超过90%的企业推出了生成式AI试点，但最终能跨越试点、进入规模化生产的不足41%。全球80.3%的AI项目未能交付预期业务价值，平均每个失败项目代价高达720万美元。这不是技术问题——组织惯性才是第一杀手：62%的企业跑通了试点，但仅23%实现规模化。员工对AI的暗中抵制（54%的人绕开公司AI工具手动工作）和跨部门数据壁垒，让成本治理还没开始就输在了起跑线上。

文章说企业要精打细算选模型，现实比这更猛烈——花旗银行直接封禁了Claude Opus 4.7和GPT-5.5，Adobe取消了无限制使用权限。有企业AI月度账单飙升至1500万美元。Uber四个月烧完全年Token预算，Salesforce每年给Anthropic的支票约3亿美元。更讽刺的是，一项研究显示企业每花1美元在Token上，只有不足0.18美元真正产生价值，其余都流向了修bug、重写代码和审查延迟。

华为云ModelArts Next已实现模型路由能力：根据请求特征自动匹配成本优先、效果优先或均衡模式，调度精准率超95%，调用成本平均降低20%。这恰好印证了文章「按任务分配模型」的主张。但更大的变量在模型价格端——通用大模型降价75%的同时，高端模型溢价83%却能带来400%的调用量增长。企业成本治理的下一场博弈，不是「用不用旗舰模型」，而是「能不能让路由策略跑在成本爆炸之前」。

文章讲了六个核心问题，但最根本的可能不是「钱花在哪」，而是「谁负责花」。54%的员工绕过公司AI工具手动工作，这一数据说明：成本失控往往不是技术问题，而是治理机制缺位。一个值得追问的方向是：当AI像水电一样成为基础设施，企业是按「部门预算」还是「任务价值」来分配算力？前者天然鼓励浪费，后者需要穿透式ROI度量——这恰恰是大多数企业从第一天就没埋下的锚点。