Snowflake推出AI成本控制新功能，动态模型路由助企业降本增效

在人工智能技术快速发展的背景下，企业AI应用的成本问题日益凸显。尽管单个Token价格有所下降，但以智能体AI为代表的新技术应用导致Token消耗量呈现爆发式增长，2026年全球每日Token消耗量预计将达到300万亿个。面对这一挑战，Snowflake于2026年8月正式推出了其AI成本管理解决方案——动态模型路由功能。

该功能集成于Snowflake的Cortex AI Gateway及其他AI产品中，能够根据任务的质量需求和成本情况，自动选择最合适的AI模型。例如，在处理简单的Slack消息线程总结任务时，系统将优先选择性价比更高的模型，而非一味调用最新最强的Opus模型。Snowflake首席执行官Sridhar Ramaswamy表示，这一功能确保企业在业务扩展过程中，成本始终保持在可控范围之内。

Snowflake此次推出的动态模型路由功能，是各大厂商积极回应企业高管对AI成本关切的最新举措。据Flexera的一项调查显示，约五分之三的IT专业人士认为AI超支问题正在加剧。虽然单个Token价格下降，但智能体AI等新技术的应用使得Token消耗量远超传统生成式AI，抵消了单价下降带来的节省效果。

除了Snowflake，其他主流厂商也在积极探索AI成本管理方案。Oracle于6月推出面向智能体AI的Token套餐；AWS则宣布其AWS FinOps智能体进入公开预览阶段，用于排查成本异常问题。这些举措表明，AI成本管理已成为行业关注的焦点。

在具体实施层面，Snowflake的动态模型路由功能还具备以下特点：

此外，Snowflake还扩大了客户对前沿AI模型的访问权限，新增支持包括DeepSeek和Z.ai在内的最新模型。Snowflake表示，在提供更多高效模型访问渠道的基础上，动态模型路由功能将进一步推动企业在模型调用、算力使用和数据利用方面实现更高业务效率。

对于企业而言，AI成本管理不仅涉及Token单价，还包括输入上下文长度、输出长度、缓存命中率、失败重试等多个维度。Snowflake的解决方案通过精细化的Token治理机制，帮助企业从单一的价格数字转向全面的成本分析。例如，输入Token往往是最容易被忽视的成本来源，优化手段包括精简检索结果、压缩历史对话为状态摘要等。

随着AI技术的深入应用，企业需要建立一套可观察、可限制、可优化的Token治理机制。Snowflake的动态模型路由功能正是基于这一理念，为企业提供了一套完整的AI成本管理解决方案，帮助企业在保证业务效果的同时实现成本优化。