AI 經濟正一分為二：使用智慧的價格正在快速下跌，但建造與供應 AI 所需基礎設施的成本，仍受到供應限制。

一端是模型推論（inference）成本。若以相近能力與工作負載比較，部分估算顯示，AI 推論成本在約兩年內下降了 95%。不過，實際降幅仍取決於模型、任務和品質標準；更確定的趨勢是，過去只能以高價 API 使用的能力，如今逐漸可由低價模型與開放權重模型提供。39

另一端則是實體供應鏈：先進晶片製造、高頻寬記憶體（HBM）、伺服器、網路設備、電力與資料中心容量。這些資源的擴張速度，未必跟得上 AI 工作負載的需求。

模型價格戰：價值開始離開「代幣」

OpenAI 最近的降價，正好說明模型層面承受的壓力。2026 年 7 月，OpenAI 將較小型 GPT-5.6 Luna 模型的價格下調 80%，中階 Terra 模型下調 20%。34 8 月，公司又宣布開發者使用前沿 GPT-5.6 Sol 模型的價格在未來三個月下調逾 20%。33

對使用者而言，這是利多。更低的推論成本，讓企業更容易部署 AI 代理、客服自動化、內容生成、程式編寫，以及大規模資料處理。

但對模型供應商來說，每次降價都會壓低單位收入，除非使用量能大幅增加並抵銷降幅。單靠販售「沒有明顯差異的高價模型存取權」來維持利潤，將變得越來越脆弱。

這裡必須區分兩件事：更便宜的智慧，不等於更便宜的 AI 系統。 Token 或代幣價格可能下滑，但一套可靠產品仍需要檢索、監控、資安、延遲管理、系統整合和人工覆核，總營運成本未必同步下降。

實體供應鏈卻朝相反方向發展

當 AI 需求推高產能壓力，晶片供應商開始取得更強的定價能力。據報導，三星電子將部分先進晶圓代工服務的新訂單價格上調最多 15%。1

三星也表示，晶片短缺可能進一步惡化並延續至 2028 年；公司正與大型資料中心客戶洽談多年期供應安排。2 三星記憶體事業則提出一套合約架構：若談判完成，約 60% 至 70% 的產能可能由長期協議涵蓋。56

這會改變市場規則。產能不再只是「誰願意付現貨價格，誰就能取得」。大型客戶提前數年預訂供應，能提高自身的供貨確定性，卻也可能讓較小買家更容易暴露在缺貨與價格波動之下。

記憶體前景尤其緊張。SK 海力士執行長郭魯榮表示，2027 年可能是記憶體產業在供應面最艱困的一年，需求甚至可能在 2030 年後仍高於產能。這是企業預測，不是已確定的結果，但仍反映出供應回應可能需要很長時間。17

輝達顯示：基礎設施目前仍有定價權

輝達最新業績顯示，模型價格下跌尚未削弱硬體需求。公司公布 2027 財政年度第二季營收為 962 億美元，年增 106%；資料中心營收為 890 億美元，年增 117%。4950

這正是 AI 市場的核心矛盾：效率更高的模型，可能降低完成特定任務所需的運算量；但價格下降也可能刺激使用量大幅增加。如果需求增長速度快過效率提升，整體基礎設施消耗仍會上升，即使每次推論的成本下降。

因此，瓶頸可能只是轉移位置。加速器供應充足，不代表高頻寬記憶體、先進封裝、網路設備、電力或電網接入也足夠。

輝達該季毛利率為 75%。但其他分析指出，記憶體成本上升可能對未來毛利率造成壓力。4953 這不代表基礎設施經濟已經失效，而是說，強勁需求並不會讓供應鏈每一個環節都同樣有利可圖。

超大規模雲端業者能吸收壓力，但不是沒有代價

相較於小型 AI 供應商，最大的雲端業者更有能力處理「服務價格下跌、基礎設施成本上升」的落差。它們可以把投資分散到雲端運算、廣告、企業軟體和消費者平台，也能將 AI 綁入更廣泛的企業合約，透過既有分銷網絡提升使用率，並以長期協議鎖定供應。

