Sunrun(僅公司名)把家裡變微型資料中心，算力真的能賣進家庭嗎？

生成式AI真正的瓶頸，不是模型，而是成本結構

「如果成本一年內不能降到現在的 20%，兩年內不能降到 10%，AI 很難真正普及。」Palo Alto Networks 執行長 Nikesh Arora 這句話，幾乎把整個產業的痛點講穿了。

生成式AI看起來像是一場技術革命，但企業端最先感受到的，往往不是能力提升，而是帳單暴增。算力要錢，token 更貴。模型愈大、上下文愈長、使用愈頻繁，最終都會反映在財務報表上。當企業開始認真算 ROI，很多原本很熱的AI導入計畫，瞬間就冷下來了。

 

代幣定價，正在變成企業採用AI的最大阻力

Arora 甚至直接點出一個殘酷現實：即便 OpenAI 已經宣稱新模型的 token 效率提升了 54%，對多數企業來說還是不夠。

他認為，一年內 token 成本要再降到現有的 20%，兩年內更要降到 10%，AI 服務才有可能真正大規模落地。這不是單純的技術問題，而是整個商業模式的問題。因為只要 token 還是昂貴成本中心，CFO 就不可能無條件放行，技術團隊再怎麼想擴大使用場景，也只能被預算卡住。

Palantir 執行長 Alex Karp 的看法更直接。他批評 OpenAI 和 Anthropic 這套按 token 計費的模式「出了很大的問題」，認為很多企業其實並不急著導入 AI，寧可先觀望。他甚至提到，open-weight 模型可能才是更合理的解法，因為企業可以自行部署、自己優化，不必一直被不透明又昂貴的商業 token 計價綁住。

真正值得關注的，不是模型誰更會說話，而是誰能把 AI 變成企業願意持續付費的工具。

 

算力狂燒資本，市場卻還在加碼

有趣的是，成本壓力一邊升高，資本支出卻沒有降溫。

為了支撐雲端與AI運算需求，SpaceX 上月透過債券籌資 250 億美元，Amazon 這週也在債市募得同等規模資金。這些錢，說穿了，很多都會流向資料中心、伺服器與AI相關基礎建設。

Arora 的說法很到位：當市場相信需求幾乎無限時，短期內確實可能接受這種燒錢速度；但長期來看，如果沒有技術效率提升與商業模式重構，企業資本結構遲早會出問題。AI不是沒有需求，而是需求太旺，反而逼出成本重估。

 

Sunrun：把家裡變成微型資料中心

如果說大型科技公司是在雲端世界找答案，那美國住宅太陽能公司 Sunrun 則是往另一個方向走：把算力搬進用戶家裡，再把這些算力賣回市場。

Wells Fargo 分析師 Praneeth Satish 的想法很大膽。Sunrun 打算利用既有的分布式太陽能板、家用電池網路，再結合 AI 運算節點，把每一戶家庭變成「微型資料中心」，參與 AI 推論工作負載。

這不是概念喊話而已。Satish 估算，AI 運算可帶來每千瓦時超過 4 美元的收入，遠高於目前儲能其他應用不到 1 美元的水準。也就是說，原本只是能源設備的東西，現在有機會升級成高毛利的數位基礎建設資產。

Sunrun 還打算提供住戶補貼，鼓勵家庭加入這個虛擬算力電廠。Wells Fargo 預估，每戶一年大約可拿到 1,000 美元的報酬，邏輯上跟現有虛擬電廠計畫相近。

這件事一旦成真，Sunrun 的定位就不只是賣綠電，而是直接跨進 AI 基礎設施市場。Wells Fargo 也因此給出 Overweight 評級，目標價 22 美元，相較近期股價有明顯上漲空間。

真正的不是太陽能，而是算力；真正的不是電池，而是推論。

 

Meta 也開始想：我能不能把算力租出去？

另一條線，則來自 Meta。

Mark Zuckerberg 近期坦言，公司正在評估，是否把自家 AI 基礎設施對外開放，做成某種雲端出租業務。選項包括：讓開發者直接在 Meta 的基礎設施上呼叫模型、按使用量收費；或者更直接一點，出租純算力，走類似專業算力雲端供應商的模式。

Zuckerberg 講得很坦白：Meta 現在其實沒有「多餘」算力，因為內部 AI 計畫已經把資源吃滿。但另一方面，外部客戶願意出的價格又相當誘人，讓公司不得不認真思考這件事。

Meta 已經透過 API 對外提供 Muse Spark 1.1 模型，某種程度上就是在試水溫。Zuckerberg 甚至提到，他也在觀察 SpaceX 的做法——後者同樣在探索把資料中心容量出租給其他公司。

這代表未來的雲端競局，可能不只由 Amazon、Microsoft、Google 主導。衛星公司、太陽能公司、社群平台，甚至電動車企業，只要手上有硬體、有場域，都可能加入 AI 基礎設施出租的戰局。

 

Mercor 估值翻倍，AI供應鏈的價值還在往上移

在產業更上游，市場對 AI 基礎設施供應商的想像也還在擴大。

專門替大型實驗室與平台提供模型訓練基礎設施的 Mercor，最新傳出正在洽談新一輪融資，估值可能上看 200 億美元，相比去年 C 輪的 100 億美元，等於直接翻倍。

Mercor 的客戶包括 OpenAI、Anthropic 與 Meta。這件事很重要，因為它說明了一個現象：即便是這些擁有大量自建資源的巨頭，依然願意把部分專業訓練需求外包給第三方。

換句話說，AI 不只是在比誰的模型最強，還在比誰能提供更有效率的訓練、最佳化與算力服務。這條供應鏈本身，已經成為資本市場新的焦點。

 

從模型競賽，走向算力競賽與價格戰

把這些訊號放在一起看，脈絡其實非常清楚。

Palo Alto Networks 和 Palantir 在抱怨 token 成本太高，說明企業端已經開始反噬。Sunrun 把家庭能源設備變成微型資料中心，顯示算力正在往邊緣分散。Meta 思考把基礎設施對外出租，代表大型平台也在找新的變現方式。Mercor 估值翻倍，則證明市場願意為這些中上游供應商給出更高定價。

AI產業正在快速從「模型競賽」轉向「算力競賽」與「成本戰」。

需求還在爆發，但真正能決定勝負的，不再只是誰的模型最會生成，而是誰能把昂貴的 token 變成企業可接受的成本，誰能把算力用更有效率的方式封裝成商業模式。

未來幾季，我會特別看三件事：

1. OpenAI、Anthropic 這類主力實驗室，能否持續大幅提升 token 效率並調降價格
2. 分布式算力是否真的能在技術與監管上落地，讓家庭與能源公司成為AI基礎設施的一環
3. Meta、SpaceX 這類巨頭，會不會正式啟動算力出租，改寫既有雲端競爭格局

真正的不是哪一家模型公司最會講故事，而是哪一家能把故事寫進成本結構裡。

AI的下一階段，不是單純比誰更聰明，而是比誰更便宜、更快、更能規模化。當 token 不再是奢侈品，AI 才可能真正從熱潮，變成產業基礎。