人工智慧的高成本與薄利潤：新創公司的生存考驗

人工智慧淘金熱的冷思考：高成本、薄利潤與產業轉型警訊

你是否曾想過，這場人工智慧的淘金熱，背後隱藏著哪些不為人知的經濟現實？從程式碼開發到企業營運，人工智慧應用看似無窮，然而，在這股狂熱的表面之下，高昂的運算成本、激烈的人才競爭、不明確的投資報酬率，以及供應鏈的潛在脆弱性，正對人工智慧新創公司乃至整個產業的永續發展構成嚴峻挑戰。這篇文章將帶你深入探討人工智慧產業當前所面臨的經濟現實與潛在風險，幫助我們一起看清這場技術革命的真貌。

新增內容段落：在人工智慧產業中，了解財務狀況對於投資決策至關重要。以下是人工智慧公司在不同發展階段的財務特徵：

• 初創階段：高研發投入，低收入
• 成長階段：收入快速增加，持續擴大市場份額
• 成熟階段：穩定收入，逐步提高利潤率

人工智慧新創的併購迷霧與巨頭博弈

在人工智慧的快速發展中，人才與技術的爭奪從未停歇。一個近期引人深思的案例是 OpenAI 公司原計畫以三十億美元收購程式碼開發新創公司維德衝浪（Wavedash）的計畫最終告吹。這不僅僅是一筆交易的失敗，更揭示了大型科技公司在人工智慧領域併購策略的複雜性，以及合作夥伴之間的技術存取權爭議，可能對此類交易產生關鍵影響。

有意思的是，這筆交易告吹後，谷歌（Google）隨即採取了另一個策略：他們花費二十四億美元，不僅聘用了維德衝浪的核心團隊，還獲得了其技術的授權。這種「類併購式人才招聘」模式，已經成為大型科技公司快速獲取人工智慧人才與技術的常見手段。透過這種方式，這些科技巨頭既能規避傳統併購可能面臨的法規審查，又能有效補足自身在特定領域的技術缺口。這也讓我們看到，在新興科技領域，人才的重要性甚至超越了獨立的公司實體。

新增內容段落：大型科技公司在併購與人才招聘上的策略差異，反映了市場競爭的激烈程度。以下是兩種主要策略的比較：

程式碼助手爭議：人工智慧效益的真實檢視

談到人工智慧的應用，生成式人工智慧在程式碼開發領域的潛力一直被視為最具突破性的「殺手級應用」之一。你可能聽過許多人工智慧程式碼助手如何大幅提升開發效率的故事，但真實情況又是如何呢？

非營利組織 METR 進行了一項隨機對照試驗（RCT），這是一種嚴謹的科學研究方法，結果卻出乎意料。研究顯示，高經驗的開發者在使用人工智慧程式碼助手時，實際完成任務的時間平均反而增加了百分之十九。儘管使用者主觀感受有所提升，認為人工智慧幫他們更快地完成任務，但客觀數據卻呈現不同結果。

新增內容段落：這項研究揭示了生成式人工智慧在實際應用中的一些挑戰，包括：

• 程式碼質量的波動
• 開發者對生成程式碼的依賴性增加
• 需要額外時間進行程式碼審核與修改

問題出在哪裡？研究指出，人工智慧生成的程式碼接受度相對較低（不到百分之四十四），這表示開發者需要花費大量時間來審核及修改（平均百分之九的時間用於此）。這項研究對我們思考人工智慧的投資報酬率（ROI）帶來了新的視角：我們是否過於強調「體感」上的效率提升，而忽略了實際工作流程中隱藏的成本？當然，也有其他研究認為，人工智慧輔助程式碼開發可能在減少專案管理時間、增加探索解決方案的時間，以及提升工作滿意度方面產生積極影響，儘管不直接體現在任務時間的縮短上。這提醒我們，評估人工智慧的效益，需要更全面、多維度的考量。

運算與人才競賽：人工智慧成本的失控螺旋

人工智慧的發展，是一場巨大的運算能力軍備競賽。你可能想像不到，這背後需要多麼龐大的投入。像是 Meta 公司的執行長馬克·祖克柏（Mark Zuckerberg）就曾確認，公司將斥資數千億美元建設大型人工智慧資料中心，目標是推進通用人工智慧（AGI）的發展。同時，谷歌的年度基礎設施投資也增至八百五十億美元，其中大部分都投入了人工智慧相關建設。

這些動輒千億的投資，主要都用於兩大關鍵領域：

• 基礎設施建設： 包含建設超大規模的資料中心，以及採購數十萬甚至數百萬顆用於訓練和運行人工智慧模型的圖形處理器（GPU）。輝達（NVIDIA）在圖形處理器市場近乎壟斷的地位，讓他們掌握了人工智慧供應鏈的關鍵咽喉，任何硬體供應中斷或地緣政治制裁，都可能對整個生態系統造成巨大影響。
• 頂尖人才： 人工智慧專業人才的薪酬極高，這是眾所周知的事實。有報告指出，科技巨頭為了爭奪頂尖人工智慧工程師，甚至曾對部分候選人開出高達一億美元的合約。這些高昂的人力成本，最終勢必會透過人工智慧服務的定價轉嫁給終端使用者。

新增內容段落：以下是人工智慧運算成本與人才成本的比較表：

隨著人工智慧模型的複雜度不斷提升，訓練和運行它們的成本也隨之水漲船高。這使得許多組織每個月在人工智慧上的開支顯著增長，甚至有近半數的公司每月支出超過十萬美元。這場對算力與人才的無止盡競賽，正將整個產業的成本推向一個前所未有的高度。

