在产生式人工智能迅猛发展的时代，没有人怀疑人工智能已经成为主流趋势，并且无需怀疑ai对全球带来的变革。但企业在思考ai和云计算碰撞，将产生怎样电火花时，必须先想到一个现实问题，那就是部署过多的应用程序，会带来扩展问题，并且会导致成本超支。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
尽管以生成式AI为核心的人工智能技术应用能为企业带来好处，但也存在一些问题。我们必须全面考虑，综合利弊。相比快速部署生成式AI，全面思考如何有效管理这些新技术应用，不会因为技术创新而为企业带来负面影响，这些至关重要。
具体而言，生成式AI在云中运行，会遇到3个问题：
1、加速云应用程序部署
这是第一个误区。在当前情况下，我们可以借助生成式AI开发工具，利用无代码或低代码机制迅速创建应用程序。但随着部署的应用程序数量的增多，企业很容易失去控制。
当然，在大的方向上，我们非常认同这一技术趋势。毫无疑问，生成式AI在加速应用程序部署、满足业务需求和提高效率方面起到了重要作用。因为，在90年代和21世纪初开发的很多应用程序并不尽人如意，从某种程度上限制了业务发展，任何改进的方法都对业务有好处！
只是有时，我们看到一种近乎鲁莽的应用程序开发方法，构建和部署这些系统所需的工作只需要几天，有时甚至几个小时。公司没有对应用程序的整体作用进行太多的深思熟虑，而且许多应用程序是为战术需要而专门构建的，并且通常是冗余的。他们需要管理的应用程序和连接数据库的数量是他们应该管理数量的三到五倍。整个混乱局面不仅不会扩大规模，还会造成成本的居高不下。
2、合理利用资源
生成式AI需要大量的计算和存储资源，肯定比企业目前应用要多得多。开启更多的存储和计算服务并不能简单地推动更大规模的扩张，还需要充分利用这些资源。
必须对资源寻找和部署进行思考和规划，以支持生成式AI的快速扩展使用。这通常要落在运维团队的肩上，以正确的方式部署正确数量的资源，而不会破坏这些系统的价值或限制其功能，整个过程的利弊权衡，非一朝一夕之事。
3、成本超支
当企业专注于部署专业系统来监控和管理云成本时，我们可以观察到用于支持生成式AI的资金大幅增加。这时，企业应该怎么做呢?
这是一个商业问题，而不是技术问题。企业需要了解云支出的发生原因、产生原因以及对业务带来的商业利益。然后，成本可以包含在预定义的预算中。
对于限制云支出的企业来说，这是一个起点。业务线开发人员希望利用生成式AI，通常是出于业务原因。尽管前文已经解释了生成式AI的高计算和存储成本，但公司仍然需要确保商业价值并筹集资金。
尽管生成AI在许多情况下表现出色，但它通常还处于基础阶段，缺乏合理的成本评估。生成式AI可以在某些情况下应用于简单的战术任务，而传统的开发方法在这些任务上同样可行。自人工智能诞生以来，这种过度应用一直是一个持续存在的话题。现实情况是，这种技术只适用于某些业务问题。目前的情况是生成AI因为广泛宣传，受到过度使用，变得非常流行。
需要企业在生成AI技术成熟的情况下，就落地方案进行更深入的思考。期间，如果云的支持跟不上，带来的可能是负面效果。
