如果 AI 至今做過最聰明的事，是揭露我們對「便宜」的想像有多脆弱，那會怎樣？多年來，高階主管把軟體當成陽光：充沛、無形，而且難以配給。如今，電錶出現在房間裡了。強大的 AI 工具正在燒掉預算，而新的紀律不是發明，而是克制。這正是市場厭惡的那種反轉。他們喜歡奇蹟，不喜歡帳單。
最新的證據很直白。根據《Financial Times》經 Digital Today 報導，Amazon、Walmart、Cisco、Uber 和 Meta 正在實施使用上限、抑制浪費性使用，並引導員工改用較便宜的模型，以控制 AI 支出。Anthropic 和 OpenAI 也正把部分服務從固定訂閱轉為按 token 計費，這推高了企業成本。這不是副作用，而是商業模式變得可見。一旦迷霧散去，無限制使用的舊幻想就會撞上稀缺的硬邊界。
隱藏的風險不是 AI 停止進步，而是進步可能讓需求更不受節制。當工具變得更有能力，人們不一定會更謹慎地使用，反而會更頻繁地使用。這就是便宜充裕的老問題。在工程上，更強大的引擎若燃油管線判斷錯誤，仍然會故障。在市場上，聰明的產品可能因為鼓勵客戶原本沒計畫的用量，而摧毀自身的定價能力。結果很熟悉：賣方稱之為採用，買方稱之為失控。
最清楚的警告來自 Workato。根據《Huffington Post Italia》引述《FT》，這家約有 1,300 名員工的軟體公司，在 Anthropic 於 5 月改用 token 計價後，AI 支出在單日內暴增 7 倍。該公司 CIO Carter Busse 說：「我們創造了一個怪物。」這句話令人印象深刻，因為它很誠實。怪物不一定是來自外部的威脅，有時它是一個學會長得比治理更快的流程。預算不像模型，不會靠魔法擴充。
Token 計價是那種在觸及財務之前，看起來很技術性的變革。固定訂閱感覺像一座橋：可預測、安靜、容易通過。按 token 計費則更像霧中的收費道路。旅程相同，但每一次轉動方向盤都比使用者預期更貴。Anthropic 和 OpenAI 正把部分服務推向這種模式，而市場正在學習當使用量變得顆粒化時會發生什麼。人們不只為能力付費，也為好奇心、重複和懶惰付費。
Deloitte 全球生成式 AI 負責人 Costi Perricos 直白點出這種文化轉變：「運算成本開始進入 CFO 和董事會的腦海……消費者和企業一直被教導 AI 很便宜或免費，但事實並非如此。」這句話很重要，因為它揭露了這波熱潮核心的心理錯誤。如果工具感覺免費，使用者就會表現得好像邊際決策不重要。但它們重要。歷史上充滿因為價格訊號來得太晚而崩潰的系統，等到習慣已形成、帳單已到期才出現。
還有一個賽局理論問題藏在眾目睽睽之下。在任何組織裡，如果一個團隊積極使用 AI，另一個團隊自我克制，魯莽的團隊在短期內可能顯得更有效率。節省是私人的，浪費則被社會化。因此使用量會一路攀升，直到有預算權的人介入。這就是上限出現的原因。它們不只是成本控制，也是試圖把囚徒困境恢復成合作賽局。沒有上限，每個人都會因為比系統補充速度更快地消耗共同資源而受到獎勵。
AI 的故事始終有一部分是關於心理學。使用者被告知這些工具便宜或免費，然後被要求圍繞它們建立工作流程。這會創造一種奇怪的依賴。一旦公司圍繞新技術重新組織任務，即使成本上升，要收回也更難。技術從新奇事物變成基礎設施。基礎設施正是樂觀主義被審計的地方。如果道路、電線或支付軌道變貴，夢想不會被推翻，而是被重新定價。
Sam Altman 已承認成本現在是嚴重問題。根據 Digital Today 引述《FT》，他表示成本今年已成為客戶的「巨大問題」，是「去年完全不存在的问题」。這是有用的承認，因為它削弱了 AI 經濟學已走上穩定路徑的觀念。事實並非如此。使用者需求的快速變化，可能比模型品質的改善更具破壞穩定性。產品變更好，但預算變得更不寬容。市場常把圖表上這兩條線混淆。