因此，超大規模雲端業者可能成為產業的「減震器」：即使 AI 服務本身利潤較低，它們仍可能為了維繫雲端客戶關係或爭取市占而接受較低毛利。

代價是資本效率。若 AI 價格下跌速度快過使用量成長，巨額資料中心投資的回報期就可能拉長。

對小型供應商而言，環境更加嚴苛。若一家企業租用昂貴算力，再轉售一般化模型存取服務，API 價格下跌速度只要快過客戶增長，就很難保護自身利潤。

較可持續的商業模式，通常需要具備以下至少一項優勢：

• 掌握特定工作流程或專有資料；
• 擁有可信賴的企業分銷渠道；
• 具備資安、可靠性或法規合規優勢；
• 將價格與可驗證的業務成果掛鉤，而非只按代幣用量計費。

模型更便宜，不代表生產力會立即提升

價格下降理應鼓勵企業試用和採用 AI，但「採用」不等於「實現經濟價值」。企業仍須重新設計流程、整理資料、整合系統、培訓員工並建立控制機制，AI 才可能帶來持久的生產力提升。

這為投資人帶來時間差風險：企業可能因為競爭對手正在投資，便先購買算力或軟體，支出速度快過可量化回報的出現。

如果生產力提升比預期更晚到來，基礎設施承諾通常仍是固定的，但 AI 收入預測卻可能被下修。

市場大致存在兩種情境：

• 樂觀情境： 推論成本大幅下降，帶動使用量急增，令 AI 總支出、雲端消耗和生產力持續上升。
• 悲觀情境： 模型價格崩跌，但使用量增長不足以抵銷跌幅，部分資料中心項目的回報低於融資計畫原先假設。

信貸風險取決於需求是否已被合約鎖定

AI 基礎設施建設也逐漸成為信貸市場的問題。資料中心、基礎設施收購和零組件承諾都需要大量資本，其中不少是長年期債務。

如果債務由具信用能力的客戶、多年期合約和可預測使用量支持，融資的合理性較高；但若還款依賴尚未實現的投機性需求，風險就會明顯上升。

AI 價格下降、使用率增長放慢、電力成本上升或零組件短缺，都可能削弱支撐基礎設施項目的現金流。

若次順位債務比例擴大，或信用保險成本上升，代表貸款人要求更高的下行風險補償。這不等於信用事件即將發生，但會讓底層合約的品質、客戶信用和借款人的現金流韌性，比「AI 需求很強」這類 headline 更重要。

宏觀經濟影響不會只有單一方向

AI 可能對數位服務產生通膨降溫效果。更便宜的推論，有望降低程式開發、分析、客服、內容製作和部分行政工作的成本。若競爭充分，這些節省最終可能轉嫁給企業和消費者。

但基礎設施擴張在特定市場可能帶來相反效果。稀缺的記憶體、先進晶片、伺服器、土地、施工能力、電力和電網接入，都可能變得更昂貴。

短期內，市場或許會同時看到：AI 驅動的數位工作價格下降，以及生產 AI 所需資本財與能源投入的瓶頸通膨。

因此，不太可能存在單一而整齊的「AI 通膨」或「AI 通縮」。最終結果取決於效率提升是否快過供應瓶頸，以及企業選擇把節省轉嫁給客戶，還是保留為利潤。

供應鏈正變成戰略資產

多年期產能預訂，也提升了半導體供應鏈的地緣政治重要性。三星與 SK 海力士在記憶體領域的議價能力提高；先進邏輯晶片與封裝則集中在少數供應商和地區。

當產能提前數年被預訂，出口管制、政府補貼和區域性中斷的影響就會更大，因為供應無法迅速轉移。

隨著全球需求上升，中國記憶體製造商可能在限制較少的產品領域找到機會。但要縮小先進 HBM 和其他 AI 關鍵零組件的差距，難度更高。客戶認證、可靠性標準、技術複雜度、出口管制與採購規則，都可能限制替代供應商擴大市占的速度。

誰會為「便宜 AI」與「昂貴生產」之間的缺口買單？

真正尚未解決的問題，是誰來吸收 AI 消費成本下降、但生產成本上升的差額。可能的承擔者包括：

• 超大規模雲端業者： 以較低利潤換取更大的生態系統與市占；
• 晶片與記憶體供應商： 在產能受限時保留稀缺性帶來的定價能力；
• 投資人： 接受 AI 基礎設施支出帶來較低的資本回報；
• 貸款人： 透過更高利差或在項目過度槓桿時承受損失；
• 客戶： 若供應商能將基礎設施成本包裝成更高價值、以成果為導向的產品，客戶最終可能支付更多。

短期內，最可能出現的是前三種情況的組合。AI 存取服務會持續變便宜，但在供應追上需求之前，或市場證明現有投資承諾難以獲得合理回報之前，支撐 AI 的機器、記憶體、電力與分銷能力仍會維持高昂價格。

這場價格崩跌並不是 AI 投資故事的終點，而是一場價值定位測試：當智慧變得充足，真正稀缺的將是能交付智慧的晶片、記憶體、電力、資料中心，以及能把它轉化為可驗證成果的產品與渠道。

