華爾街少算了一個數量級：為什麼 AI 經濟不是零和遊戲

本文整理自《AI + a16z》2026 年 4 月播出的單集，來賓為 Box 執行長 Aaron Levie，與談人為 a16z 董事合夥人 Steve Sinofsky 及一般合夥人 Martin Casado。

Box 執行長列維（Aaron Levie）在對談中丟出一個數字：一家上市科技公司的研發費用通常佔營收的 14% 到 30%。如果 AI 運算支出變成工程團隊成本的兩倍，那這就是整間公司的每股盈餘（EPS）問題。CFO 需要一個答案：工程運算預算到底該佔多少？是 3% 還是 200%？

前微軟 Windows 總裁辛諾夫斯基（Steve Sinofsky）的回答非常直接：「我完全願意犧牲幾個 CFO 在這個祭壇上。」他的論點是，所有人現在都在試圖搞清楚 AI 的經濟模型，但他們的估算至少錯了一個數量級。

零和思維的陷阱：PC、雲端、AI 的歷史三連擊

辛諾夫斯基在這場討論中扮演了歷史學家的角色，他用三個科技產業的典範轉移來說明同一個錯誤如何反覆發生。第一個例子是 PC 時代。當時華爾街把 PC 市場視為有限的，因為他們把運算能力（MIPS）的消費量看成某個固定數字。沒有人想到如果把這些 MIPS 放到每一張辦公桌上，消費量會怎麼變化。更沒有人預料到「軟體」這個東西可以獨立於硬體來賣。只有一個人想到了，那個人就是比爾蓋茲，而事後證明那是個非常好的主意。

第二個例子是雲端。當雲端運算剛出現時，華爾街的分析師看著全球每年大約六萬台伺服器的出貨量，然後說：好，我們就是把這些伺服器搬到別人的資料中心，然後分配價格。沒有人想到，一旦摩擦被消除，人們會使用一千倍的運算資源。這就是 Salesforce 創辦人貝尼奧夫（Marc Benioff）當初看到的機會：CRM 市場過去一年只有 20 億美元，因為你得買伺服器、買 Oracle 授權、經歷幾年的部署和顧問諮詢。但如果讓每個業務員個別註冊，零摩擦，整個市場就爆炸了。

現在的 AI 正在重演同樣的劇本。華爾街把 AI 市場看成一塊固定大小的餅，各家公司爭奪份額。辛諾夫斯基說這讓他「抓狂」，因為他們完全忽略了當每支手機、每個員工都能彈性地啟動 Agent 時，token 的總消費量會呈現什麼樣的曲線。a16z 合夥人卡薩多（Martin Casado）用自己的投資組合佐證這個觀點：他投資了大約 240 家基礎設施公司，其中有 50 家他能看到詳細數字。過去六個月，每一家的成長曲線都進入了指數上升階段。不是因為他們拿到了什麼大企業客戶，而是因為現在寫出來的軟體量比歷史上任何時候都多，基礎設施的消費隨之暴增。

工程運算預算：CFO 必須回答一個無解的問題

如果說華爾街的問題是低估市場規模，那企業內部的問題就是工程運算預算的管理。列維認為這將是未來幾年最瘋狂的議題。在雲端時代，一家公司裡可能只有 10% 的工程師需要關心基礎設施支出。你可以把相關的人叫進會議室，請他們把某個演算法優化一下以減少叢集使用量，然後問題就解決了。

但 AI 時代完全不同。現在每個工程師的每一次 prompt、每一次實驗都有直接的 token 成本。你想跑一個長時間的 Agent 任務？那是錢。你想平行化十個實驗同時跑？那意味著 90% 的 token 會「浪費」在最終不被採用的路徑上。但如果你選擇其中一條成功的路，那些「浪費」的 token 其實是必要的探索成本。

列維指出，這裡有一個微妙的管理哲學問題：你到底希望工程師在乎運算預算嗎？如果太在乎，他們會變得保守，不敢嘗試新東西；如果完全不在乎，支出可能會失控。他自己的立場是，現在應該多「浪費」一些 token，因為我們仍在探索什麼是有效的。但他也承認，就在錄製這集 podcast 的當下，很多人正在因為 Claude Code Max 方案的用量上限而崩潰。供給限制是真實的，不是所有公司都能隨心所欲地燒 token。

卡薩多試圖把這個問題類比為 2016 到 2018 年雲端時代的 FinOps（雲端財務管理）浪潮，當時也有一批公司專門幫企業管理失控的雲端支出。但列維認為差異在於規模：過去的 FinOps 只影響少數管理基礎設施的工程師，現在的 AI 運算成本影響的是每一個使用 AI 工具的人。這是一個全員性的成本管理挑戰，CFO 以前從來沒遇過這種事。