投資人的本能，是把每一條成長曲線都當成會持續到成為命運。但機率有一種讓線性思考難堪的習慣。一個系統可能因為使用量上升而看起來反脆弱，實際上卻因為每個新使用者都增加底層成本堆疊的壓力而變得更脆弱。越多人依賴這項服務，定價重設就越危險。雲端運算、能源，如今還有 AI，都是如此。帳單不只是一筆項目，而是一場壓力測試。
Uber 提供了一個有用的例子，說明熱情多快會撞上算術。《Huffington Post Italia》引述《FT》報導，Uber 在 4 月就用完了整個 2026 年 AI 預算，並對某些 AI 工具實施每名員工每月 1,500 美元的上限。這不是微不足道的調整。它說明該公司不再把 AI 當成開放式實驗，而是像任何其他受約束的投入一樣對待。這就是成熟系統在發現一個曾被行銷為變革性的工具，也可能成為漏洞時所做的事。
更廣泛的市場也正面對需求與效率之間的差異。根據《Financial Times》經 Digital Today 報導，Goldman Sachs 分析師預測，到 2030 年 token 消耗量將成長 24 倍，並表示這可能在未來 12 至 18 個月加劇晶片短缺。這項預測重要，不是因為預測必然正確，而是因為它顯示壓力可能從軟體預算轉移到實體供應鏈。當 token 倍增，影響不是抽象的。它會觸及晶片、電力和容量。網際網路教會投資人把規模想成沒有重量。AI 正在提醒他們，規模有實質的胃口。
根據《FT 中文網》，OpenRouter 的數據顯示，自去年初以來使用量已擴大約 250 倍。即使不把它變成精確預測，方向也已經足夠。快速擴張可以讓每個假設看起來都合理，直到它不再合理的那一刻。投機系統就是這樣運作。當分母成長時，它們運作得完美；當成長放緩或成本上升時，它們就變得更脆弱。缺陷從來不只在產品，也在於期待定價能永遠保持隱形。
這種成本壓力出現之際，前沿實驗室正開始面對公開市場。根據《Forbes》，OpenAI 在 2025 年於 130.7 億美元營收上錄得 209 億美元營業虧損，在一次性費用後淨虧損 385 億美元，並已機密提交 IPO 申請。OpenAI 和 Anthropic 都延後了 IPO 計畫。《FT 中文網》報導，Anthropic 據稱目標是在 11 月以超過 2 兆美元估值上市，而 Sam Altman 表示 OpenAI 不太可能在 2027 年前上市，該公司也正在權衡以 1.2 兆美元估值進行私募輪。
這個順序很重要，因為市場不只為成長定價，也為成長周圍的摩擦定價。當投資人相信單位經濟正在改善時，他們能容忍虧損。當他們懷疑這門生意是在賣一個每次使用都變得更貴的夢想時，他們就會失去耐心。公開市場懲罰不確定性的方式，往往與私募資本不同。私募投資人可以等待敘事追上。公開股東最終會問那個直白的問題：當奇蹟變成日常，誰買單？
這裡有一個安靜的諷刺。AI 讓某些任務更快，卻也讓經濟學更清楚可讀。固定定價隱藏了消耗規模，計量計費揭露了它，使用上限更進一步揭露它。一旦如此，董事會就不再問這工具是否令人驚豔，而開始問它是否可控。那一刻，成長故事就變成治理故事。軟體可能仍然聰明，公司現在必須證明自己有紀律。
教訓不是 AI 壞了，而是每個強大的系統最終都會遇上它試圖抽象掉的限制。河流看起來平滑，直到撞上狹窄河道。引擎看起來優雅，直到燃料帳單送來。在市場上，最危險的階段不是失敗，而是正常化：產品有足夠使用者而變得重要，有足夠成本而令人惱怒，卻還沒有足夠定價能力來合理化任何一方。AI 的下一階段將屬於那些能讓消耗看起來不像火災，而更像火爐的人：受控、可衡量、可圍堵。