AI 經濟正一分為二：使用智慧的價格正在快速下跌，但建造與供應 AI 所需基礎設施的成本，仍受到供應限制。

一端是模型推論（inference）成本。若以相近能力與工作負載比較，部分估算顯示，AI 推論成本在約兩年內下降了 95%。不過，實際降幅仍取決於模型、任務和品質標準；更確定的趨勢是，過去只能以高價 API 使用的能力，如今逐漸可由低價模型與開放權重模型提供。39

另一端則是實體供應鏈：先進晶片製造、高頻寬記憶體（HBM）、伺服器、網路設備、電力與資料中心容量。這些資源的擴張速度，未必跟得上 AI 工作負載的需求。

模型價格戰：價值開始離開「代幣」

OpenAI 最近的降價，正好說明模型層面承受的壓力。2026 年 7 月，OpenAI 將較小型 GPT-5.6 Luna 模型的價格下調 80%，中階 Terra 模型下調 20%。34 8 月，公司又宣布開發者使用前沿 GPT-5.6 Sol 模型的價格在未來三個月下調逾 20%。33

對使用者而言，這是利多。更低的推論成本，讓企業更容易部署 AI 代理、客服自動化、內容生成、程式編寫，以及大規模資料處理。

但對模型供應商來說，每次降價都會壓低單位收入，除非使用量能大幅增加並抵銷降幅。單靠販售「沒有明顯差異的高價模型存取權」來維持利潤，將變得越來越脆弱。

這裡必須區分兩件事：更便宜的智慧，不等於更便宜的 AI 系統。 Token 或代幣價格可能下滑，但一套可靠產品仍需要檢索、監控、資安、延遲管理、系統整合和人工覆核，總營運成本未必同步下降。

實體供應鏈卻朝相反方向發展

當 AI 需求推高產能壓力，晶片供應商開始取得更強的定價能力。據報導，三星電子將部分先進晶圓代工服務的新訂單價格上調最多 15%。1

三星也表示，晶片短缺可能進一步惡化並延續至 2028 年；公司正與大型資料中心客戶洽談多年期供應安排。2 三星記憶體事業則提出一套合約架構：若談判完成，約 60% 至 70% 的產能可能由長期協議涵蓋。56

這會改變市場規則。產能不再只是「誰願意付現貨價格，誰就能取得」。大型客戶提前數年預訂供應，能提高自身的供貨確定性，卻也可能讓較小買家更容易暴露在缺貨與價格波動之下。

記憶體前景尤其緊張。SK 海力士執行長郭魯榮表示，2027 年可能是記憶體產業在供應面最艱困的一年，需求甚至可能在 2030 年後仍高於產能。這是企業預測，不是已確定的結果，但仍反映出供應回應可能需要很長時間。17

輝達顯示：基礎設施目前仍有定價權

輝達最新業績顯示，模型價格下跌尚未削弱硬體需求。公司公布 2027 財政年度第二季營收為 962 億美元，年增 106%；資料中心營收為 890 億美元，年增 117%。4950

這正是 AI 市場的核心矛盾：效率更高的模型，可能降低完成特定任務所需的運算量；但價格下降也可能刺激使用量大幅增加。如果需求增長速度快過效率提升，整體基礎設施消耗仍會上升，即使每次推論的成本下降。

因此，瓶頸可能只是轉移位置。加速器供應充足，不代表高頻寬記憶體、先進封裝、網路設備、電力或電網接入也足夠。

輝達該季毛利率為 75%。但其他分析指出，記憶體成本上升可能對未來毛利率造成壓力。4953 這不代表基礎設施經濟已經失效，而是說，強勁需求並不會讓供應鏈每一個環節都同樣有利可圖。

超大規模雲端業者能吸收壓力，但不是沒有代價

相較於小型 AI 供應商，最大的雲端業者更有能力處理「服務價格下跌、基礎設施成本上升」的落差。它們可以把投資分散到雲端運算、廣告、企業軟體和消費者平台，也能將 AI 綁入更廣泛的企業合約，透過既有分銷網絡提升使用率，並以長期協議鎖定供應。

