件开发效率：41%
- 用于加强网络安全和合规性：40%
- 用于驱动创新和竞争优势：37%
更多公司投资 AI 是为了提升内部效率，而非市场差异化
我们发现，2025 年企业投资 AI 的三大主要原因分别是：
- 提升软件开发效率（41%）
- 加强网络安全和合规性（40%）
- 驱动创新和竞争优势（37%）
这些驱动因素表明，企业高度关注生产力、安全性和市场差异化。
值得注意的是，更多企业优先将 AI 投资用于提升内部效率，而非仅仅为了获得竞争优势。这种对运营改进的侧重，与我们发现的以下数据相符：92% 的受访者认为 AI 能提升团队工作流程和效率，87% 的受访者依赖 AI 工具有效完成工作。
4.最常用的 AI 工具、平台和服务
云端 AI 开发占据主导地位。 最常被采用的工具都是为了实现可扩展性、自动化和快速部署而设计的，这意味着它们通常都托管在云端。
这反映了云基础设施在现代 AI 战略中的基础作用。其可扩展性和计算能力对于运行高级模型和处理海量数据集至关重要。但尽管云服务不可或缺，它们也带来了复杂性。
正如 CloudZero《2024 年云成本现状》报告中所示，58% 的公司认为他们的云成本过高，而随着 AI 的普及，这种担忧只会加剧。
成本归因、分配和实时可见性不再是“锦上添花”，而是必不可少。没有它们，企业就面临着超支、优化不足以及对其不断增长的 AI 投资失去战略控制的风险。
- 已采用生成式 AI 工具：60%
- 已采用公共云平台：55%
- 已采用安全平台：51%
生成式 AI 工具：普及但昂贵
生成式 AI 是应用最广泛的类别（占 60%），但由于其计算密集型的推理过程、按 token 计费的 API 定价以及模型再训练的开销，它也可能带来最高的成本。公司必须仔细监控这些跨功能和业务单元的费用。
公共云和混合云使用广泛——但成本效率各不相同
超过一半的企业（55%）使用公共云，而 51% 的企业依赖混合云设置。 云是 AI 的骨干。然而，资源过度配置、闲置资源和配置优化不足仍然很常见。如果不积极主动地进行优化，云成本就会成为创新的负担。
安全与合规：一项昂贵的必需品
超过一半（51%）的企业正在投资 AI 驱动的安全工具，用于威胁检测、合规性监控和数据保护——这对于保护现代基础设施至关重要，尤其是在基于云的 AI 工作负载变得越来越复杂且面临风险的情况下。 随着对 AI 安全投资的增长，效率低下的风险也随之增加。公司必须警惕工具重叠、冗余配置以及悄无声息地推高成本的合规工作流程。平衡强大的保护与成本效益高的运营至关重要，尤其是在技术和财务风险都很高的严格监管行业中。
面向客户的应用程序和数据工程工具是主要的 AI 成本中心
一半的受访企业投资于 AI 驱动的应用程序（例如聊天机器人）和数据分析解决方案，这两者都可能由于大规模处理和推理工作负载而产生高昂的云成本。 这些工具需要大量的计算能力来实时分析大量数据，这通常会导致不可预测的费用。
AI 人才现状：薪资、技能和招聘困境
在这里，我们将深入探讨组织内部 AI 开发者和专业人员的薪资范围数据。
AI 的普及正在创造就业机会——但也引发了对失业的担忧
AI 正在重塑劳动力市场，89% 的公司报告称自动化和生产力提升带来了新的工作岗位，但同时有 62% 的公司仍然担心工作岗位被取代。这表明，在应对不断变化的就业格局时，需要在创新和员工再培训之间取得平衡。
云计算和数据工程是 AI 岗位最紧缺的技能
在技能方面，云计算（57%）和数据工程（56%）的需求量最大。
云计算在大型企业（员工 5,001 人以上）的需求最高，在员工 5,001 至 10,000 人的公司中达到 71% 的峰值。与此同时，数据工程在中型企业（员工 501 至 5,000 人）中最受欢迎，但在大型企业中则相对较少。随着 AI 投资的增长，云平台和数据工程方面的专业知识对于优化性能和集成至关重要。
AI 薪资飙升，大多数 AI 专业人士年薪在 10 万到 20 万美元之间
大多数 AI 专业人士年薪超过 10 万美元，其中 26% 的人年薪在 15 万到 20 万美元之间。薪资通常在大型企业中最高，但小型公司也经常提供有竞争力的薪酬来吸引人才，尤其是在 12.5 万到 20 万美元的范围内。
AI 招聘面临的最大挑战
AI 招聘面临的最大挑战之一是高薪期望。小型公司在这方面遇到的困难最大，有 40% 的公司面临这个问题，而大型公司只有 29% 报告了同样的挑战。
由于需求旺盛，合格候选人似乎也存在短缺，特别是对于中型公司而言，有 40% 的公司难以找到熟练的专业人士。
第三，一个关键的招聘挑战是缺乏评估 AI 候选人的内部专业知识，尤其是在员工 1,001 至 5,000 人的公司中（17%），相比之下，小型公司为 14%，而大型公司仅为 7%。
结论：AI 创新必须与成本智能相结合
人工智能（AI）是一股变革性的力量。但没有控制的变革是不可持续的。
如果缺乏有效的成本治理，即使是最好的 AI 项目也可能在财务上变得低效。我们的报告强调，企业需要超越简单的 AI 支出跟踪，通过实时可见性、成本归因和可操作的洞察，积极优化 AI 支出。鉴于基于云的 AI 工具占据了 AI 预算近三分之二的份额，云成本优化对于防止超支和失去投资控制至关重要。
成本不仅仅是一个指标。它是实现可持续 AI 增长最具战略意义的杠杆。
通过采用更智能的成本管理工具和实践，企业可以负责任地扩展 AI，自信地衡量投资回报率，并在财务浪费发生之前将其消除。
所有数据均来自 2025 年 3 月对美国 500 名软件工程师（250 至 10,000 名员工的公司中，高级经理及以上级别）进行的调查。所有百分比均四舍五入到最接近的整数。
联系我们
有任何云成本管理的需求或问题？欢迎通过以下方式联系我们！
公众号
企业微信客服
业务咨询
技术社区
地址
北京市海淀区自主创新大厦 5层
