和AI聊天每句都要花錢！全球算力價格齊漲，企業如何迎戰Token經濟？
AI進軍百工百業， 迎接黃仁勳的Token經濟時代！全球算力價格齊漲，企業買Token比員工薪水還貴？當AI吃到飽模式終結，買算力先算投資報酬率。《天下雜誌》解密工作流程到組織運作，4大管理新思維！
文／林宏達、鄧凱元 圖／AI影像後製 由天下雜誌授權轉載
本文目錄（點擊可快速前往）
在鍵盤上隨意打進幾個字，等待雲端回應內容。這個不起眼的動作，中間傳遞的所有資訊，在AI時代，有了一個響亮的名字，叫做Token，中國翻譯成詞元。它不只是AI服務的計價單位，更是AI時代的新石油。
Token是什麼？OpenAI的官方網頁解釋是，你輸入詢問AI的文字、上傳的圖片，都會換算為Token計算使用量。不只如此，包含這些資料儲存在AI的「記憶」中，或進行推理、存取這些資料，到最後回傳給你答案，全都要按照使用的Token數量計費。
註：Token是AI模型處理資料的最小單位，AI模型只能看懂數字，因此你輸入的文字和資料，會透過分詞器（Tokenizer）切成片段，每一段就是一個Token，再轉為數字。輸入同樣的意思，用中文會比英文消耗更多Token，且不同公司計算Token的方式也不同。 Token是使用AI模型的計費基礎，從你對AI模型輸入的命令，上傳要分析的資料內容，到產生結果，每個流程都需要按Token收費。更重要的是，代理式AI出現後，由於代理式AI會自動推論、自動送出命令，重新讀取在AI系統裡的資料，等於自動幫你花掉Token，其對Token的消耗遠高於過去的對話式AI。
今年3月，黃仁勳表示，「Token是新的大宗商品。」他對所有人說，「你的工廠生產Token的速度，影響你明年的營收。」
他更預期，未來Token的價格會開始分化，有的幾乎不用錢，但目前最貴的GPT 5.5 Pro賣180美元（以每百萬Token計價），比黃仁勳喊價最貴可賣到150美元還高。
他以此唱旺算力需求，鼓勵所有人繼續買他的GPU、AI伺服器。
算力價格齊漲，矽谷也吃不消
黃仁勳為什麼喊出「Token經濟」？因為，隨著去年底代理式AI（Agentic AI）登場，這種具備自主性、規劃與工具調用能力的AI系統，讓企業更積極用此解決真實世界的問題，Token愈用愈多。
「先前做AI模型的業者並不賺錢，現在將進入真正可賺錢的階段，」AMD董事長蘇姿丰在5月的《天下》論壇時也說。
「全球已開始研究Token使用效率，」緯創董事長林憲銘指出，市場開始重視效能，就代表產業已經進入真正競爭階段，而不是短暫熱潮。
對公司而言，Token經濟的關鍵是，一方面搭上代理式AI改造企業的列車，一方面能妥善控制Token成本。
對個人而言，面對Token經濟的關鍵是如何善用Token資源，在全新的組織形態下，聰明工作。
當前，Token經濟的第一大挑戰，就是尖端模型漲價。
今年初，矽谷企業拚命鼓勵員工使用代理式AI，甚至出現了流行詞TokenMaxxing（Token極大化），Meta還替員工排名誰用得多，以證明自己更「AI原生」，結果一個月內用掉數億美元的Token；Uber則是4個月內用完全年的AI預算，矽谷因此改吹起TokenMinning（Token極小化）風潮，大家都開始在管控Token用量。
果然，今年中，先進AI模型生產的Token價格，將開始調升。
6月30日，Anthropic公告，最多軟體工程師用的Claude Sonnet 5模型，原本輸出100萬Token要價10美元，9月1日起調漲到15美元。
美國《AI Weekly》報導，亞馬遜7月起的GPU算力價格也要漲2成，這已是今年第2次調價；今年3月，阿里雲也宣布調漲部份算力價格，漲幅從5%到34%。
迎戰Token經濟的4大管理新思維
Token經濟第一步：投報率思維，殺雞不須用牛刀
面對模型或算力漲價的壓力，Google Cloud亞太區AI上市業務總經理柯德睿（Harsha Konduri）建議，企業要有投資報酬率的思維。首先，要挑選有投報率的專案，做AI改造；其次，視需求組合不同AI模型，把錢花在刀口上。
