企業AI預算降5.2%，雲端與晶片需求還會增嗎？

 

AI模型成本要用完成任務衡量

近期市場資料重新檢視兩項常見看法：中國AI模型的成本優勢，以及企業AI支出快速膨脹。佩特森國際經濟研究所高階研究員馬丁・喬澤姆帕的分析顯示，OpenAI、Anthropic與Google的頂尖模型，在完成相同任務時，通常能提供較低的總成本。

中國模型每個token的初始報價可能較低，這只能反映模型輸入與輸出的計價單位。企業最後支付多少，還取決於完成任務所需的token數量與執行效率。最新基準資料顯示，美國模型在任務層級的成本表現更有優勢，單一token報價無法代表總成本。

這個差異對企業採購很重要。企業購買的是可完成工作的AI服務，財務部門計算的也是整套任務成本。若低價模型需要消耗更多token才能得到相同結果，帳面上的價格優勢就會縮小。

 

美國模型的效率來自軟硬體共同優化

市場常聚焦中國實驗室發表的技術論文，模型背後的成本優化能力同樣影響商業競爭。美國開發商累積了降低推論成本的技術，也能搭配效率較高的硬體晶片，形成從模型到運算設備的完整堆疊。

這裡牽涉AI基礎建設的規模效應。大型實驗室擁有更高的使用量，可以持續調整模型、推論流程與硬體配置。每一次效率改善都能分攤到龐大的token需求，進一步降低單次任務成本。模型效率與晶片效率會同步影響報價能力。

開源模型可以免費下載，商業部署仍需要伺服器、網路、儲存與雲端管理。多數企業缺乏自行維運大型AI叢集的能力，因此仍會透過雲端基礎設施使用模型。喬澤姆帕指出，中國實驗室會向雲端服務供應商收取30%的分成，這筆費用也會進入企業的整體使用成本。

 

企業AI預算下降5.2%，token用量創新高

企業AI預算並未呈現失控擴張。相關資料顯示，企業AI預算下降5.2%，同一期間的token消耗量卻創下新高。兩項數據放在一起，反映企業正以更低的單位成本處理更多AI工作。

企業也更擅長依照任務需求選擇模型。簡單任務可以使用價格較低的模型，高複雜度任務則採用能力更強的版本。OpenAI、Anthropic與Google之間的價格競爭，持續壓低企業取得AI能力的成本。預算下降與用量上升可以同時發生。

這組數據支持AI使用效率改善，卻無法單獨推算各家業者的獲利變化。模型降價可能壓縮單位收入，token量快速成長則可能提高平台使用量。最後的財務結果，仍取決於推論成本下降速度能否追上價格競爭。

 

AI基礎建設需求將由使用量與效率共同決定

對AI基礎建設產業而言，企業預算趨穩不代表運算需求同步降溫。當每個token成本下降，企業可以在相近預算內執行更多任務。這種「單價下降、使用量增加」的機制，可能提高雲端平台與運算設備的利用率。

美國模型若能維持任務成本優勢，西方企業轉向中國模型的誘因也會降低。競爭焦點將持續落在推論效率、硬體效能、雲端費用與模型能力。任務總成本會決定企業模型選擇，技術論文與API標價只涵蓋其中一部分。

後續觀察可以集中在三項資料：企業AI預算是否持續平穩、token用量能否維持成長，以及主要實驗室的降價幅度。若使用量上升速度持續高於單位價格下滑，AI基礎建設仍有機會透過更高運算密度承接需求；若價格競爭加速且成本改善停滯，模型與雲端業者的獲利壓力就會升高。