文章核心观点 - 金融运营（FinOps）已从被动监控和管理云成本的模式，演变为一种横跨工程、财务和转型生产的、由人工智能驱动的主动运营模式[1] - FinOps当前面临的最大挑战是管理人工智能支出，特别是与使用大语言模型相关的、快速增长的令牌成本[1][2] - 行业正经历一个重大转变：从业者从研究如何管理人工智能成本，转向在其FinOps实践中全面采用人工智能以提升生产力[5] FinOps的演变与核心挑战 - FinOps已从被动模式演变为主动的、AI驱动的运营模式[1] - 当前核心挑战是管理AI支出，尤其是大语言模型使用中快速增长的令牌成本[1][2] - 随着基于推理的新模型出现，令牌请求量增长，从业者面临如何实现令牌效率以证明成本合理性的挑战[2] AI成本管理（Tokenomics）的复杂性 - 与模型相关的多步骤推理特性增加，导致每个请求的令牌数量大幅增长[2] - 更多令牌意味着需要向大型模型输入更长的序列[2] - 考虑到人工智能功能（即“令牌经济学”）单位经济学的复杂性，必须在应用和工作流层面建立FinOps实践来映射AI成本[2] FinOps在金融领域的新应用趋势 - FinOps在金融行业内部资金流动中的应用日益增长，从被动财务监督转向主动监督[3] - AI驱动工具可以实时解读支付、账户和风险中的信号，使组织能够主动预测和适应变化[3] - AI不仅实现自动化，还能实现预测性控制、异常处理和商业洞察，确保决策的有效性[3] 监管与技术推动的FinOps现代化 - 全球监管的加强是推动FinOps现代化的驱动力，强调为监管控制和核对建立标准化、可配置和可重复的流程[4] - 在新的FinOps工具中使用智能体人工智能，以简化成本分析并预测未来的成本和使用情况，是新兴趋势之一[4] 行业活动与未来展望 - 将于2026年6月9日至11日在美国加州圣地亚哥举行的FinOps X会议将探讨上述话题与挑战[6] - 该论坛的价值在于评估供应商和从业者对FinOps不断变化面貌的应对方法，在人工智能爆发的时代，这一实践比以往任何时候都更为关键[6]