如何找到有AI投資報酬率的專案，有以下三個「要」：
一、要找到AI能解決，有可行性的問題。
二、要找到解決這個問題的合適資料，打造適合組織的流程。
三、要找到能夠擴大規模，提供資料可視性和AI治理，讓整個公司獲益的專案。
以中南美洲電商霸主美卡多（Mercado Libre）為例，這家公司把Token花在吸引客戶回流，利用客戶在網路上留下的新數據，不斷增強AI對客戶喜好的判斷，為客戶創造新的體驗。不斷流進的資訊形成新的競爭門檻，「對手就算用同樣的模型，也無法競爭。」
此外，柯德睿也建議，企業要將AI任務分級。他曾遇過一家東南亞新創公司，把錢都投在最昂貴的模型，一個星期就燒光了所有的預算。深談後，他建議，像編寫文件等工作，用一般的模型照樣能完成。「不要把錢全花在最貴的AI模型上，」他強調。
換言之，殺雞不需用牛刀。
成立33年，生產工業級和電信網路設備的台灣公司主向位科技，也是先挑選有投報率的專案，導入代理式AI。
主向位總經理特助張承軒，挑選採購入手。因為採購需要頻繁跟供應商確認交期，反覆跟生產線確認，再回到ERP系統裡去修改計劃，每年至少1500張採購單，得雇4個採購加一個助理才能完成。
於是他們請鼎新數智開發採購專用的代理式AI，會自動讀取電郵，主動比對庫存和產線狀況，直接生成單據，只等採購人員確認。
一開始，員工擔心新專案會加重工作負擔，公司選擇不強推AI，而是放在員工電腦裡，告訴他們有這個工具。後來，有採購休假時，員工打開電腦試用，結果發現AI讓採購的負擔減少5成，有人休假，竟然也不用加班。
Token經濟第二步：流程逆分工，一人抵一個團隊
主向位副總經理高健益說，員工心態因此明顯轉變，在不增加人力的情況下，達交率比導入AI前增加3成。
隨著代理式AI愈來愈普及，Token經濟的第二步，是企業組織改造。
台灣大總經理林之晨與資訊長蔡祈岩的新書《逆分工：AI時代的生產力革命》，搶先揭示未來組織變化的實況。
一年半前，林之晨在台灣大導入了「超人計劃」，目標3年內，8成員工至少掌握一項AI工具，目前已平均替員工省下了4小時工時。「繁雜、重複的工作減少了，反而能做更有意義的事，」林之晨說。
同時間，每個專案的人力運用也正在壓縮中。例如，以往做一個網站，光工程師就分成數據層、應用層專業，至少要過七、八手。但現在設計師與AI協作，就能做出草稿，接著與工程師對接。流程壓縮後，來回溝通的時間也變短。
他們將此去中間、反流水線式的做法稱為「逆分工」。
在蔡祈岩主管的資訊部，改變更激烈。以往，資訊部400多個應用系統，每一個人都被分配管特定系統。
但蔡祈岩實驗，將400多個應用系統訓練成AI大腦，團隊中就出現了人數不多，但很會用AI，效率高的「快攻部隊」。「已經開始走向20／80分工，」他說，「這人數不多的快攻部隊，有AI輔助後，400多個系統，出現任何問題，解題的效果常常更好。」
因此，他們預測，未來可能的組織型態，將由如快攻部隊的2成「領域專家」，以及8成的「液態」與「變形蟲」式專案人員擔綱。不僅資訊軟體，法務、財會也會如此。這樣的分工方式，能把人從價值低的工作解放，把時間投入價值更高、服務更好的工作。
延伸閱讀：AI破牆，硬知識貶值了！拆解「2種智力」決定你被取代還是被放大
Token經濟第三步：組織升級，三大職務搭配AI大腦
更極致的逆分工，已在美國引起巨浪。2月，前推特共同創辦人、現任金融服務公司Block執行長多西（Jack Dorsey）一口氣裁了4成員工，總數4000人。彼時公司規模與獲利，都在成長中。
他解釋，公司AI大腦每週都在進步，已改變營運公司的邏輯。明年多數企業就會意識到這件事，所以他要更早採取結構性的改變，「更小的團隊，應用我們打造的工具，可以做得更多。」
他認為，企業傳統的金字塔、階層式架構，本質是為了資訊流的控制。未來，資訊控制將由AI負責，新架構的核心是數據、模型搭建的公司AI大腦。
