經濟透視/算力成本膨脹 企業AI代人手得不償失 專家：處理任務越繁瑣複雜 消耗詞元越多
人工智能（AI）技術持續發展，企業競相推動員工擴大使用AI以提升生產力，但它真的能大規模取代人力並產生更高經濟效益嗎？近期較多人談論的話題，是AI成本暴漲，已遠超企業的預期。早前有報道指出，美國叫車與外送平台優步（Uber）在今年頭四個月內，因工程師追求以Token（詞元）為中心的績效，已耗盡2026年一整年的AI預算，凸顯出企業將AI整合至營運的實際開銷過大。
面對如此高昂的支出，企業或許需要思考，「透過裁員改用AI就能大幅節省成本」是否只是一個幻想？有機構研究指出，現階段盲目將AI投入所有工作流程中不但無法獲利，反而會因為高昂的算力成本而導致經濟效益不划算。\大公報記者 李耀華
優步技術總監Praveen Neppalli Naga早前證實，從年初至四月間的短短數月，便已耗盡了一整年的AI預算，原因是要向大約5000名工程師發給Anthropic的Claude編碼，燒錢速度遠超出原來財務模型所預計的。
四個月花光一年詞元預算
新聞網站《Axios》日前指出，Uber在今年頭四個月內，就將2026全年度的代理型AI（如Anthropic產品）使用預算全部燒光，凸顯出將AI整合至營運的實際開銷規模之大。事件的導火線，源於科技界近期出現的新現象Tokenmaxxing（Token極大化）。這個現象指的是企業或開發者不顧成本與效率，盲目追求讓AI處理或生成最大數量的Token，企圖以極端手段來提升自動化表現。
Token降價 難抵銷用量暴增
Token是AI處理資料的基本單位，以Token為基礎的定價系統是當今AI與大型語言模型（LLM）的主流計費模式。Uber內部向旗下5000名工程師全面開放ClaudeCode與Cursor等自主型AI工具，並設立了內部的「Token消耗排行榜」，用以衡量開發進度。在工程師眼中，Token消耗量愈高，代表愈積極使用AI，排行愈前。結果，工程師展開了瘋狂的刷數據比賽，放任AI自動化工具在背景無休止地運作。每名工程師每月的API Token開支，急升到500至2000美元，導致全年AI預算在四個月內徹底清袋。
Uber在去年的整體研發開支達34億美元，按年升9%。然而，今次令該公司提早耗盡AI預算開支並不是因為財政規模的問題，而是Uber的財務部門還未有學懂如何管理好新的定價模式。事實上，以Token為基礎的定價系統與以軟件為基礎的不同，財務總監懂得如何為後者建立預算模型，但前者卻未能夠這樣，因此工程師的開支與財務部本身的預算便有了極大落差。
高盛早前預測，隨着企業與消費者廣泛採用AI代理，到2030年，AI代理可能使Token消耗量暴增24倍，達到每月高達120千萬億Tokens的驚人規模。研究機構Gartner也警告，即便Token單價預計在2030年前下降近九成，企業AI總成本仍可能持續攀升，因為AI代理執行每項任務所需的Token量，遠超傳統模型，使用量的成長速度可能輕易抵銷降價帶來的紅利。
這些信號顯示，以AI取代或輔助人力的經濟效益，遠比早期預測來得複雜。當Token消耗增速持續超越單價降幅，那個由AI代理驅動的企業未來，恐將帶來遠超行政總裁預期的龐大賬單。
人工智能開支龐大，不僅反映在Uber的開支上，還可以從英偉達的高層口中得知。英偉達應用深度學習副總裁向《Axios》表示，就其團隊而言，人工智能「運算成本遠遠超過了員工成本」。這項說法進一步印證了AI部署對企業財務構成巨大挑戰。
MIT：視覺能力崗位77%靠人
整體而言，研究顯示，即使AI系統能夠正確部署，其所需成本也幾乎總是高於人類勞工。這使得AI大規模取代人力的策略在經濟可行性上，仍有待更深入的評估。然而，所謂AI取代人力的論點不能一概而論。有時AI系統不僅未能省下人力成本，反而可能讓企業開支超出當前人力所需的成本。麻省理工學院（MIT）2024年一項研究的觀點顯示，僅在視覺能力為核心的23%職位中，AI自動化才具有經濟效益，其餘77%仍依賴人力。
