<p>“沒有辦法在一夜之間將支持組織擴展到我們週日將要面對的規模。你無法僱傭到經過培訓的人，這些人是旅行代理人，對吧？你無法在一夜之間僱傭足夠的人……因此，人工智能是極其重要的。” 這是 Navan 首席執行官 Ariel Cohen 在接受 CNBC 的 Jon Fortt 採訪時所説的話，清晰地表明瞭現代依賴人工智能的企業面臨的迫切生存壓力：當突如其來的巨大幹擾發生時，傳統的人力擴展失敗，迫使人工智能系統在極端壓力下證明其價值。</p>
<p>這段對話在 CNBC 的《街頭喧囂》中播出，討論了美國席捲而來的巨大冬季風暴所帶來的雙重挑戰。一方面，這場風暴成為了對人工智能驅動的客户服務平台的嚴酷現實壓力測試，尤其是在混亂不堪的商務旅行行業。另一方面，它突顯了人工智能繁榮本身日益增長、常常被忽視的基礎設施瓶頸：電力消耗和電網的穩定性。Fortt 與 Cohen 討論了旅行行業在危機時刻對人工智能的依賴，隨後將討論範圍擴大到數據中心——生成性人工智能的動力源——在國家能源政策討論中變得如此龐大的電力消耗問題。</p>
<p>對於像 Navan 這樣的公司，提供商務旅行和費用管理軟件，天氣引發的混亂——航班取消、酒店關閉、道路封堵——立即引發了客户服務需求的激增，而任何人類呼叫中心都無法處理。Cohen 解釋説，Navan 的人工智能聊天機器人 Ava 正是為這種急劇擴展的挑戰而設計的。在瞬間危機中無法迅速培訓和上崗數百名人類旅行代理人意味着人工智能必須承擔大部分工作。Cohen 指出，Ava 已經管理了相當一部分常規互動，他表示：“Ava 知道如何支持，我們在第三季度報告中顯示，54% 的互動都是通過她完成的。” 然而，迫在眉睫的風暴代表了一個更復雜的挑戰，不僅需要常規的預訂變更，還需要主動的、多變量的重新規劃和危機管理——這是真正檢驗他們人工智能架構有效性和穩健性的試金石。</p>
<p>這種操作壓力測試立即與人工智能生態系統內的一個更深層次的系統性問題相聯繫：電力基礎設施。Fortt 指出，政府正在探索如何告訴電網運營商將數據中心的備用電力重新利用到電網中，承認運行現代人工智能模型和雲基礎設施所需的巨大能量消耗。這一提議突顯了一個嚴峻的現實：推動人工智能革命的同一基礎設施現在變得如此龐大，以至於被視為國家能源穩定性的關鍵、但又不穩定的組成部分。</p>
<p>數據中心的巨大電力消耗不僅僅是一個環境問題；它迅速成為人工智能增長和盈利能力的最終制約因素。Fortt 恰當地將電力描述為 “這些支撐着許多技術估值的人工智能夢想中的主要限制因素之一。” 這一制約迫使創始人和開發者在模型選擇和部署方面做出艱難的選擇，超越對最大、最前沿的大型語言模型（LLMs）的簡單追求。經濟上的迫切性正在推動對模型規模與性能的快速重新評估。</p>
<p>因此，科技領導者得到的洞察是明確的：效率是競爭優勢的新前沿。運行像 OpenAI 或 Anthropic 提供的龐大模型的成本和電力需求對於許多企業應用來説是不可持續的。公司現在在問：我們真的需要每個任務都使用最昂貴、最強大的 LLM 嗎？或者，正如 Fortt 所提出的，“我需要這些前沿模型嗎？我需要 OpenAI 嗎？我需要 Anthropic 嗎？還是我可以選擇一個更基礎的模型，自己進行增強，實際上節省時間，可能在比 Nvidia 等公司的尖端產品更便宜的芯片上運行？” 這導致了對模型精簡的重大推動，微調較小的開源模型，並開發針對推理優化的專用硅——將人工智能從一種資本密集型、耗電的研究工具轉變為可擴展的、經濟上可行的企業解決方案。因此，這場冬季風暴及其帶來的混亂，不僅僅是在擾亂旅行；它們正在加速一種無情的經濟計算，這將決定哪些人工智能應用能夠在有限資源的世界中生存和繁榮。</p>

NAVN

<p>最近美國的冬季風暴突顯了人工智能驅動的企業面臨的挑戰，尤其是在旅遊行業。Navan 首席執行官 Ariel Cohen 強調了在危機期間，人工智能在管理客户服務需求方面的重要性，因為傳統的人力擴展已顯不足。這場風暴成為了人工智能系統的壓力測試，揭示了與電力消耗和電網穩定性相關的基礎設施瓶頸。這種情況促使人們重新評估人工智能模型的效率，推動公司考慮更小、更具成本效益的模型，以確保在能源需求上升的情況下實現可持續增長</p>

<p>“There is no way to scale a support organization to the level of mass that we’re going to have on Sunday, overnight. You cannot hire trained people, you know, these are travel agents, right? You cannot hire enough people overnight… and therefore AI is super, super important.” This statement, delivered by Navan CEO Ariel Cohen to CNBC’s Jon Fortt, crystallizes the immediate, existential pressure facing modern, AI-reliant businesses: when sudden, massive disruption hits, traditional human scaling fails, forcing AI systems to prove their worth under extreme duress.</p>
<div class="lb-trans"><p>“沒有辦法在一夜之間將支持組織擴展到我們週日將要面對的規模。你無法僱傭到經過培訓的人，這些人是旅行代理人，對吧？你無法在一夜之間僱傭足夠的人……因此，人工智能是極其重要的。” 這是 Navan 首席執行官 Ariel Cohen 在接受 CNBC 的 Jon Fortt 採訪時所説的話，清晰地表明瞭現代依賴人工智能的企業面臨的迫切生存壓力：當突如其來的巨大幹擾發生時，傳統的人力擴展失敗，迫使人工智能系統在極端壓力下證明其價值。</p>