未來企業只需要3種角色，可以直接掌握內外部大數據，並調動AI代理人（AI agent）完成任務。
最多人將成為獨立貢獻者（Individual Contributors），他們可以是銷售人員、工程師、設計師等，藉由調取企業大腦、代理人輔助，放大產出。因為AI賦能，專業也將更多元。
次多是直接負責人（Directly Responsible Individuals），這群人的關鍵是理解企業目標，也能直接面對與滿足客戶需求，能調度一個團隊與資源，完成一個任務。
Token經濟時代的管理者則是球員兼教練（Playercoaches）。他們協助獨立貢獻者、直接負責人成長，確保與公司策略一致，同時也負責品質把關與精進。
多西正在實踐自己的理論，Block的組織階層，預計今年將從5層，縮減為2到3個階層。「從核心改變公司運作的方法，能大幅增加我們帶給客戶的價值，」他認為。
趨勢科技也正在進行生產力實驗。旗下TrendAI企業事業群營運長金敬秀（Rachel Jin）發現，以前一個專案大約20個人，現在同樣的工作5個人就能完成，而且速度更快。所以，她開始把工作切小，讓每一個團隊都能獨立完成工作。
Token經濟第四步：算力佈局，雲端、地端怎麼搭？
釋出的人力，加上AI輔助，提高跨界範疇，譬如原本的軟體工程師調去做行銷，甚至對接法律合約和財報。
眼前，跟組織改造一樣關鍵的，是Token的算力佈局。要控制Token成本，必須思考投資地端，或租用雲端算力的平衡。
企業算力架構方案選擇：AI基礎建設佈局4大方案
| 方案 | 在地部署 | 新興雲端服務商 | 大型雲端服務商 | API串接 |
| 說明 | 企業自建算力，如科技業與金融業自行架設運算機房 | 第三方業者建置算力機房，企業可以透過租用的方式取得算力 | 主流大語言模型與算力服務商，如微軟、AWS、Google等 | 大語言模型可透過API（應用程式介面）與企業開發之AI代理人串接，調用特定模型 |
| 算力單位成本 | 最低 | 中等 | 高 | 偏高，價格間距大 |
| 擴充性 | 中等 | 高 | 中等／高 | 極高 |
| 自主性與客製化 | 完全自主 | 中等 | 中等 | 極低（無法掌控基礎設施層，且難以微調AI） |
| 安全性與數據主權 | 最高（完全掌控資料、傳輸與儲存） | 高（較高程度掌握基礎設施與資料） | 中等（存在資料洩漏風險，對算力託管位置掌控度較低） | 低（掌控運算架構與治理難度高） |
| 最佳適用場景 | 穩定、運算量高的運用 | 變動性高的運算需求、概念驗證（POCs）、成本敏感專案 | 變動性高的運算需求、概念驗證 | 快速實驗、AI代理人、檢索增強生成（RAG） |
不擔心算力沒人用的工業電腦龍頭研華，選擇自建部份算力。
和泰汽車MaaS本部長韓志剛，現階段選擇租用雲端算力。他指出，儘管去年AI成本增加25%到30%，但仍在可接受範圍。而且現在AI技術不斷推陳出新，設備折舊快，租用雲端算力才是最有彈性的選擇。
他們把重心放在建立流程，用AI增加運作效率。
例如，和泰每年收到約12000通客服電話，為確保服務品質，過去透過和顧問公司合作，用人工抽查約2%電話內容。今年嘗試以AI檢查每一通客服電話品質，但單通成本僅剩原本的千分之五。「今年各本部長績效，5成將來自對AI推動的成績，」韓志剛透露。
勤業眾信資深執行副總經理陳鴻棋認為，成本、資安與專案類型，都是評估算力成本效益的關鍵，也可以在不同使用情境，混合搭配不同的算力架構。像是零售業的單點活動，就適合彈性高的串接API（應用程式介面），單純調用外部模型。但用量穩定，資安機敏最高的金融與科技等，不少企業選擇自建算力。
當代理式AI進入現實，被個人、企業大量運用，Token帳單只是結果。從挑選算力與模型、組織改造到硬體投資，拉高Token效能，將是一門很深的現代管理學。
（原文標題：和AI聊天每句話都要花錢！企業迎戰Token經濟 哪些模型CP值最高？）
推薦閱讀：