因此，超大規模雲端業者可能成為產業的「減震器」：即使 AI 服務本身利潤較低，它們仍可能為了維繫雲端客戶關係或爭取市占而接受較低毛利。

代價是資本效率。若 AI 價格下跌速度快過使用量成長，巨額資料中心投資的回報期就可能拉長。

對小型供應商而言，環境更加嚴苛。若一家企業租用昂貴算力，再轉售一般化模型存取服務，API 價格下跌速度只要快過客戶增長，就很難保護自身利潤。

較可持續的商業模式，通常需要具備以下至少一項優勢：

• 掌握特定工作流程或專有資料；
• 擁有可信賴的企業分銷渠道；
• 具備資安、可靠性或法規合規優勢；
• 將價格與可驗證的業務成果掛鉤，而非只按代幣用量計費。

模型更便宜，不代表生產力會立即提升

價格下降理應鼓勵企業試用和採用 AI，但「採用」不等於「實現經濟價值」。企業仍須重新設計流程、整理資料、整合系統、培訓員工並建立控制機制，AI 才可能帶來持久的生產力提升。

這為投資人帶來時間差風險：企業可能因為競爭對手正在投資，便先購買算力或軟體，支出速度快過可量化回報的出現。

如果生產力提升比預期更晚到來，基礎設施承諾通常仍是固定的，但 AI 收入預測卻可能被下修。

市場大致存在兩種情境：

• 樂觀情境： 推論成本大幅下降，帶動使用量急增，令 AI 總支出、雲端消耗和生產力持續上升。
• 悲觀情境： 模型價格崩跌，但使用量增長不足以抵銷跌幅，部分資料中心項目的回報低於融資計畫原先假設。

信貸風險取決於需求是否已被合約鎖定

AI 基礎設施建設也逐漸成為信貸市場的問題。資料中心、基礎設施收購和零組件承諾都需要大量資本，其中不少是長年期債務。

如果債務由具信用能力的客戶、多年期合約和可預測使用量支持，融資的合理性較高；但若還款依賴尚未實現的投機性需求，風險就會明顯上升。

AI 價格下降、使用率增長放慢、電力成本上升或零組件短缺，都可能削弱支撐基礎設施項目的現金流。

若次順位債務比例擴大，或信用保險成本上升，代表貸款人要求更高的下行風險補償。這不等於信用事件即將發生，但會讓底層合約的品質、客戶信用和借款人的現金流韌性，比「AI 需求很強」這類 headline 更重要。

宏觀經濟影響不會只有單一方向

AI 可能對數位服務產生通膨降溫效果。更便宜的推論，有望降低程式開發、分析、客服、內容製作和部分行政工作的成本。若競爭充分，這些節省最終可能轉嫁給企業和消費者。

但基礎設施擴張在特定市場可能帶來相反效果。稀缺的記憶體、先進晶片、伺服器、土地、施工能力、電力和電網接入，都可能變得更昂貴。

短期內，市場或許會同時看到：AI 驅動的數位工作價格下降，以及生產 AI 所需資本財與能源投入的瓶頸通膨。

因此，不太可能存在單一而整齊的「AI 通膨」或「AI 通縮」。最終結果取決於效率提升是否快過供應瓶頸，以及企業選擇把節省轉嫁給客戶，還是保留為利潤。

供應鏈正變成戰略資產

多年期產能預訂，也提升了半導體供應鏈的地緣政治重要性。三星與 SK 海力士在記憶體領域的議價能力提高；先進邏輯晶片與封裝則集中在少數供應商和地區。

當產能提前數年被預訂，出口管制、政府補貼和區域性中斷的影響就會更大，因為供應無法迅速轉移。

隨著全球需求上升，中國記憶體製造商可能在限制較少的產品領域找到機會。但要縮小先進 HBM 和其他 AI 關鍵零組件的差距，難度更高。客戶認證、可靠性標準、技術複雜度、出口管制與採購規則，都可能限制替代供應商擴大市占的速度。

誰會為「便宜 AI」與「昂貴生產」之間的缺口買單？

真正尚未解決的問題，是誰來吸收 AI 消費成本下降、但生產成本上升的差額。可能的承擔者包括：

• 超大規模雲端業者： 以較低利潤換取更大的生態系統與市占；
• 晶片與記憶體供應商： 在產能受限時保留稀缺性帶來的定價能力；
• 投資人： 接受 AI 基礎設施支出帶來較低的資本回報；
• 貸款人： 透過更高利差或在項目過度槓桿時承受損失；
• 客戶： 若供應商能將基礎設施成本包裝成更高價值、以成果為導向的產品，客戶最終可能支付更多。

短期內，最可能出現的是前三種情況的組合。AI 存取服務會持續變便宜，但在供應追上需求之前，或市場證明現有投資承諾難以獲得合理回報之前，支撐 AI 的機器、記憶體、電力與分銷能力仍會維持高昂價格。

這場價格崩跌並不是 AI 投資故事的終點，而是一場價值定位測試：當智慧變得充足，真正稀缺的將是能交付智慧的晶片、記憶體、電力、資料中心，以及能把它轉化為可驗證成果的產品與渠道。