AI 账单在增长，但看不出哪些工作物有所值
AI 支出可能分散在按量计费的模型 API、单独签约的 AI SaaS 和云账单中。即使知道月末总额，也很难说明哪些任务需要昂贵模型，以及哪些支出真正带来了结果。
因此，Databricks 最近的融资消息中值得关注的不只是高估值。该公司在筹集大规模资金时，放在前台的产品叙事已从“更多 token”转向“相对于结果的成本”。不过，投资热度与成本控制需求之间的因果关系仍应分别看待。
150亿美元是投资意向，而非“节省需求”的证明
Databricks 原本计划筹集约10亿美元，但据 CEO Ali Ghodsi 表示，公司所接触的投资者群体表达了规模达150亿美元的投资意向。最终，该公司在2026年8月筹集了50亿美元，估值达到1,900亿美元。 这里的150亿美元是公司披露的意向规模，而不是已确认的认购额或到账金额。
也有业务指标支撑投资需求。Databricks 表示，其2026年第二季度收入运行率超过70亿美元，同比增长超过80%。年消费超过100万美元的客户也超过1,000家，并称过去12个月的调整后自由现金流为正。 但收入运行率是将某一时点的业绩年化后的数值，调整后自由现金流也不等同于 GAAP 净利润。这些数字都由作为非上市公司的该公司自行发布，也存在这一局限。
需要将三件事分开看。
- 已确认的事实：相当于目标金额15倍的投资意向，以及50亿美元融资
- 公司的市场判断：企业正从一味追求最高价模型，转向优化结果相对于成本的主张
- 尚未确认的内容：单个投资者因 AI 降本需求而投资的因果关系
因此，与其断言“投资者买的是 AI 节省”，不如理解为，Databricks 将成本控制作为企业 AI 基础设施的核心销售逻辑。
这是一种销售“单项结果成本”而非“最佳模型”的策略
Databricks 将这一变化称为“从 tokenmaxxing 转向 valuemaxxing”。其含义不是为所有工作都配备最昂贵、性能最高的模型，而是根据任务难度和所需质量选择合适模型，以同样的预算获得更多业务价值。 这并非对整个市场进行独立测量后的研究结果，而是 Databricks 的市场判断和产品定位。
在实践中，只比较模型单价并不能实现 valuemaxxing。若切换到较便宜的模型后，审批通过率下降、返工增加，总成本反而可能更高。比较单位不应是“每100万 token 的价格”，而应是每项通过验收结果的成本。
Unity Gateway 被定位为执行这一判断的控制层。根据官方文档，它可以集中路由发往模型和 MCP 服务的请求，应用 Unity Catalog 权限，并追踪请求数、token 和延迟等使用情况。还可以在请求中添加团队或项目标签以归属成本，并设置速率限制和预算。
重要的是，网关本身并不意味着会自动降低成本。组织必须先决定要保障什么结果、成本超标时切换到哪个模型，以及停止哪些工作。
今天就从最近一个月的 AI 支出中展开一项工作
在购买新平台之前，先把最近一个月的 SaaS 合同、云账单和模型 API 记录汇总到一起。Deloitte 建议将 AI 成本作为一项财务问题来处理，同时考察战略价值、使用量驱动因素、总拥有成本和结果，而不只是 token 单价。
- 按工作重新归集支出。
为账单中的每个项目添加应用程序、工作、部门、负责人和使用目的。还要记录当前模型和供应商，以及输入·输出单价或合同中的计费单位。对于无法显示使用量的 AI SaaS，应向供应商索取按模型划分的使用量和计费条件，在收到答复前标记为“无法确认”。 - 将 token 之外的成本也加进来。
在每月模型成本中，加上分配给该工作的 SaaS、云、数据处理和专业服务成本。再加上审核及返工时间乘以每小时人工成本的金额，即可计算按工作划分的月度 TCO。如果分摊了共享合同费用，也请记录分摊依据，例如请求数、席位数或使用时长。若没有历史资料，不要编造估算值；请标为“无法确认”，并从本月开始测量。 - 将工作结果放在同一行。
如果是客户咨询草稿，记录客服人员的审批通过率和返工率；如果是文档处理，记录完成件数和错误率等实际产出。批准结果数按“月请求数 × 审批通过率”计算，每项批准结果的成本按“月度 TCO ÷ 批准结果数”计算。只降低成本却让结果变差的模型，不是节省候选方案。 - 选择一项下一步决策。
将每项工作归类为继续、与低价模型比较、设置使用上限或停止。如果没有绩效指标，或者 TCO 的核心项目为“无法确认”，那么比起扩大使用，首先应补齐缺失的衡量标准和成本资料。
