科技創富
AI愈來愈便宜，誰能真正賺錢？
最近一直在寫人工智能的投資熱潮，從台積電的定價權，到算力供應商的融資壓力，背後其實都圍繞着同一個問題：龐大的科技投入，最後如何變成可以持續的盈利？看完這張比較不同科技成本下降速度的圖，又想到另一個角度：如果使用AI愈來愈便宜，對使用者當然是好消息，但對供應商與投資者，又意味着甚麼？
附圖把人工智能與電力、鋰電池、電腦運算及基因排序放在一起，呈現AI成本快速下降的趨勢。不過，圖中沒有清楚交代AI的衡量標準及原始來源，很難單靠幾條曲線，便作出完全一致的比較。
有較清楚依據的例子，是史丹福大學《2025年人工智能指數報告》：以達到GPT-3.5相若基準測試表現的模型計算，每百萬詞元的查詢價格，由2022年11月約20美元，降至2024年10月約0.07美元，相差超過280倍。
這衡量的是特定能力水平的使用價格，並不代表所有AI訓練、設備及營運成本，都以同樣速度下降。
即使如此，這個變化的經濟意義已經很大。
過去因成本太高而不值得處理的工作，例如整理文件、翻譯資料、回答日常查詢或提供個人化服務，現在可能變得可行。對中小企業而言，使用這些工具的門檻降低，也意味着可以用較少資源，嘗試從前只有大型企業才負擔得起的服務。
價格下降亦可能刺激更多需求。一次查詢便宜了，企業可能把AI放進更多流程，讓它處理更多工作。因此，單次使用價格下跌，與整體算力需求增加，可以同時發生；但增加多少，仍要看工具是否可靠，以及能否帶來足夠的實際效益。
對使用者而言，AI愈便宜，潛在用途便愈多；對供應商而言，使用量增加，卻未必代表利潤同步增加。
做生意便知道，降價可以吸引客戶，但還要計算新增收入，是否足以補償每次交易少賺的部分。
如果價格跌得比自身成本更快，即使客戶愈來愈多，利潤仍可能受壓。尤其當不同供應商的產品愈來愈容易替代，客戶轉換服務的成本愈低，維持議價能力便愈困難。
這也連接到此前討論的AI基建投資。
企業需要先買晶片、建數據中心，再透過未來收入收回投資。如果服務售價持續下降，便需要更高的使用率、更低的營運成本，或者更有價值的產品，才能支持原先的回報預期。依賴借款擴張的公司，還要同時支付利息，容許出錯的空間自然較小。
因此，AI成本下降帶來的好處，未必全部留在提供模型與算力的企業手上。大部分價值可能轉移到使用AI的企業，讓它們降低成本、改善服務；另一部分則可能透過競爭，變成消費者享受到的更低價格。
掌握客戶關係、專業流程、獨有資料，以及有能力交付可靠成果的企業，才較有條件保留創造出來的價值。
科技普及與投資回報，需要分開思考。一項技術愈成功，可能愈多人使用，也可能愈來愈便宜；社會因此受惠，卻不保證每一家參與其中的公司都能賺錢。