鉅亨網新聞中心
面對算力成本高漲與獲利壓力，Coinbase 執行長 Brian Armstrong 提出了一個前瞻性的預測：未來 12 到 18 個月內，全球約 80% 的 AI 工作負載，將會從當前的昂貴模型轉移至價格便宜 99% 的高效模型上。
隨著科技巨頭與新創公司在人工智慧領域的資本投入達到空前規模，AI 行業正迎來一場前所未有的商業模式重塑。
近期 GitHub Copilot 從「固定月費」轉型為「按量計費（Token-based）」的政策，導致部分重度使用者的帳單金額飆升，這不僅僅是單一平台的定價調整，更被視為 AI 產業「補貼模式」瓦解的開端。
過去，AI 產業為了爭奪市占率，長期採取「以超低價格培養用戶依賴」的策略。如同曾經的叫車市場，企業透過鉅額補貼降低終端售價，導致固定訂閱制的費用遠低於實際的推理算力成本。
然而，隨著企業需求從簡單的自動補全進階至需要龐大推理能力的「智慧體（Agent）」工作流，算力消耗呈現指數級增長。
GitHub 的此次變革，正是為了將定價回歸到真實的算力消耗水平。分析師指出，這只是市場轉型的一小步，隨著 AI 工作負載日益複雜，這種將隱形成本顯性化的收費模式，將會成為行業的主流規範。
面對定價轉型引發的「帳單震撼」，企業該如何應對？Brian Armstrong 給出的策略極為清晰：智能路由（Model Routing）。
他認為，並非所有任務都需要頂級模型來完成。在 Coinbase 的內部實踐中，工程師正積極將不同的任務分配給最合適的模型，而非一味追求最大或最強的模型。
他強調，只有 20% 的特定任務，例如尖端的科學研究或高複雜度的智慧體編排，才需要動用最先進的頂尖模型；而絕大多數的常規任務，透過價格更親民、甚至便宜 99% 的模型便能有效解決。
這種策略不僅讓企業能將成本維持在可控範圍，同時也能確保 token 使用量隨業務擴張而增長時，不會帶來毀滅性的財務負擔。
Brian Armstrong 的預測背後，揭示了一個更為深刻的產業瓶頸：限制 AI 發展的關鍵因子，正在從「模型質量」轉向「算力與能源」。
在模型性能不斷突破的今天，企業已經意識到，比起盲目追逐 IQ 最大化，如何利用現有的基礎設施實現大規模的成本效益，才是決定企業生存的關鍵。
目前，許多 AI 大廠的獲利能力依然深陷虧損，這部分依賴於外部資本投入 GPU 與電力基礎設施。當投資人開始要求回報，企業無法再無限期地進行補貼。
未來，AI 產業的競爭重點將從「誰能訓練出最大的模型」，轉向「誰能在有限的能源與晶片資源下，提供性價比最高的解決方案」。
這場正在發生的轉型，意味著 AI 產業正從早期的實驗與「暴力式增長」，邁向追求執行效率與單元經濟效應的成熟階段。對於企業管理者而言，這是一場殘酷的淘汰賽，但同時也是優化組織運作、導入 AI 原生流程的絕佳機會。
正如市場轉變所呈現的訊號，能精準計算成本並靈活配置算力資源的企業，將在這波 AI 浪潮中建立起真正的護城河。
上一篇
下一篇