辛諾夫斯基認為企業的反應會分成三類：新創公司會假裝問題不存在，把手上的資金燒光；大企業會嚇到凍結，什麼都不做；中間會有一些公司因為財務體質夠好，願意在特定產品或市場上押注。他預期短期內會出現「Token 配給卡」的管理方式，每個團隊有固定配額。但他也強調，這只是過渡期的問題。

微支付復活：Agent 不在乎摩擦

在經濟模型的討論中，列維提出了一個讓人眼睛一亮的可能性：微支付的復活。過去網路上有太多資訊和軟體被低估使用了，價值可能被低估了一百倍，原因只是沒有人願意為了讀一篇文章付五分錢、為了用一次工具付一塊錢。人類討厭小額交易的摩擦感。

但 Agent 不在乎。你給 Agent 一筆預算和一個協議，它在做深度研究時需要存取某個醫學資料庫，三塊錢就能搞定，它會直接付。不需要訂閱、不需要登入、不需要信用卡表單。這打開了一個全新的網路商業模式：那些被高摩擦付費牆擋住的資源，現在可以透過大量的小額機器對機器交易來變現。

辛諾夫斯基對微支付持比較保留的態度。他指出，歷史上每次技術轉型都有人提出微支付的構想，最後企業端的做法還是傾向於買一個打包的授權方案，因為企業要的是可預測性。但他同意，當 Agent 成為主要消費者時，使用量定價（usage-based pricing）將取代傳統的訂閱制，就像當初訂閱制取代了買斷制一樣。卡薩多則指出，token 成本佔銷貨成本（COGS）的比例太高，已經在推動整個產業走向使用量計費。這是繼「買斷轉訂閱」之後，軟體商業模式的下一次大遷移。

電晶體時刻：Token 定價終將崩解

辛諾夫斯基在對談尾聲丟出了他最有力的歷史類比：IBM 和 MIPS 的故事。當年 IBM 用 MIPS（每秒百萬指令數）來為大型主機定價。但實際發生的事是，IBM 每年生產更多 MIPS 的速度，超過了他們漲價的速度。他們自己都沒意識到自己在一條遞減曲線上，直到有人指出來。辛諾夫斯基說，token 定價現在正在走同一條路。

更重要的是，他預測 AI 產業即將迎來自己的「電晶體時刻」。在電腦的早期，有人計算過要支撐二戰的計算需求，可能需要把整個達科他州都蓋滿真空管倉庫，然後讓人穿著溜冰鞋在走道間來回更換壞掉的管子。然後有人發明了電晶體，這個問題就消失了。AI 的電晶體時刻可能來自幾個方向：根本性的演算法突破、硬體架構的跳躍、或是單純的產能大幅增加。無論是哪一種，token 的價格都會走向持續下降的曲線。

他用了一個簡單的反證法：如果你付一個企業業務員一年一百萬美元的薪水，那他的工具值多少錢？如果你付工程師 X 元的年薪，那讓他生產力提升十倍的 AI 工具，其成本在預算中根本微不足道。一旦供給趕上來、價格降下去，現在所有關於「token 太貴」的焦慮都會蒸發。就像今天沒有人在意網路頻寬的價格，沒有人在意 PC 的處理能力是否夠用。

列維同意這個長期判斷，但他強調「我們正在過渡期」。大多數企業兩年前對 AI 的預算規劃還停留在「這是一個聊天機器人」的水準，現在突然發現 Agent 可以吃掉整個工程團隊的預算。這個認知差距需要時間來彌補。

我的觀察

辛諾夫斯基在這場對談中展現了一種我很少在科技評論中看到的能力：用大歷史的框架來理解當下的混亂。他不是在說「未來會很好」這種空泛的樂觀，而是在指出一個具體的認知錯誤：每當新技術出現，金融市場和企業決策者總是用既有的消費模式來推算未來的市場規模，結果每次都少算了一到兩個數量級。

這個洞見對台灣的科技產業有直接的啟示。台灣的半導體和資料中心供應鏈正在受益於 AI 基礎設施的需求爆發，但我們的軟體產業和企業端是否也準備好迎接「消費量爆炸」的新常態？當全球的 Agent 開始大量消費運算、儲存、API 呼叫，那些能提供穩定、高效、可程式化存取的系統供應商，才是真正的贏家。

最後一個值得記住的數字：卡薩多投資組合中的 240 家基礎設施公司，過去六個月全部進入指數成長。這不是預測，這是已經在發生的事。