</div><p>The conversation, aired on CNBC’s Squawk on the Street, focused on the dual challenges presented by a massive winter storm sweeping across the US. On one hand, the storm served as a brutal real-world stress test for AI-driven customer service platforms, particularly in the notoriously chaotic business travel sector. On the other, it highlighted the growing, often overlooked infrastructural bottleneck of the AI boom itself: power consumption and the stability of the electrical grid. Fortt spoke with Cohen about the travel industry’s reliance on AI during crisis moments, and then broadened the discussion to the macro environment where data centers—the engine rooms of generative AI—are becoming such enormous power consumers that they are now central to national energy policy discussions.</p>
<div class="lb-trans"><p>這段對話在 CNBC 的《街頭喧囂》中播出，討論了美國席捲而來的巨大冬季風暴所帶來的雙重挑戰。一方面，這場風暴成為了對人工智能驅動的客户服務平台的嚴酷現實壓力測試，尤其是在混亂不堪的商務旅行行業。另一方面，它突顯了人工智能繁榮本身日益增長、常常被忽視的基礎設施瓶頸：電力消耗和電網的穩定性。Fortt 與 Cohen 討論了旅行行業在危機時刻對人工智能的依賴，隨後將討論範圍擴大到數據中心——生成性人工智能的動力源——在國家能源政策討論中變得如此龐大的電力消耗問題。</p>
</div><p>For companies like Navan, which offers business travel and expense management software, the weather-induced chaos—flights canceled, hotels closed, roads blocked—immediately triggers a surge in customer service demands that no human call center could possibly handle. Cohen explained that Navan’s AI chatbot, Ava, is designed precisely for this kind of acute scaling challenge. The inability to rapidly onboard and train hundreds of human travel agents during an instantaneous crisis means that the AI must handle the majority of the load. Cohen noted that Ava already manages a significant portion of routine interactions, stating, “Ava knows to support, we reported in Q3, 54% of the interactions with us.” The impending storm, however, represents a far more complex challenge, demanding not just routine booking changes but proactive, multi-variable re-routing and crisis management—a true proving ground for the efficacy and robustness of their AI architecture.</p>
<div class="lb-trans"><p>對於像 Navan 這樣的公司，提供商務旅行和費用管理軟件，天氣引發的混亂——航班取消、酒店關閉、道路封堵——立即引發了客户服務需求的激增，而任何人類呼叫中心都無法處理。Cohen 解釋説，Navan 的人工智能聊天機器人 Ava 正是為這種急劇擴展的挑戰而設計的。在瞬間危機中無法迅速培訓和上崗數百名人類旅行代理人意味着人工智能必須承擔大部分工作。Cohen 指出，Ava 已經管理了相當一部分常規互動，他表示：“Ava 知道如何支持，我們在第三季度報告中顯示，54% 的互動都是通過她完成的。” 然而，迫在眉睫的風暴代表了一個更復雜的挑戰，不僅需要常規的預訂變更，還需要主動的、多變量的重新規劃和危機管理——這是真正檢驗他們人工智能架構有效性和穩健性的試金石。</p>
</div><p>This operational stress test immediately connects to a deeper, more systemic issue within the AI ecosystem: power infrastructure. Fortt noted the fascinating development where the administration is exploring ways to tell grid operators to leverage backup power from data centers back into the grid, acknowledging the sheer scale of energy consumption required to run modern AI models and cloud infrastructure. This proposal underscores a stark reality: the same infrastructure powering the AI revolution is now so large that it is being considered a critical, if volatile, component of national energy stability.</p>
