- 综合排序
- 最热优先
- 最新优先
- 来自专栏悟空聊架构 | 公众号
PMBook - 7.项目成本管理
7.1 规划成本管理 7.1.1 规划成本管理：输入 7.1.1.1 项目章程 7.1.1.2 项目管理计划 7.1.1.3 事业环境因素 7.1.1.4 组织过程资产 7.1.2 规划成本管理 三点估算 最可能成本（cM）：比较现实的估算 最乐观成本（cO）：最好情况所得到的成本 最悲观成本（cP）：最差情况 预期成本（cE） 三角分布：cE = (cO+cM+cP)/3 贝塔分布：cE 7.3.3.2 项目资金需求 7.3.3.3 项目文件更新 成本估算 项目进度计划 风险登记册 7.4 控制成本 作用：在整个项目期间保持对成本基准的维护 7.4.1 控制成本：输入 7.4.1.1 AC 没有上限，为实现EV所花费的任何成本都要计算进去 偏差分析：审查目标绩效与实际绩效之间的差异（或偏差） CV 成本偏差（CV = EV - AC）。成本偏差 = 挣值 - 实际成本。 CPI 成本绩效指数（CPI = EV/AC）。测量预算资源的成本效率的一种指标，表示为挣值与实际成本之比。CPI小于1.0时说明已完成工作的成本超支；大于1.0时，说明到目前为止成本有结余。
1.3K00发布于 2019-04-18 - 来自专栏机器之心
Diffusion预训练成本降低6.5倍，微调硬件成本降低7倍！Colossal-AI完整开源方案低成本加速AIGC产业落地
Colossal-AI 基于在大模型民主化的专业技术积累，开源完整 Stable Diffusion 预训练和个性化微调方案，预训练时间加速和经济成本降低 6.5 倍，个性化微调硬件成本降低 7 倍！ AI 模型规模与性能的同步增长 但高昂的硬件需求和训练成本仍严重阻碍着 AIGC 行业的快速发展。 4090 可降低约 7 倍硬件成本，大大降低了使用 Stable Diffusion 等 AIGC 模型的门槛和成本，使用户不再局限于现有的权重推理，方便快捷完成个性化定制服务。 对于速度不敏感的任务，还可以进一步使用 Colossal-AI NVMe，即利用低成本的硬盘空间降低显存消耗。 ，它通过高效多维自动并行、异构内存管理、大规模优化库、自适应任务调度等实现高效快速部署 AI 大模型训练和推理，降低 AI 大模型应用成本。
2.7K20编辑于 2022-12-15 - 来自专栏云计算D1net
云计算成本的7个秘密
因此，企业需要了解采用云计算服务的成本隐含的7个秘密。 云计算服务的每小时使用价格如今已低于1美分，还有什么比云计算价格表更诱人的吗?而用户享受的云计算服务价格还有可能会更低。 企业采用云计算服务的成本隐含着以下7个秘密： 1.隐藏的附加功能 有时候，令人惊讶的成本账单是由用户关注到的附加功能所产生的。 在中国境外，低端实例的起价为每月2.50美元，而在中国香港，每月起价为7美元。 3.数据传输成本 用户需要仔细检查价目表。 7.云计算的无限扩展 最后，云计算面临的棘手问题是，其无限扩展的优良特性(云计算似乎具有无限扩展能力以满足任何需求)却是一个预算难题。每个用户的平均出口流量是10GB还是20GB? 用户可以估算和汇总其云计算成本，但没人会真正知道是多少，一切都可能发生。没有人注意到成本何时降低，但是当成本快速上涨时，企业管理者需要注意，最严重的问题是其收入无法像云计算服务那样迅速扩展。
1.4K30发布于 2020-06-24 - 来自专栏WorkBuddy知识库
AI开发成本控制实战：本地模式 vs 云端模式成本对比
