人工智能（AI）‘推理’需求快速增长，企业面临的云成本负担进一步加重。在此背景下，有分析指出，在混合云环境中提升‘x86效率’正成为最快速的成本削减手段。
在超微半导体（AMD）负责云产品及市场战略的迈克·汤普森在谷歌云Next 2026活动现场表示：“今年最大的变化是AI，尤其是由推理扩散带来的计算需求增长。过去几年市场由模型训练主导，但现在已进入将完成模型实际应用于服务的阶段，导致云和本地部署整体的计算需求急剧上升。”
他在硅谷媒体直播频道theCUBE的采访中，与Sabre的高级FinOps工程师蒂姆·麦克阿瑟一同阐述了企业的基础设施成本管理策略。两人介绍了基于AMD的x86服务器效率提升、FinOps运作，以及将节省下来的基础设施预算重新投入AI项目的流程。
仅靠‘仪表盘’存在局限……平台选择改变成本曲线
业界认为，在AI扩散导致云使用量增加的情况下，仅靠简单的监控或治理工具难以控制成本。这意味着，要真正改变成本结构，选择何种平台和基础设施架构变得更加重要。
汤普森指出，许多企业服务器的平均利用率仅为10%左右。他解释称，如果混合运行多种架构，低效问题可能进一步加剧。他特别强调，x86作为在本地和云端广泛部署的标准架构，在混合环境中更容易迁移工作负载并降低运营复杂度。
汤普森表示：“大多数大型企业客户同时使用自有数据中心和云。在容器环境中，可以将所需组件打包轻松迁移，而x86在本地与云端之间的迁移尤为便捷。” 他补充道：“基于Arm的服务器在本地环境中往往无法达到同等规模，因此在混合容器运营方面，x86通常是更现实的选择。”
Sabre转向AMD基础，运营超5万个虚拟CPU……节省资金再投AI
实际案例也已出现。以机票预订技术闻名的旅游技术企业Sabre在谷歌云上将CPU密集型工作负载迁移至基于AMD的实例。在此过程中，他们部署了超过5万个虚拟CPU，并表示无需修改代码即同时降低了成本与基础设施规模。
蒂姆·麦克阿瑟表示：“迁移到AMD平台后，我们获得了价格优势，速度也更快，整体基础设施规模也缩减了。最重要的是，完全没有进行代码修改，这是一大优势。”他进一步说明：“我们能够立即将这些节省的资金再投资于像‘Agentic AI’这样的新AI领域，这对公司帮助很大。”
Sabre的案例表明，企业不仅仅是单纯降低云成本，而是已转变为将节省的资金重新投入到提升AI竞争力中的策略。这意味着基础设施优化已超越成本削减手段，正成为AI投资资金的来源。
AI时代的基础设施战略，核心不是‘廉价消费’而是‘高效再分配’
本次讨论表明，在AI扩散的阶段，企业的云战略正在发生变化。过去重点在于单纯获取更多资源，而现在，用相同预算实现更高效率，并将差价重新投入AI服务与自动化能力，这种结构变得至关重要。
特别是随着AI重心从训练转向推理，未来不仅需要大规模算力，可持续的运营成本管理也很可能成为决定企业竞争力的核心要素。混合云与FinOps战略，以及基于x86的基础设施效率提升，正是在此背景下受到关注。
另一方面，本次采访所在的theCUBE广播环节由AMD赞助。不过，硅谷媒体表示赞助商不会干涉编辑内容。
TP AI注意事项 本文使用基于TokenPost.ai的语言模型进行了摘要。正文主要内容可能被遗漏或与事实不符。