<div class="lb-trans"><p>這種操作壓力測試立即與人工智能生態系統內的一個更深層次的系統性問題相聯繫：電力基礎設施。Fortt 指出，政府正在探索如何告訴電網運營商將數據中心的備用電力重新利用到電網中，承認運行現代人工智能模型和雲基礎設施所需的巨大能量消耗。這一提議突顯了一個嚴峻的現實：推動人工智能革命的同一基礎設施現在變得如此龐大，以至於被視為國家能源穩定性的關鍵、但又不穩定的組成部分。</p>
</div><p>The data center’s massive power draw is not merely an environmental concern; it is rapidly becoming the ultimate constraint on AI growth and profitability. Fortt aptly described power as “one of these major gating factors in these AI dreams that are propping up so many of these valuations right now in technology.” This constraint forces founders and developers to make difficult choices regarding model selection and deployment, moving beyond the simple pursuit of the largest, most cutting-edge Large Language Models (LLMs). The economic imperative is driving a rapid re-evaluation of model size versus performance.</p>
<div class="lb-trans"><p>數據中心的巨大電力消耗不僅僅是一個環境問題；它迅速成為人工智能增長和盈利能力的最終制約因素。Fortt 恰當地將電力描述為 “這些支撐着許多技術估值的人工智能夢想中的主要限制因素之一。” 這一制約迫使創始人和開發者在模型選擇和部署方面做出艱難的選擇，超越對最大、最前沿的大型語言模型（LLMs）的簡單追求。經濟上的迫切性正在推動對模型規模與性能的快速重新評估。</p>
</div><p>The resulting insight for tech leaders is clear: efficiency is the new frontier of competitive advantage. The cost and power demands of running massive models like those offered by OpenAI or Anthropic are unsustainable for many enterprise applications. Companies are now asking: Do we truly need the most expensive, most powerful LLM for every task? Or, as Fortt posited, “Do I need these frontier models? Do I need OpenAI? Do I need Anthropic? Or can I go with a more basic model and enhance it myself and actually save over time, run it on less expensive chips perhaps than the cutting-edge offerings from the likes of an Nvidia.” This is leading to a major push toward model slimming, fine-tuning smaller open-source models, and developing specialized silicon optimized for inference—moving AI from a capital-intensive, power-hungry research tool into a scalable, economically viable enterprise solution. The winter storm and its resulting chaos, therefore, are not just disrupting travel; they are accelerating the ruthless economic calculus that will define which AI applications survive and thrive in a world of finite resources.</p>
<div class="lb-trans"><p>因此，科技領導者得到的洞察是明確的：效率是競爭優勢的新前沿。運行像 OpenAI 或 Anthropic 提供的龐大模型的成本和電力需求對於許多企業應用來説是不可持續的。公司現在在問：我們真的需要每個任務都使用最昂貴、最強大的 LLM 嗎？或者，正如 Fortt 所提出的，“我需要這些前沿模型嗎？我需要 OpenAI 嗎？我需要 Anthropic 嗎？還是我可以選擇一個更基礎的模型，自己進行增強，實際上節省時間，可能在比 Nvidia 等公司的尖端產品更便宜的芯片上運行？” 這導致了對模型精簡的重大推動，微調較小的開源模型，並開發針對推理優化的專用硅——將人工智能從一種資本密集型、耗電的研究工具轉變為可擴展的、經濟上可行的企業解決方案。因此，這場冬季風暴及其帶來的混亂，不僅僅是在擾亂旅行；它們正在加速一種無情的經濟計算，這將決定哪些人工智能應用能夠在有限資源的世界中生存和繁榮。</p>
</div>

AI 壓力測試：極端天氣和電力需求如何揭示可擴展性不足