知名分析師 Benedict Evans 於 2026 年 5 月發布了《AI 吞噬世界》（AI eats the world）報告，探討企業導入 AI 時面臨的實務難題：為何投入預算後，產出與營收未見等比例成長。報告指出，問題的核心在於企業現有的營運體制尚未與新技術對接。
以下摘要梳理報告重點，涵蓋三個面向：
- 基礎設施現況：科技巨頭的資本流向與底層算力的成本結構。
- 應用端落差：企業與消費者在軟體部署上的真實數據與使用頻率差距。
- 商業模式重估：當常規任務的自動化成本趨近於零時，企業重新定義工作流程與檢視既有獲利模式的具體方向。
📎 這份報告適合誰閱讀？
適合企業內部負責戰略規劃、資源分配，以及推動數位轉型的核心管理層與專業工作者閱讀，包括：
- 高階決策者與企業負責人
- 財務長、投資部門與創投圈
- 技術長、IT 主管與軟體工程師
- 營運長與業務單位主管（如客服、行銷、法務主管）
- 企業顧問與系統整合專家
🔴 報告洞見
AI 是繼網路、智慧型手機後的新一輪底層洗牌
科技產業的發展軌跡從來不是平穩向上的直線，而是由一系列顛覆性的「平台轉移」所驅動。每隔 10 到 15 年，我們就會見證一次底層架構的洗牌：從大型主機、個人電腦、網際網路、智慧型手機，如今來到了生成式 AI 的時代。
許多企業領導者依然習慣將 AI 視為單純的軟體升級，或是另一種優化效率的 IT 工具，但這種觀點極其危險。
歷史一再證明，在平台轉移的初期，外部企業往往只看見「新工具」，卻忽略了它可能帶來的生存威脅與價值捕獲機制的重新分配。而這場由 AI 帶動的變革，正以前所未見的資本規模與極端的不確定性，強勢解構我們熟知的商業模式。
💡 7,000 億美元砸向算力，但模型正走向大宗商品化
要看懂這場變革的真實量級，我們必須先跟隨資本的流向。目前，全球科技巨頭正陷入一場史無前例的算力軍備競賽；正如 Alphabet 執行長 Sundar Pichai 所言：「投資不足的風險，遠遠大於過度投資的風險」，這句話完美註解當前瘋狂的資本支出週期。
微軟、Alphabet、AWS 與 Meta 這四大雲端巨頭，在 2026 年的預估資本支出加總高達驚人的 7,000 億美元，為了讓這個數字具備體感，我們可以對比全球電信業同期的資本支出，僅約 3,000 億美元，而全球石油與天然氣產業則約為 1 兆美元——AI 基礎設施支出在短短幾年內便追上了石油天然氣這個歷史最資本密集的產業。
這股龐大的資金洪流直接灌注到了實體基礎設施上，導致美國資料中心的建設支出，在歷史上首度超越了傳統的辦公大樓建設。
這些科技巨頭過去是依賴自由現金流支撐的「輕資產」企業，如今卻為了爭奪 AI 底層的主導權，正徹底挑戰財務重力的極限。
然而，贏得了這場資本戰，然後呢？報告指出一個極為關鍵的洞察：雖然底層運算與大型語言模型屬於高度資本密集的產業，但目前看來，模型本身並不存在強大的「網路效應」，反而正快速走向「大宗商品化」。
當多數基礎模型的效能趨於一致時，它們將很難擁有絕對的定價權與高利潤率。這意味著，未來的價值與利潤，將不會停留在底層的基礎設施，而是會無可避免地往上層的「應用層」轉移。
💡 AI 採用率是假象：9 億用戶、80% 一年用不到 1 千次
但應用層的現況，比多數人想像的更複雜。把目光從基礎設施轉向實際的市場應用時，會看到一個充滿矛盾的現狀：極度狂熱的初期採用，與極度匱乏的深度黏著。這正是企業在導入 AI 時必須跨越的「容量差距（Capacity gap）」。
從消費者數據來看，雖然 OpenAI 報告其每週活躍用戶高達 9 億人，看似「每個人都在使用」，但其中僅有 5% 是付費用戶。
更具指標意義的是，高達 80% 的用戶在 2025 年一整年內，發送給 ChatGPT 的提示詞總數不到 1,000 次。這意味著對絕大多數人而言，生成式 AI 仍然是一個「偶爾實驗」的新奇玩具，而非不可或缺的日常剛需。
同樣的現象也發生在企業端，目前幾乎所有公司都擁有一堆試點專案，但真正將其整合至核心營運、達到全公司部署的比例依然偏低。
