文章目錄
AI 產業的「撥接時代」即將結束？
2026.05.01
產業觀察 ／ AI 商業模式
「不能永續經營的模式，是走不遠的。但產業總是會找到出路的。」這句話，在 2026 年的 AI 服務市場，正在被一件一件的具體事件所驗證。
訊號同時出現，背後只有一個原因
最近幾週，幾個看似各自獨立的動作，在業界接連發生：
GitHub Copilot：暫停 Pro / Pro+ / Student 新用戶註冊、收緊用量上限、將頂級 Claude Opus 模型從一般 Pro 方案移除。
OpenAI：收掉 Sora 影片生成服務，反手推出運算成本較低的 Image 生成。
Anthropic：測試性縮減約 2% Claude Pro 用戶的 Claude Code 使用權益。
xAI Grok：三不五時出現服務暫停狀況，顯示容量調度仍在壓力邊緣。
GitHub 官方說明得很直白：Agentic 工作流程已從根本改變 Copilot 的運算消耗方式——長時間運行、並行處理的模式，遠超出原本「吃到飽」方案架構所能承擔的範圍。
當 Agent 化讓 token 消耗量爆炸性成長，「吃到飽」定價模式在數學上就不再成立了。
這段歷史，台灣人其實都走過
台灣網路從 PSTN 撥接，走到 xDSL，再走到 FTTx 光纖——每一次變革，都不是因為舊技術「壞掉了」，而是因為舊的成本結構，再也撐不住新的使用需求，逼出了新的基礎設施與商業模式。
| 時代 | 技術 | 瓶頸 | AI 類比 |
|---|---|---|---|
| 撥接時代 | PSTN | 按分鐘計費，邊際成本極高 | 早期 API 按 token 高價計費 |
| 寬頻時代 | xDSL | 聲稱吃到飽，頻寬有限撞牆 | 現在：月費吃到飽 → Agent 撞牆 |
| 光纖時代 | FTTx | 基礎建設成本下降，真吃到飽 | 待達到：算力成本低到足以永續 |
AI 服務現在大概就在「xDSL 時代」——嘴上說吃到飽，Agent 化之後用戶開始撞牆，各家悄悄加上計量機制，這是過渡期必然的陣痛。
算力成本有多重？先看一組數字
根據 Epoch AI 的研究，Google、Microsoft、Meta、Amazon 各自持有相當於數十萬片 NVIDIA H100 的算力，Google 換算下來可能超過百萬片（含 TPU）。這規模的硬體，每年的折舊、電費、人力，是真實存在的沉重固定成本。
Microsoft：單一最大 NVIDIA 加速器持有者，約 50 萬片 H100 等效算力
Google：含 TPU 換算，可能超過 100 萬片 H100 等效
OpenAI、Anthropic 本身不擁有算力，向 Microsoft / Amazon / Google 租用
這才是各家「開始要找出路」的根本壓力——不是技術不夠好，而是固定成本太過沉重。
出路：三條路，同時並進
產業不會只押一條路。觀察目前的發展，三個方向正在同時推進，從不同層次夾擊成本問題：
GPU / TPU 持續世代演進，專用推理晶片（如 Groq LPU）把單一 token 的邊際成本壓低一個數量級。算力基礎設施愈成熟，規模愈大，固定成本才能真正被攤平。這是最需要資本的路，但也是最根本的解法。
極限量化（1-bit / 1.58-bit）、混合專家架構（MoE）——這些技術讓模型在不大幅犧牲能力的前提下，把運算量砍掉數倍甚至數十倍。用對的小模型做對的事，不是所有任務都需要打大模型，這個判斷本身就是競爭力。
限流、分 tier、依用量計費——這是最快見效的手段，也是用戶感受最直接的陣痛點。GitHub Copilot 這波調整，就是商業路線在前排執行。這不是終點，而是過渡期必要的壓力閥。
那 Google 跟 Microsoft 為什麼還這麼大方？
Gemini 幾乎無限制、Copilot 也相對寬鬆——看起來反常，但其實邏輯很清楚：這是策略性補貼，不是永續商業。
Google：擁有自家 TPU，算力成本結構與外購 GPU 的業者截然不同，補貼空間較大。
Microsoft：把 AI 當作綁定 M365 企業生態的戰略工具，短期燒錢換長期鎖定，這筆帳算的不是 AI 服務本身。
他們燒得起，但也不會永遠燒下去。補貼終究是手段，不是模式。
結語：分層共存，才是終點
產業不會死，但會重組。三條路最終會收斂到同一個結果：讓 AI 服務的邊際成本低到足以支撐真正永續的商業模式。
最終的市場樣貌，可能是雲端大模型服務企業高單價需求，本地小模型服務成本敏感的中小企業——兩層都能活，就像現在 FTTx 光纖跟行動網路並存、各有市場一樣。
圖片資料來源: https://epoch.ai/blog/introducing-the-ai-chip-owners-explorer
不能永續經營的模式，是走不遠的。
但產業總是會找到出路的。
# 生成式AI
# AI商業模式
# LLM
# PCPiLOT
# 風雲網通系統
Comments