軟體即服務模式的警鐘：人工智慧的顛覆與轉型

人工智慧的浪潮不僅影響著新創公司，也對傳統的軟體產業巨頭產生了深遠的顛覆性影響。我們以軟體即服務（SaaS）領域的龍頭賽富時（Salesforce）公司為例，其近期財報成長放緩，正預示著傳統的軟體即服務產業可能已進入成熟期。

過去幾十年，軟體即服務模式透過訂閱制和雲端部署，實現了高速成長和高利潤。然而，人工智慧驅動的低成本競爭者正在崛起，他們利用大型語言模型（LLM）的強大能力，以模組化、訂閱費用更低的服務挑戰傳統模式。這些新興公司能以極低的邊際成本提供高效能的智慧化服務，對傳統軟體公司的市場地位構成嚴重威脅。

新增內容段落：面對這樣的市場變化，傳統SaaS公司需要調整策略以應對挑戰。以下是幾項建議策略：

• 整合人工智慧技術，提升產品智能化水平
• 優化成本結構，提升運營效率
• 加強客戶關係管理，提升客戶黏性

這種轉變迫使整個軟體產業的重心從過去的「成長優先」轉向「獲利能力優先」。企業不再盲目追求市佔率和用戶增長，而是開始更加注重營運效率和利潤空間。這意味著傳統軟體即服務公司必須重新思考其商業模式、產品策略和成本結構，才能在這場由人工智慧主導的市場變革中立足。

超越「包裝層」：人工智慧產業的永續之道

你是否發現，許多現在的人工智慧新創公司，其服務內容都高度依賴於底層的大型語言模型，例如 OpenAI 的 GPT-4 或 Google 的 Gemini 模型？這些公司其實很多都只是在這些大型語言模型的基礎上，開發出一個使用者介面或簡單的應用邏輯，我們稱之為「包裝層」應用。

這些「包裝層」新創公司面臨一個嚴峻的挑戰：他們缺乏獨立的智慧財產權和深層次的基礎設施。他們的生存高度依賴於底層模型供應商的定價、技術更新和政策變動。想像一下，如果模型供應商突然提高 API 使用費，或者推出自家的應用程式與你競爭，這些新創公司將會毫無招架之力。在市場過度競爭之下，許多這類公司可能難以生存。

新增內容段落：為了實現永續發展，人工智慧新創公司可以考慮以下策略：

• 開發獨特的模型架構或訓練方法
• 建立專有數據庫，提升模型精準度
• 專注於特定垂直市場，提供定制化解決方案

有評論指出，人工智慧產業的發展，可能最終會走向類似於航空業的局面：儘管其技術對經濟至關重要，但由於激烈的競爭，最終的利潤率卻可能極低。這意味著，真正能從人工智慧革命中獲益最多的，或許不是應用開發者，而是像輝達這樣掌握核心硬體、或像微軟、谷歌、亞馬遜這樣擁有龐大雲端基礎設施的巨頭。

那麼，人工智慧新創公司該如何才能實現永續發展呢？我們認為，關鍵在於建立深層次的價值和不可替代性：

• 掌握核心智慧財產權： 不僅是應用層，更要努力開發獨特的模型架構、訓練方法或特定領域的專有數據。
• 建立獨特的數據飛輪： 透過產品累積獨特數據，再用數據優化模型，形成良性循環，建立競爭壁壘。
• 專注於垂直領域的深度解決方案： 不追求大而全，而是深入理解特定產業的痛點，提供高度客製化且難以被替代的解決方案。
• 探索開源模型的潛力： 開源大型語言模型（如 Meta 的 LLaMA 系列）提供了一個潛在的替代方案，其零使用費和完全客製化的特性，能幫助企業有效控制成本，並建立自己的核心技術資產。

新增內容段落：此外，人工智慧新創公司還應考慮以下經營策略，以提升市場競爭力：

只有認清這些經濟現實，並採取具備長遠眼光的策略，才能在這場人工智慧淘金熱中，真正挖到屬於自己的黃金。

結論：投資人工智慧，務必審慎為之

人工智慧的發展無疑將重塑全球經濟格局，帶來前所未有的機遇。然而，當前的熱潮下，也隱藏著高昂成本、薄弱利潤和激烈競爭的挑戰。我們已經看到，從併購案的破局、程式碼助手效益的爭議，到龐大的基礎設施投入與傳統軟體服務模式的轉型，人工智慧產業的經濟現實遠比表面上看起來複雜。

對於企業來說，若想在這場變革中取得成功，必須超越表面功夫，審慎評估實際效益，密切關注產業供應鏈的穩定性，並專注於建立具有深層價值和不可替代性的核心基礎設施與智慧財產權。唯有如此，才能在這場技術革命中實現真正的永續發展。

免責聲明：本文僅為資訊分析與知識性說明，不構成任何形式的投資建議。任何投資均存在風險，請讀者在做出投資決策前，務必進行獨立研究與評估，或諮詢專業財務顧問意見。

常見問題（FAQ）

Q：人工智慧的高運算成本對新創公司的影響有哪些？

A：高運算成本增加了新創公司的財務壓力，限制了其資金用於研發和市場擴展，可能影響公司的長期發展和競爭力。

Q：大型科技公司採用「類併購式人才招聘」有何優勢？

A：這種策略可以快速獲取頂尖人才和技術，避免傳統併購所需的高成本和法規審查，加快公司的創新速度和市場反應能力。

Q：生成式人工智慧在程式碼開發中的實際效益如何評估？

A：除了使用者的主觀感受外，應通過客觀數據如任務完成時間、程式碼質量和維護需求來全面評估其效益，避免僅依賴表面上的效率提升。