而真正的顛覆正在軟體開發的最深處醞釀。AI 正在引發一場軟體工程的世代變革，大幅降低了編寫程式碼的成本與門檻。Meta 執行長 Mark Zuckerberg 直言，「我們看到越來越多的例子，一兩個人能在一週內，打造出過去需要數十人耗時數月才能完成的產品。」
當編寫程式不再是難事，市場上湧現了大量的新創公司，試圖利用 AI 來解構既有的巨頭與軟體生態。對於企業決策者而言，未來的競爭不在於你是否買了 AI 軟體，而在於這些由 AI 賦能的新創，何時會用極低的成本解構你的核心工作流。面對這個威脅，舊的應對邏輯已經不夠用。
💡 AI 給了你無限的實習生，護城河該從哪裡重建？
若要真正掌握 AI 的商業價值，決策者必須跳脫「提升既有工作效率」的舊思維。每一次的自動化，都不僅僅是「用更便宜的價格做同樣的事」，而是會徹底改變「工作」的本質。
報告提出了一個極具啟發性的比喻：AI 給了你無限的實習生，這句話精準點出了自動化的終極意義。當過去需要大量人力、枯燥且重複的常規任務成本，驟降至幾乎為零時，企業將解鎖過去受限於實體資源而無法達成的全新商業提問。
舉例來說，在過去的客服中心，AI 的應用可能是「聽這通電話，然後告訴我客戶的語氣是否有異常」，但在「無限實習生」的時代，你的問題應該躍升為：「每天聽取並分析一百萬通客服電話的深層涵義，告訴我客戶究竟在意什麼？我們該如何調整定價以降低流失率？」
這正是市場給予 AI 企業極高估值的原因。目前，OpenAI 與 Anthropic 這兩家指標性實驗室的未上市估值加總，已經逼近 1995 至 2000 年間全美所有創投支持的 IPO 企業總市值。
這股極端的市場期待，源自於 AI 正在重新定義企業的「護城河」。
網際網路時代消滅了物理分配的成本（例如實體唱片與印刷報紙），進而顛覆了零售與媒體業；而這一次，高管必須捫心自問：如果公司最引以為傲的護城河，其實是建立在某些常規任務的高昂人力成本之上，當 AI 把這個成本降為零，競爭優勢還剩下什麼？
🧭 在高度不確定性中的三個行動框架
我們正處於一個類似 1997 年網際網路初期的極端不確定性之中。當年，沒有人能預見今日的 Uber 或 Airbnb。面對這種歷史級別的未知，決策者不能坐等市場標準答案成型，而必須主動出擊，將技術潛力轉化為營運現實。為此，企業領導層可立即啟動以下三大行動框架：
1. 放棄純對話框迷思，深耕具體商業場景
多數企業導入 AI 的第一步是給員工一個聊天機器人，但報告指出，純對話是一個極度糟糕的使用者介面。
模型本身只是基礎設施，創新必須向「應用層」移動。企業應將 AI 融入內部專屬的資料庫、特定的操作介面與既有的工作流程中，解決真正具體的痛點（如行銷分析、客服自動化或法務合規審查），而非依賴一個空泛的對話框。
2. 重新定義「任務」與「工作」的邊界
企業必須全面盤點內部的隱性營運成本，釐清哪些流程屬於只要有邏輯與訓練數據，就能被取代的「無聊任務」；哪些又是需要人類品味、意見、創意與隱性知識的「核心工作」。
未來的組織設計，應果斷將「任務」自動化，並將省下的龐大資源，重新分配給那些需要高階決策判斷與驗證的「工作」上。
3. 利用「無限實習生」主動顛覆自我，重建數據護城河
與其恐懼既有的優勢被新創公司解構，決策者應率先利用「自動化成本趨近於零」的優勢，提出過去不可能回答的商業問題；無論是全量數據的深度語意分析、超越關聯性的根本需求洞察，還是實時動態的商業模型演算。
擁抱極端的不確定性，運用這群「無限的實習生」去重新定義產業常規，將是在 AI 吞噬世界的狂潮中，建立下一代終極護城河的唯一路徑。
＊閱讀完整報告內容，請見：AI eats the world
【更多產業研究報告】
◆ 【微軟 2026 工作趨勢報告】代理 AI 接管常規任務，企業如何將成效轉化為無法複製的「自有智慧」？
◆ 【數位資產的未來】30% 利潤蒸發風險：傳統金融如何透過五大關鍵佈局抓住代幣化機遇
◆ 【Redpoint 發佈全球創投風向】AI 獨角獸展開極速生長週期，解析 AI 創投三大賽道與企業「二次創業」藍圖➡️ 其他產業研究報告
＊初稿由 AI 協作，首圖來源：Unsplash