一、引言：为什么需要关注AI开发成本？随着AIAgent的规模化落地，企业和个人开发者面临一个现实问题：如何在保证性能的前提下，有效控制AI开发和使用成本？ 本文将通过真实成本数据和多场景对比，帮你选择最适合的AI开发模式，实现成本优化。 AI使用日志，确保合规6.2优化硬件配置本地模式硬件建议：CPU：≥6核（推荐i7/R7及以上）内存：≥16GB（推荐32GB）GPU：可选（有GPU速度更快）存储：固态硬盘（加速模型加载）成本优化：使用现有设备 ，发现违规及时纠正八、参考资料Marvis官方文档：双模式架构与成本说明《AIAgent成本控制白皮书》（2026）腾讯云开发者社区：AI成本优化专题Gartner：《2026年AI技术成本趋势报告》作者 ：[华东子]发布时间：2026年6月9日阅读时长：15-20分钟关键词：AI成本控制、本地模式、端侧大模型、Marvis双模式【实战互动】你在AI开发中遇到过哪些成本问题？
19221编辑于 2026-06-09 多租户AI成本管理方案解析
使用应用推理配置文件管理多租户AI服务成本成功的生成式AI软件即服务（SaaS）系统需要在服务可扩展性和成本管理之间取得平衡。 这在构建多租户生成式AI服务时尤为关键，这类服务需要面向庞大且多样化的客户群体，同时保持严格的成本控制和全面的使用监控。传统方法的局限性传统成本管理方法往往存在明显缺陷。 解决方案架构应用推理配置文件可实现部署层面的精细化成本跟踪。通过为每个推理请求关联元数据，可以在访问基础模型（FMs）的不同应用、团队或客户之间建立逻辑隔离。 这种标记方法引入了准确的成本分摊机制，帮助基于实际使用情况按比例分配成本，而非采用任意分配方式。 、监控仪表板和告警机制通过API网关端点使用模型服务，并在请求中发送配置文件中定义的标签或应用推理配置文件ID监控与告警解决方案创建以下监控机制：令牌成本告警：当指定配置文件的总令牌成本在5分钟内超过阈值时触发每分钟令牌数告警
34410编辑于 2025-08-27AI账单上涨与成本治理技术
应用于AI，这意味着在项目启动前预测Token需求，为竞争性用例设置ROI批准关卡，并实施成本分摊，让业务部门承担自身消费的实际成本。 基础设施选择应如何纳入AI成本治理？不要再从成本角度将所有AI工作负载视为等同。公有某中心是实验和突发能力的正确选择，因为灵活性证明了其溢价的合理性。 按席位定价已不能清晰地映射到AI系统产生成本的方式。在许多AI密集型产品中，席位正成为包含基础使用量的外壳，而不是总成本的可靠代理。 我们应该如何构建AI成本治理以引起董事会层面的关注？将其构建为竞争风险，而不是预算管理问题。 不受管理的AI消费会以复合的方式侵蚀利润率，而那些良好治理其AI经济学的组织将比不这样做的组织拥有结构性的成本优势。
18310编辑于 2026-05-20精调模型削减文档AI成本90%
VLAIR基准测试评估了四种法律AI工具（某法律助手、某法律顾问、某AI工具、另一AI工具）和某聊天机器人在文档提取任务上的表现。 附表C第1行（总营收）必须与第7行报告的1099-MISC收入相符。第30行（家庭商业用途支出）如果金额超过简化方法限额，则需要附上表格8829。 证明切换合理性的特征包括：随时间稳定的准确率、低于100毫秒的延迟要求、不能离开你基础设施的数据，以及按硬件而非按文档付费的成本模式。 这些模型以低成本和高速处理已知模式。将5-10%的异常文档（不寻常格式、缺失字段、模糊内容）路由到前沿模型API或人工审核。这既保持了成本效率，又维持了对边缘情况的覆盖。 精调一个轻量级的270亿参数模型如今成本低于10美元。在自有硬件上进行推理，其成本随处理量增加而增加的边际成本仅为电费。
13910编辑于 2026-04-09- 来自专栏《C++与 AI：个人经验分享合集》
《突破AI数据标注高成本枷锁，势在必行！》
在人工智能飞速发展的时代，数据标注作为AI模型训练的基石，重要性不言而喻。高质量的数据标注能让AI模型学习到准确的模式和特征，从而提升模型的准确性与可靠性。 但当下，AI数据标注成本居高不下，成为制约AI产业进一步发展的关键因素。探寻创新解决思路，已迫在眉睫。 AI数据标注成本高主要体现在人力、时间和管理等方面。 而且随着AI应用深入各领域，对专业数据标注需求增长，像法律、金融等行业，需专业知识背景的标注员，人力成本进一步攀升。 时间成本也不容忽视。标注过程繁琐，尤其在处理大规模数据时，需要投入大量时间。 分布式众包模式存在数据安全与质量把控难题，专业平台模式则面临市场竞争与客户获取成本高等问题。 AI数据标注成本高的问题并非无解，通过技术创新、商业模式创新和人才培养管理创新，有望找到破局之路。 在这个过程中，需要企业、科研机构、高校等各方协同合作，共同推动AI数据标注行业的发展，为AI技术的广泛应用奠定坚实基础 。
