資訊悅報 Vol.68｜RE:FORM RATE: GPU 支出持續攀升，如何找出看不見的資源浪費？
GPU 成本成為新一波雲端浪費：RATE 推出 GPU Utilization 使用率分析功能
只要問任何一位基礎架構主管，2026 年最令他們夜不成眠的是什麼，往往才說不到第二句就會提到 GPU。受關稅、台積電成本上升，以及 AI 需求帶動的 DRAM 供應吃緊影響，Nvidia 與 AMD 今年均調高顯示卡價格 10% 至 15%。¹ ² 同時，Gartner 預測，到 2029 年，將有一半的雲端運算資源配置給 AI 工作負載。³
幾乎所有企業都被要求增加 GPU 投資，卻很少有企業能清楚說明，這些支出究竟有多少真正被有效運用。
這正是 RATE 現在要補上的缺口。GPU 使用率分析（GPU Utilization） 是 RATE 最新推出的功能，旨在將既有運算、儲存及 Kubernetes 成本管理所具備的可視性、責任歸屬與自動化成本精進能力，延伸至雲端帳單中最昂貴的支出項目。
GPU 浪費不是帳單上的零頭，而是預算問題
雲端資源浪費一直是雲端財務管理（FinOps）必須面對的問題，但 GPU 浪費的規模卻是另一個量級。
近期產業研究發現，企業 GPU 的平均使用率僅約 5%，這也是造成分析師所稱「4,010 億美元 AI 基礎設施問題」的因素之一。⁴ 即使在管理較完善的環境中，AI 推論工作負載的平均使用率也僅約 22%。依照該研究的判斷標準，任何使用率低於 40% 的 GPU 叢集，都意味著企業仍在為未被使用的運算容量付費。⁵
為什麼這樣的情況會一再發生？
- GPU 資源配置以尖峰需求為準，而非平均使用量。 AI 模型訓練工作可能在數天內大量消耗運算資源，但訓練結束後，整個 GPU 叢集卻可能閒置數週。
- 沒有人能清楚對應費用的負責單位。 GPU 執行個體往往不像一般運算資源一樣，依團隊、專案或模型進行標籤分類，導致財務部門無法將支出追溯至實際負責決策的人員。
- 預留資源與隨需付費的選擇，往往只在採購時決定一次。 團隊在採購階段便選定計價模式，即使後續使用型態改變，也不會重新評估原有的費率選擇是否仍然適合。
- 多雲環境讓問題更加複雜。 AWS、Azure、GCP 與 AliCloud 對 GPU 資源的定價與配置方式各不相同，要求團隊跨供應商手動比較，不僅耗時，也難以持續執行。
最終，企業對 AI 的投入速度超越了 AI 治理能力，而 GPU 支出也成為預算審查時，最難以完整說明的一項費用。
RATE 推出 GPU Utilization 使用率分析功能
GPU Utilization 延伸了 RATE 既有的 FinOps 管理引擎。原有平台已能在單一儀表板整合 AWS、Azure、GCP、AliCloud 與 Kubernetes 的成本資訊，如今進一步針對 AI 工作負載出現在雲端帳單後，企業最關心的兩項需求提供支援。
1. GPU 成本分攤，細至團隊與專案
RATE 現在能像管理一般運算資源一樣，透過標籤識別並歸屬 GPU 支出：
- 依團隊、專案或模型確認成本歸屬。 不再只能看到「GPU 支出：34 萬美元」這樣的總額，而是能進一步辨識，究竟是哪個團隊的模型訓練作業，或哪個模型的推論工作負載正在產生成本。
- 將 GPU 使用率與成本資訊對照呈現。 RATE 能同時顯示企業實際支付的費用，以及 GPU 資源的真正使用情況，讓閒置或過度配置的 GPU 資源自動浮現，不再隱藏於彙總帳單之中。
- 提供可用於成本分攤的報表。 財務部門能依資源負責單位取得清楚且有依據的成本數據，工程團隊則無須增加額外的標籤管理負擔，也能建立對應的成本責任。
2. 多雲 GPU 定價與資源配置改善
RATE 能比較已連接雲端供應商的 GPU 定價與資源供應情況，並將分析結果轉化為可採取行動的建議：
- 跨供應商價格比較。 比較 AWS、Azure、GCP 與 AliCloud 之間，相同等級 GPU 的價格差異，以及哪些供應商實際具備可用容量。
- 預留、隨需與競價型執行個體的選擇建議。 RATE 會根據實際使用模式，建議適合的資源承諾與計價方式，而不是只依賴採購當下的一次性判斷。
- 資源規格調整建議（Rightsizing）。 辨識規格過高、但實際使用率偏低的 GPU 執行個體，並提出改用較小規格或共用叢集的建議。
與 RATE 的其他功能相同，GPU Utilization 採用免安裝代理程式（Agentless） 的方式運作。企業無須在模型訓練叢集內安裝額外元件，不會增加效能負擔，也不必額外協調資安例外許可。
為什麼現在就必須重視，而不是等到明年？
GPU 價格持續上漲，企業一方面被期待增加 AI 預算，另一方面也必須證明投資報酬率（ROI）。這樣的雙重壓力，對無法回答基本成本問題的組織尤其不利：哪個團隊的 GPU 支出最高？我們是否正在為未使用的運算容量付費？目前採用的計價模式，真的符合實際工作負載的使用方式嗎？
根據 RATE 客戶的既有導入資料，企業在使用 RATE 管理雲端運算資源的前 30 天內，便已能辨識出約 25% 可立即著手改善的成本降低機會。⁶ GPU Utilization 的設計目標，就是將相同的成本管理原則，延伸至基礎架構預算中成長最快、卻也最缺乏透明度的領域。
想知道 GPU 預算究竟花在哪裡嗎？
參考資料
- Nvidia reportedly raises GPU prices by 10-15% as manufacturing costs surge，Tom’s Hardware，2026。
- AMD to allegedly raise graphics card prices by at least 10% in 2026，Tom’s Hardware。
- Gartner: 6 trends shaping cloud computing through 2029，Channel Futures。
- 5% GPU utilization: The $401 billion AI infrastructure problem enterprises can’t keep ignoring，VentureBeat。
- AI Inference Cost Economics in 2026: GPU FinOps Playbook，Spheron Blog。
- 根據 RATE 客戶導入資料。另請參閱：Why is FinOps No Longer Optional?。
資安團隊不可能永遠靠加快回應速度來應付威脅。隨著 AI 協助攻擊者加速偵察與漏洞利用，企業必須從一開始就減少可能促成攻擊的機會。
