AI FinOps / Tokenomics
一句话：AI 把 FinOps 从云成本管理推到全新时代——Token 经济是 2026 CIO 必学的新词，预算超支 2-3x 是常态，单 Agent 系统月烧上千欧元属正常。
🎯 为什么 AI 让 FinOps 重新洗牌
来源：111-TechTarget-FinOps-AI-CIOs-Tokenomics
| 维度 | 云 FinOps（成熟） | AI FinOps（重启） |
|---|---|---|
| 单位 | vCPU / GB / IOPS | Token / Model call / Agent step |
| 预测精度 | 1-3% | 完全失控（超 2-3x 常态） |
| 优化对象 | EC2 / RDS / S3 | Prompt / Model routing / Cache / Distillation |
| 治理所有权 | IT 部门 | IT + 财务 + 业务（混乱） |
“CEOs are like ‘go fast with AI’… CFOs are like ‘we have a budget’… real management challenge.” — J.R. Storment, FinOps Foundation
💰 Token 成本 4 大组成
来源：112-Zylos-AI-Agent-Cost-Token-Economics
| 类型 | 含义 | 单价相对 |
|---|---|---|
| Input tokens | 给模型的 prompt | 基准 |
| Output tokens | 模型回应 | 3-5x 单价 |
| Cached tokens | 命中 KV cache | 0.1x 单价 |
| Reasoning tokens | o1/o3 类思考链 | 新维度 |
🛠️ 7 大优化策略（按节省幅度）
| 策略 | 节省 | 难度 |
|---|---|---|
| Distillation | 60-90% | 高 |
| Model tiering | 50-80% | 中 |
| Model routing | 40-70% | 中 |
| Semantic caching | 30-70% | 低 |
| Prompt compression | 20-40% | 中 |
| Batching | 10-30% | 低 |
| Retry circuit breaker | 防成本飙升 | 中 |
🚨 AI Agent 是最大成本黑洞
来源：109-When-AI-SRE-Fails-Production-Reality
单 LLM chat 实现: €50/月
↓
4-Agent AI SRE: €8500/月 (15x 倍数!)
原因：
- 每 Agent 独立 context window
- Coordination 步骤每次都乘
- Retry loop 是最危险（无 circuit breaker → 成本无上限）
📊 治理：3 大新角色
| 新角色 | 职责 |
|---|---|
| Token Steward | 监控 token 用量、设预算告警 |
| Model Cost Engineer | 模型路由 / 缓存 / 蒸馏策略 |
| Tokenomics Analyst | 把 token 成本归到业务团队 |
🎯 实操 4 步走
- 可观测先行 —— 不知道 token 花在哪，没法优化（参见 AI-可观测性-四维追踪 的 Token 维度）
- 加 circuit breaker —— 单请求 token 上限 / 单 Agent 月预算
- Model tiering：简单任务用 mini，复杂用旗舰
- Cache 优先：semantic cache 在 RAG 场景节省 30-70%
🔗 在本 wiki 中
- 平行：AI-可观测性-四维追踪（Token 是其第 4 维）
- 上承：AIOps-2026-全景综述
- 验证：AIOps-生产实践与反共识 中 €8500/月案例
💡 一句话总结
AI 时代的 FinOps 不是云 FinOps 加个 token 字段——是全新工程学科。 Distillation + Model tiering + Cache + Circuit Breaker 是 4 大杠杆。