44110编辑于 2025-03-17 - 来自专栏深蓝居
# AI Coding Agent Token成本优化指南（上）：成本结构、使用习惯与模型路由
1.3 五种成本，不止是“输入字数” 做成本优化，先别把 Token 理解成“字数”。 到这里，第一章真正想建立的心智模型可以浓缩成一句话： AI Coding Agent 的成本，本质上不是“你问了什么”，而是“系统为了回答你，重复搬运了多少上下文”。 2.1 一个 Session，一件事 很多人把 AI Agent 当成永不关闭的长会话：上午修 Bug，下午写文档，晚上聊架构，第二天接着来。 体验很顺，成本是灾难。 AI 直接走命令更轻，不需要额外拉一整套工具说明。 对于国内常见的研发平台，也有专门为 AI Agent 优化的 CLI 工具可以直接用： tapd-ai-cli：腾讯 TAPD 的 AI Agent 专用 CLI，支持需求、缺陷、任务的查询和更新。
22810编辑于 2026-06-09 - 来自专栏ATYUN订阅号
AI帮助预测大豆产量，降低预测成本
利用遥感数据（如卫星图像）的方法可能提供成本较低且有效的替代方案。” 该团队解释说，“通过使用转移学习提高数据有限地区预测性能的能力令人兴奋，因为这些地区特别受益于成本低，可靠的作物预测工具。” 研究人员将把这种方法的扩展到发展中国家的新区域。
60410发布于 2018-08-06 - 来自专栏《C++与 AI：个人经验分享合集》
《突破AI数据标注高成本枷锁，势在必行！》
在人工智能飞速发展的时代，数据标注作为AI模型训练的基石，重要性不言而喻。高质量的数据标注能让AI模型学习到准确的模式和特征，从而提升模型的准确性与可靠性。 但当下，AI数据标注成本居高不下，成为制约AI产业进一步发展的关键因素。探寻创新解决思路，已迫在眉睫。AI数据标注成本高主要体现在人力、时间和管理等方面。 而且随着AI应用深入各领域，对专业数据标注需求增长，像法律、金融等行业，需专业知识背景的标注员，人力成本进一步攀升。时间成本也不容忽视。标注过程繁琐，尤其在处理大规模数据时，需要投入大量时间。 分布式众包模式存在数据安全与质量把控难题，专业平台模式则面临市场竞争与客户获取成本高等问题。AI数据标注成本高的问题并非无解，通过技术创新、商业模式创新和人才培养管理创新，有望找到破局之路。 在这个过程中，需要企业、科研机构、高校等各方协同合作，共同推动AI数据标注行业的发展，为AI技术的广泛应用奠定坚实基础 。
50200编辑于 2025-03-16 - 来自专栏韦东山嵌入式
第7章_低成本 Modbus 传感器的实现
第7章 低成本 Modbus 传感器的实现 7.1 硬件资源介绍与接线 我们的 Modbus 传感器开发套件共有三个， 三个板子的使用的主控方案是 STM32F030芯片，硬件接口资源如下图所示： 开关量模块 STM32H5 程序改造 本节源码为“3_程序源码\01_视频配套的源码\7-6_STM32F030串口测试\h5_demo”。 7.5 libmodbus 移植 本节源码为“3_ 程序源码\01_ 视频配套的源码\7-7_STM32F030 上libmodbus 移植 \f030_demo”。 AI I2C2_SDA PB7 可以读到温度、湿度 AI AI 7.6.3 点表设计 所谓点表， 就是一个 modbus 设备，它的地址是什么？ 因此伴随着技术发展， 电力系统中从一遥（遥信 DI）阶段、发展到二遥（遥信 AI、 遥测 DI）、三遥（遥信 AI、遥测 DI 和遥控 DO）、四遥（遥信 AI、遥测 DI、遥控 DO 和遥 调 AO）
