當「Token」變成矽谷新貨幣：當科技巨頭瘋搶AI算力，投資人買單的榮景還能撐多久？

人工智慧處理文字時的基本計算單位「詞元」（token），正在工程師和董事會之間掀起風浪，從把詞元當作生產力指標，耗費數百萬美元公司資金的「詞元用量最大化」（tokenmaxxing）競爭，到反之而行的節約路線「詞元用量最小化」（tokenminning），圍繞AI的不確定性與急迫性，讓更多問題浮上檯面：AI的用處究竟為何？AI模型如何定價，未來價格又會如何變動？你花錢買下的是什麼？又要怎麼衡量AI帶來的價值？

經濟學家魯賓（Howard Rubin）為企業提供科技投資方面的諮詢，他指出AI是「無法推敲本質的貨幣，而且財務方面的實務也尚未確立。AI目前被視為一種投資，但如果得不到回報，這會是風險相當高的投資。」AI投資風險高且缺乏相關研究，促使經濟學者檢視企業導入AI的策略和後續獲益，探討AI詞元這項有限資源如何被創造，如何被交易，以及如何轉化成人們的需求。企業一直在導入新技術，電力系統讓能源可以輸送到更遠的地方，網際網路徹底改變服務的形式，雲端使數據處理從繁瑣的現場作業轉換為遠距租賃形式。AI的影響或許更為深遠，但其成本與效益比前述的「舊」技術更難以估量。

《紐約時報》（New York Times）專文分析，AI投資的運作模式，可能最接近石油產品。原油提煉出汽油、柴油、丙烷等不同燃料，它們用途各異，但都可以用能量的英熱單位（British Thermal Unit，BTU）為標準計量，且經常透過交易所批發交易，其價格會隨著供需而波動。將石化燃料的框架套到AI上頭，那麼原油等同於電力和半導體，產生的計算結果被餵給模型，並以詞元來計量。不過AI和石化產業的相似處僅限於此。現在市面上有數以千計的AI模型，計價資訊卻非常不透明，諸如一個詞元需要多少電力驅動，最適合執行特定任務的是哪些模型還有需要花費多少詞元，都未有共識。

聖塔克拉拉大學（Santa Clara University）AI與分析教授芭拉（Ram Bala）表示，AI作為一種公共服務，有各種各樣的部署模式，因此價值認定這個問題變得更加困難。舉例來說，部分模型就算被指派不可能的任務，依然會繼續嘗試達成目標。芭拉說：「你想要解決困難的問題，這是積極的一面；但從消極面來看，這可能會落入無限循環，而且無法找到合理的解答。」

非營利的Linux 基金會（Linux Foundation）致力於開源軟體的協同開發，過去曾制定雲端運算的標準，方便用戶比較不同供應商的服務。今年六月，Linux 基金會宣布成立「詞元經濟學基金會」（Tokenomics Foundation），目標同樣是根據AI公司同意公布的資訊，來制定通用的計量標準，幫助企業導入AI。

（相關報導： 當AI能夠「自主研發」新AI，我們距離「機器接管世界」已經不遠？Anthropic呼籲：保留「暫停前沿AI開發」選項 ｜ 更多文章 ）

企業以不影響利潤為前提，嘗試利用AI獲取更多收入，例如AI平台「Revenium」為企業客戶提供追蹤AI投資成本及其帶來的商業價值。Revenium共同創辦人兼營運長康柏蘭（Jason Cumberland）表示，他建議客戶向內部工程師提出昂貴模型的使用量限制，當詞元用量達到上限，工程師會轉為使用較便宜的開源模型，同時仔細審視真正的需求。「來找我們的客戶都遇到支出暴增的問題，他們想要了解這到底值不值得，以及如何在不影響工作的狀況下縮減支出，這才是挑戰所在。」康柏蘭指出額外的AI投資成本是企業的共通問題，剛開始，企業會為了Claude或ChatGPT的訂閱費用大傷腦筋，隨著他們愈發依賴這些AI模型，便開始削減軟體授權、網頁開發、文案等支出。

公司企業正在考慮將AI詞元納入人力預算，這也正是學者們關注的議題：AI是否將取代或增強真實人類的勞動。貝恩策略顧問公司（Bain & Company）的分析師進行一項思想實驗，他們設想的中程情境下，AI詞元支出將佔企業營運成本的四分之一左右。

網路安全公司「Elisity」表示，這個願景距離我們還很遠，不過該公司利用「仿生編制」（bionic head count）系統奠定基礎。根據仿生編制，AI成本加總之後除以員工薪資與福利支出的平均值，可以得到「虛擬員工人數」，然後用企業的年度營收除以真實與虛擬員工的總人數，來衡量單人貢獻。為了讓這套評估系統更真實，人資部門甚至會為虛擬員工撰寫工作內容，看看「雇用」他們是否合理，每當工程師利用AI模型完成一項任務，就必須進行一次評估。

Elisity行銷長崔德威（Charlie Treadwell）說，本質上來看，導入AI是在擴增虛擬人員編制，而這個決策是幫助公司賺更多錢，還是吃掉利潤，才是需要關注的問題，「對於處於成長期的企業來說，這會改變分配資金的思路」。然而，若是AI詞元價格大幅上漲，情況將會迅速改變。Elisity目前使用150人的定額團隊訂閱方案，如果照慣例依詞元使用量付費，Elisity的AI支出將會暴增為四倍之多，屆時公司將不得不重新審視AI運用。另外，不同雲端供應商有不同的計價方式，這又讓成本評估更為複雜，企業客戶端也無從得知價格波動的原因；由於AI公司在推出新模型以前都在搶攻市佔率，他們的收費方式有時並不會反映實際的詞元成本。

企業導入AI有助於降低「運用AI」的成本，部分原因在於快取（cache）詞元日益普及。AI模型先前處理過的提示詞及結果，可以極低的價格重複使用，隨著愈來愈多企業透過能夠自主執行任務的AI代理人（AI agent）使用其他AI工具，這些AI代理人便可利用更多快取詞元來委派任務，從而降低成本。本月發表的一篇經濟學初步研究報告指出，儘管詞元消耗量和前沿AI模型的標價都在上漲，企業AI支出卻低於預期。

AI詞元成本下降，與人類員工薪資相較仍具競爭力，這會大大影響企業將來屬意哪種類型的AI模型，然而目前懂得高效部署AI的人才依然稀缺。貝恩策略顧問公司合夥人王玨（Jue Wang，音譯）認為這其實是業內人士顯少談及的限制，「我們常常會說某公司能力不足，但同時，他們也缺乏創造價值的人才」。

要研究企業內部AI支出狀況，其中一個癥結是資料不足，無法進行追蹤、分析。現階段AI消費沒有中心化交易所，沒有期貨交易，也沒有整理出價格與支出的政府報告。正因如此，耶魯大學經濟學教授柴文斯基（Aleh Tsyvinski）才對OpenRouter的數據感到無比興奮。OpenRouter是整合AI模型與供應商的平台，用戶能夠比較不同模型的價格與表現等資訊。雖然OpenRouter的數據只代表總體AI資本支出的2%，但柴文斯基可以由此觀察金融市場對AI支出的反應。柴文斯基表示：「這是我們這個世代面臨的最大的挑戰之一。AI可能會如何改變一切，或者到頭來無法改變任何事物，了解這些有所助益，取得衡量標準也是件好事。」
（相關報導： 當AI能夠「自主研發」新AI，我們距離「機器接管世界」已經不遠？Anthropic呼籲：保留「暫停前沿AI開發」選項 ｜ 更多文章 ）