在生成式AI如火如荼的今天，没有人怀疑人工智能不是主流趋势，更无需质疑AI对全世界带来的改变。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。

　　换言之，以生成式AI为核心的人工智能技术的应用，可以为企业带来好处，但也存在问题。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。虽然现在，我们可以使用生成式AI开发工具,使用无代码或低代码机制，快速构建应用程序。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。生成式AI，的确能加快应用程序部署，满足业务需求，提升效率，这点毋庸置疑。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。导致云运维团队管理的应用程序和连接数据库的数量，是他们应该管理的数量的三到五倍。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。如何利用这些资源来推动更大规模的扩张，并不像打开更多的存储和计算服务那么简单。

　　在寻找和部署更多资源，以支持生成式AI的快速扩展使用方面，必须进行一些思考和规划。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

　　当企业忙于部署专业系统来监控和管理云成本时，我们可以看到用于支持生成式AI的资金激增。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是如何发生的，为什么会发生，以及云带来的商业利益是什么。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。然而，正如前面所解释的那样，生成式AI所消耗的计算和存储成本很高，公司需要找到资金，确定商业价值。

　　在许多情况下，生成AI非常酷，但依然比较基础，通常不具有合理的成本评估。生成式AI有时被用于简单的战术任务，而这些任务在更传统的开发方法中也可以实现。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。但目前现状是，生成AI太受欢迎了，被大肆宣传，因此被过度使用。

　　上述分析表明，随着生成AI技术的成熟，需企业要从更深层面去思考落地方案。期间，如果云的支持跟不上，带来的可能是负面效果。