82510编辑于 2024-06-29 - 来自专栏AI 大数据
DeepSeek 模型的成本效益深度解析：低成本、高性能的AI新选择
引言随着人工智能技术的迅猛发展，模型的性能和成本成为开发者关注的焦点。DeepSeek作为新兴的AI模型，以其高效的性能和低廉的成本引起了广泛关注。 相比传统模型，DeepSeek的单位token训练成本下降了78%，显著提升了成本效益。 这些措施使得DeepSeek的推理成本仅为行业平均水平的1/5，极大地降低了部署成本。模型维护成本在维护方面，DeepSeek通过自动化运维系统，减少了人工干预，提高了运维效率。 随着人工智能技术的不断发展，模型的成本效益将成为竞争的关键因素。未来，DeepSeek有望通过持续的技术创新和生态建设，进一步降低成本，提高性能，为更多企业和开发者提供高效、低成本的AI解决方案。 Here's who could win and lose from China's AI progress. - Business Insider
1.4K00编辑于 2025-03-19 - 来自专栏新智元
ARK Invest最新报告 ：AI训练成本下降了100倍，但训练最先进AI模型的成本惊人
新智元报道 来源：venturebeat 编辑：雅新 【新智元导读】方舟投资的最新一项报告指出，AI训练成本从2017年至2019年下降了100倍，但人工智能发展尚处于初期阶段。 两年间，AI训练成本下降了100倍 方舟评估委员会在其报告中发现，从1960年到2010年，按照摩尔定律，用于训练的AI算力翻了一番。 尽管一些专家认为，科技巨头无可匹敌的实验室有能力从事新的研究，但训练成本也是AI工作中不可避免的开支，不论是在企业、学术界还是其他领域。 AI发展尚处于初期阶段，训练最先进AI模型的成本依然惊人 方舟投资报告指出， 硬件和软件的突破使得AI训练成本下降。 ARK 分析师 James Wang 写道，「从AI训练成本下降的速度来看，人工智能发展还处于初期。」 摩尔定律的第一个十年里，晶体管数量每年翻一番。
1.2K40发布于 2020-06-09 任务分解与小模型如何降低AI成本
任务分解与小型语言模型如何让AI更经济生成式AI应用的广泛使用增加了对准确、经济高效的大型语言模型需求。 生成式AI的创造性和在不确定性下工作的能力使其适合此任务。 成本与复杂度的思维模型决定是否使用任务分解的一个有用思维模型是考虑应用程序的估计总拥有成本。随着用户群的增长，基础设施成本变得主导，而任务分解等优化方法可以降低TCO，尽管存在前期工程和科学成本。 使用多个、更小、精细调整的LLM进行任务分解为提高复杂AI应用的成本效率提供了一种有前景的方法，与使用单一大型前沿模型相比，可能提供显著的基础设施成本节约。 在成本、性能、简单性和保留AI创造性之间找到适当平衡将是释放这一有前景方法全部潜力的关键。
29010编辑于 2025-10-17AI编程：爽感背后的成本与隐忧
一、AI编程的双面体验：从工具革命到成本陷阱我最近在技术圈里观察到一种有趣的分化现象。一面是铺天盖地的AI编程“爽文”，讲述如何用几句话生成完整系统；另一面则是技术群里越来越多的成本抱怨。 当开发者从代码编写者转变为AI提示工程师、代码审查者和架构设计师时，整个软件开发的生态链都在发生结构性的变化。成本问题尤为突出。 这种属于特例，但确实反映了AI编程的真实成本。更值得思考的是，当AI编程成本成为开发者的固定支出时，这个成本最终会由谁来承担？是开发者自掏腰包，还是企业纳入研发成本？ 但这里存在一个严重的误判：业务人员使用AI编程的成本可能远高于专业开发者。 成本、需求表述、系统稳定性等问题依然存在，但更重要的是，我们需要重新思考技术在业务中的定位和价值。在实践中探索，在探索中优化，最终找到最适合自己、最适合业务的AI应用之道。
26130编辑于 2026-01-07- 来自专栏云云众生s
Kubernetes+大模型：Cast AI解决成本难题
