AI 代幣愈來愈便宜，算力卻愈來愈昂貴：AI 熱潮正陷入利潤擠壓

AI 市場正被兩股方向相反的力量拉扯。

一方面，使用先進模型的價格正在快速下跌：一個名為 Ox Alpha 的免費模型據報已接近前沿模型表現；OpenAI 也在 7 月將 GPT-5.6 Luna 的價格下調 80%，Terra 下調 20%。1716 更廣泛的估算顯示，若以相近能力比較，過去兩年 AI 推理成本大約下降 95%。22

另一方面，生產這些「代幣」所需的實體系統，成本卻正在上升。三星將部分先進晶片代工訂單價格提高最多 15%，並預期全球記憶體短缺將進一步惡化，持續至 2028 年。3233

這形成一種罕見的經濟局面：產品價格正在通縮，關鍵投入成本卻仍然通膨。

AI 價值鏈正在分裂

理解這場擠壓的關鍵，在於區分兩個層次：一是逐漸商品化的「智慧層」，二是受供應限制的「基礎建設層」。

模型存取愈來愈容易被替代

通用模型的使用權正變得更容易替代。只要一家供應商調降 API 價格、推出更小的模型，或免費提供能力足夠的模型，競爭對手就會面臨跟進壓力。

OpenAI 7 月的調價，將 GPT-5.6 Luna 的輸入價格從每百萬代幣 1 美元降至 0.20 美元；Terra 則由 2.50 美元降至 2 美元。16 當模型能力快速普及，單純按代幣計價的服務就很難長期維持高利潤。

基礎建設無法像軟體一樣快速降價

先進製程產能、高頻寬記憶體、網路設備、電力，以及完整 AI 伺服器系統，則不能像軟體價格那樣迅速擴充或下調。

三星表示，客戶正尋求多年期供應協議，晶片短缺可能在 2028 年前變得更加嚴重。33 市場報導指 Nvidia 伺服器價格可能上調超過 15%，顯示供應商可能嘗試將成本轉嫁給下游；但這項報導並非 Nvidia 的正式定價公告。36

對 AI 服務供應商而言，商業難題十分直接：即使使用量增加，每個代幣帶來的收入仍可能下降；容量、能源、硬體與融資成本，卻未必同步下跌。

Nvidia 的財報揭示了什麼？

Nvidia 2027 財政年度第二季的成績，顯示基礎建設熱潮依然異常強勁。公司公布季度營收 962 億美元，年增 106%；調整後稀釋每股盈餘為 2.22 美元。60 管理層也表示，2028 財政年度營收可能成長約 70%。51

這些數字並不代表整個 AI 經濟體系已經解決獲利問題，而是說明市場對稀缺 AI 加速器系統的需求仍然強勁。Nvidia 位於供應瓶頸位置，客戶仍在爭取有限產能。

不過，記憶體成本上升開始影響這種成長的品質。Nvidia 預期下一季毛利率約為 74%，低於本季的 75%；相關報導也將部分壓力歸因於記憶體價格。51

這不一定代表 Nvidia 的經濟模式即將崩潰，更可能意味著公司未來的表現，將更加依賴調高系統價格、整合網路與軟體、以及管理供應鏈，而不只是以高毛利出售稀缺晶片。

Broadcom：基礎建設需求變成融資考驗

Broadcom 展現的是這場擠壓的另一面。路透社與彭博報導，Broadcom 正與貸款機構洽談超過 600 億美元的債務融資，用於一項將使 Anthropic 及其他客戶受益的 AI 晶片融資安排。該架構可能包括約 300 億美元的次順位債務，另加一批優先擔保債務；具體條款仍在協商中。12

這個區分很重要：目前報導的是一項提議中的融資，而不是已完成的借款。因此，相關金額應視為討論中的範圍，而非已確定的交易規模。

真正的經濟問題是：由這些晶片創造的 AI 收入，是否足以長期支撐償債？一枚晶片在技術上很有價值，並不代表它一定是優質的槓桿投資。假如模型價格持續下跌、客戶集中度過高、設備殘值下降，或再融資成本上升，投資回報可能迅速惡化。

這也是信貸市場開始受到關注的原因。當基礎建設大量依靠債務融資，代幣價格下跌就不再只是軟體公司的定價問題，也可能影響租賃、特殊目的公司、供應商與放款人的預期現金流。

雲端巨頭有優勢，但並非毫無風險

大型雲端公司比獨立模型供應商更有利，因為它們可以把 AI 與既有的雲端服務、企業軟體、廣告、資料及銷售通路綁在一起，也能在其他業務中獲利，藉此補貼 AI 功能。

但這不代表每一項 AI 投資都能帶來理想回報。模型價格下降可能推升使用量，卻同時降低單位收入；一旦產能過剩，AI 可能變成雲端服務中的低毛利功能，而非獨立的高獲利池。

真正重要的指標，不是處理了多少代幣，而是客戶是否願意為由此產生的生產力提升、營收增加或成本節省支付足夠價格。

代幣變便宜，對企業意味著什麼？

推理價格下跌對企業確實是好消息。更低的成本讓企業更容易測試 AI 應用、自動化特定工作流程，並把過去因經濟效益不足而無法採用的較強模型導入實務。

但代幣成本只是部署成本的一部分。企業仍須負擔系統整合、資料整理、資安控管、治理、成效評估與組織變革等費用。API 帳單下降，並不保證投資報酬率就會轉正。

因此，市場正在轉向一個更嚴格的問題：每一單位 AI 算力，究竟能帶來什麼可衡量的商業成果？

能把模型使用量連結到營收或可驗證成本節省的公司，應比只是囤積算力、卻沒有明確用途的公司更有機會受益。

投資人與信貸市場應該看什麼？

投資人需要將「稀缺投入品」與「逐漸商品化的模型存取」分開看待。

供應受限的一側包括記憶體、先進製程、網路設備、電力，以及整合式加速器系統。當客戶競爭有限產能時，這些企業仍可能保有議價能力。三星調價與對供應短缺的展望，正是目前供應商處於有利位置的證據。3233

模型存取的一側則面臨更艱難的考驗。免費或大幅折價的模型可以擴大市場，卻也讓缺乏差異化的推理服務難以維持高價格。更可持續的經濟模式，可能來自專有銷售通路、資料、專業工作流程、長期合約需求，或能在代幣之外捕捉價值的軟體。

對信貸投資人而言，應重點檢視已簽約現金流、客戶集中度、硬體殘值、債務結構與再融資日期。Broadcom 的提議融資是一個值得注意的警訊，因為它顯示 AI 基礎建設很快就可能同時成為科技問題與融資問題。12

結論：AI 的下一階段，關鍵在現金流

AI 熱潮並沒有一條統一的成本曲線。智慧正在變得更便宜、更充足；生產智慧所需的實體容量，卻仍然稀缺且昂貴。

這種錯配，解釋了為何 Nvidia 能公布驚人的成長數字，卻同時警告毛利率面臨壓力；也解釋了為何一項數百億美元規模的晶片融資提案，會在 AI 需求仍然強勁之際引起信貸市場注意。

AI 市場的下一階段，決定因素將不只是模型能力，而是客戶能否在昂貴、依靠債務融資的算力容量需要再融資之前，把便宜的智慧轉化為持久的現金流。