工作：客户咨询草稿
负责人：客户支持团队
当前模型·供应商：______
月请求数：40,000件
平均输入·输出：1,500·350 token
输入·输出单价或合同计费单位：______ / 无法确认
月模型成本：______
分配的 AI SaaS 成本：______
分配的云·数据处理成本：______
分配的专业服务成本：______
审核·返工时间：______小时
每小时人工成本：______
审核·返工人工成本：时间 × 每小时人工成本 = ______
月度 TCO：所有直接成本 + 审核·返工人工成本 = ______
客服人员审批通过率：72%
批准结果数：40,000 × 72% = 28,800件
每项批准结果的成本：月度 TCO ÷ 28,800件 = ______
返工率：28%
无法确认的项目及资料获取负责人：______
下一步决策：使用低价模型比较相同咨询
第一份成果并不是一份“AI 成本降低了百分之几”的报告。 一张将每个用例与月度 TCO、批准结果数、每项结果成本、负责人和下一步决策关联起来的清单就足够了。没有数值的字段不要按0处理，而要保留为“无法确认”，并明确负责取得资料的人。这样才能区分真正需要昂贵模型的工作和习惯性使用昂贵模型的工作。
等模型增多后再考虑网关也不晚
如果只是小规模使用一个模型，只凭计费标签和每月使用量检查也可以开始。相反，如果多个团队使用多个模型和供应商，并且需要按同一规则应用访问权限、成本归属和上限，那么就有理由考虑 Unity Gateway 这样的集中控制层。
| 当前情况 | 首先要做的事 | 网关判断 |
|---|---|---|
| 一个团队使用一个模型 | 关联计费标签和结果指标 | 先记录，再引入 |
| 多个团队使用多个模型 | 定义通用标签、权限和上限 | 考虑作为集中路由候选方案 |
| 成本可见，但质量不可见 | 衡量审批率、错误和返工 | 暂缓路由自动化 |
如果将 Databricks 作为候选方案，首先需要确认是否具备 Databricks 工作区和 Unity Catalog 等要求。接着，查看服务、团队和项目标签是否会保留在使用记录中，以及能否查询按模型划分的请求数和总 token 数。 还应检查使用量追踪的额外收费、所需管理员权限和支持的区域。预算功能可以分别设置提醒和阻止使用，但由于使用近实时估算值，并不保证绝对的支出上限。还应在当前文档中确认，外部模型成本和预配置吞吐量是否包含在追踪范围内。
1,900亿美元估值所传递信号的边界
根据官方公告，Databricks 的估值从2024年12月的620亿美元升至2026年8月的1,900亿美元，约增长3.1倍。 既有时间线中提到的2025年12月1,340亿美元融资轮无法通过官方资料确认，因此从比较中排除会更稳妥。
| 时间点 | 公布的融资规模 | 估值 |
|---|---|---|
| 2024年12月 | Series J 100亿美元 | 620亿美元 |
| 2026年8月 | 50亿美元 | 1,900亿美元 |
这一比较采用的是不同时点私募融资轮的名义估值。它既不是考虑股票条款和稀释因素的投资回报率比较，也不是对 Unity Gateway 是否降低客户成本的效果衡量。可以确认的信号仅限于：数据和 AI 基础设施业务存在强劲的投资需求，而 Databricks 将管理成本、使用量和模型选择的层放在了这一增长叙事的中心。
我们组织需要回答的问题，也应比“要不要投资 Databricks？”更具体。现在使用最昂贵模型的是哪项工作，我们是否记录了能证明该价格合理的结果？ 能回答这个问题时，才能正确选择成本控制工具。
如果想进一步深入
Databricks wanted to raise $1B, investors wanted $15B. It settled on $5B at a $190B valuation. 您可以结合 CEO 访谈，了解10亿美元目标和150亿美元投资意向是在什么背景下提出的。 techcrunch.com
AI token economics for CFOs 这份资料梳理了将 AI 支出与战略价值、使用量、TCO 和结果联系起来所需的财务问题。 deloitte.com
AI governance with Unity Gateway 这份官方文档可作为审查集中路由、权限、使用量追踪和预算功能当前支持范围的起点。 docs.databricks.com