Cast AI 利用其在 Kubernetes 自动化方面的专业知识，使 DevOps 和 AIOps 团队能够找到性能和成本最佳的 AI 模型。 几年前，Cast AI 推出了一个自动化平台，用于管理 Kubernetes 的运营和成本。 鉴于 Kubernetes 和 AI 之间的共生关系，这家成立五年的初创公司也帮助组织及其开发人员管理 AI 运营成本也就不足为奇了。 成本高昂的 LLMs Cast AI 的各种工具——包括 AI Optimizer 和现在的 AI Enabler（之前的 Playground）——旨在帮助开发人员掌握生成式 AI 领域，该领域的 LLM “此外，还与微调、训练、向量搜索和扩展相关的巨额成本。” 控制成本 Cast AI 的 表示，控制这些成本可以使 DevOps 团队充分利用 LLM 的功能。
38710编辑于 2024-11-28 - 来自专栏云云众生s
混合IT成为解决AI成本上升的方案
控制AI基础设施成本 虽然混合云模型为您提供了更好的财务稳定性，但您不一定能看到成本节省。这是因为AI技术的成本和应用仍然难以预测。 如果您有一个活跃的混合环境，成本可能不如您希望的那样可预测。 为了尽可能控制AI基础设施成本，请从运营成本的角度考虑您需要添加的计算资源以获得新的效率。 当您不确定如何控制AI成本并希望避免过于关注成本而影响AI模型训练价值时，托管数据中心是理想的选择。 您可以通过增长来改变它，但您有一个基础，并且成本列在您的合同中。 为快速失败做好准备 自行控制AI基础设施成本非常困难。您需要知道您将在每个AI阶段运行多长时间。 您将更快地调整以保持同步并测试您的AI假设。在管理基础设施成本的同时，您将获得快速失败的能力——这最终在AI领域取得成功的标志之一。
40910编辑于 2024-12-15 - 来自专栏SAP最佳业务实践
SAP关于标准成本、计划成本、目标成本、实际成本
（1）标准成本=标准价*标准量即根据物料主数据上的标准价S*BOM上的物料数量等到标准价，一般来讲我们是通过T-codeCK24发布出来，即我们在物料主数据成本视图2看到的就是标准价。 （2）目标成本=标准价*实际量，标准价同（1），实际量的来源于T-codeCO11N的报工后的工时得到。所以如果你的目标成本有误，一定要去查一下是否没有报工。 （3）实际成本=实际价格*实际量，因为你是采用标准价，所以出入库都是标准价格，系统本身并没有实际价格，但是在CO88结算后会结算出产品差异，即标准价+差异=实际价格。 （4）计划成本=计划价格*计划数量+作业价格*计划数量，计划成本为生产订单计划生产量*计划生产变式中定义的价格，计划成本同目标成本的差别是：目标成本是成本控制的需要，计划成本是企业全面预算和计划控制的需要 ，计划成本核算的时间为计划订单产生时，当你保存订单时已计划成本会自动计算，如果你做出的更改与成本核算有关，则在你保存订单时，会重新计算已计划的成本。
3.9K41发布于 2018-03-27 - 来自专栏全栈程序员必看
成本=固定成本+可变成本_可避免固定成本是机会成本吗
1、固定成本 和 可变成本 根据成本费用与产量的关系可将总成本费用分为： 可变成本；是指随着产品产量的增减而成正比例变化的各项费用。 固定成本：是指不随产品产量的变化的各项成本费用。 半可变（或半固定）成本：有些成本费用属于半可变成本，如不能熄灭的工业炉的燃料费等。 工资、营业费用和流动资金利息等也都可能既有可变因素，又有固定因素。 必要时需将半可变（或半固定）成进一步分解为可变成本和固定成本，使产品成本费用最终划分为可变成本和固定成本。 2、沉没成本 沉没成本是指由于过去的决策已经发生了的，而不能由现在或将来的任何决策改变的成本。 沉没成本常用来和可变成本作比较，可变成本可以被改变，而沉没成本则不能被改变。 示例： 我们来玩一个游戏，假设你是一个北京的打工仔，月收入5000元，扣除五险一金，到手4000多元。
1.6K20编辑于 2022-11-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号