企業導入 AI 的熱潮正迎來轉捩點。Palo Alto Networks 執行長 Nikesh Arora 近日接受《CNBC》訪問時指出，Token 成本未來兩年仍須大幅下降，長期降幅甚至可能達到 90%，才能支持企業進行大規模 AI 導入。
Nikesh Arora 進一步解釋，Token 價格未來一年可能先下降最多 20%，之後的降幅甚至可能擴大至 90%。他的核心觀點是，若成本無法持續降低，企業將難以負擔 AI 規模化運作所帶來的龐大支出。
儘管 OpenAI 執行長 Sam Altman 表示，最新推出的 GPT-5.6 家族旗艦模型 Sol，在代理式程式開發任務上已提升 54% 的 Token 效率，但 Nikesh Arora 對此表示，這項進展「只是一個好的開始」，顯示企業仍期待前沿模型的使用成本進一步下降。
企業要求 Token 降價，前沿模型卻面臨獲利保衛戰
在企業要求降低 AI 成本的背後，整個 AI 產業鏈也正承受龐大的資本回收壓力。紅杉資本（Sequoia）合夥人 David Cahn 估算，到 2026 年，全球 AI 基礎設施支出將高達 1.5 兆美元。David Cahn 進一步推算，整個 AI 產業每年可能需要創造約 3 兆美元營收，才能合理化這波基礎設施投資。然而，目前產業實際營收規模與此估算仍有明顯差距，例如 OpenAI 在 2025 年的營收僅約 130 億美元。
此外，由硬體與算力堆疊而成的高成本，也可能加速前沿模型走向低毛利的商品化基礎設施。分析師 Benedict Evans 指出，隨著晶片供應短缺逐漸緩解，市場競爭可能促使前沿模型進一步商品化。目前，若計入伺服器折舊、但不包含研發與新模型訓練成本，AI 推論業務的毛利率約為 40% 至 50%。隨著競爭持續加劇，這一利潤空間仍可能進一步受到壓縮。
加拿大皇家銀行財富管理（RBC Wealth Management）分析指出，在這場技術競逐中，最終能夠獲取較多商業價值的，可能是在業務中靈活應用 AI 的企業買方，而非投入巨額資本銷售模型與算力的基礎設施業者。這也代表，隨著企業客戶更加重視成本與投資回報，買方的議價能力可能逐漸提高，前沿 AI 實驗室也必須更積極回應企業對 Token 降價與成本透明度的需求。
企業看不清 Token 花在哪裡，AI 成本治理開始走向標準化
隨著企業愈來愈重視 AI 支出與投資回報，產業也開始建立更標準化的 Token 成本治理機制。為了解決科技主管難以跨層級掌握 Token 消耗的問題，Linux 基金會與 FinOps 基金會在 FinOps X 2026 大會上正式宣布成立「代幣經濟學基金會」。
FinOps 基金會執行董事 J.R. Storment 將這個基金會形容為一個廠商中立的平台，希望匯集前沿模型開發商、大型 Token 使用者、新興雲端業者，以及超大規模雲端服務商，共同制定監控 Token 使用量與管理企業 AI 成本的標準化框架。
與此同時，雲端與軟體業者也陸續推出成本預測與管理工具，回應企業對支出透明度與可預測性的需求。例如甲骨文（Oracle）執行長 Mike Sicilia 日前向投資人證實，甲骨文已針對代理型 AI 推出可預先購買的「Token 組合包」限量試用。這項機制可提高企業對 AI 支出的可預測性，目前已有 33 家企業客戶採用，協助控制成本，並將支出與實際產生的價值對齊。
AWS 則推出 AWS FinOps Agent 公開預覽版，協助企業偵測並深入調查雲端架構中的成本異常。德國軟體巨頭 SAP 也持續完善「AI Units」計價機制，希望提高 AI 定價的透明度與合理性。
Token 降價前先自救：Coinbase、Vercel 如何控制 AI 支出？
在 Token 價格尚未大幅下降的過渡期，部分企業已開始透過架構設計主動控制成本。Coinbase 執行長 Brian Armstrong 便分享公司的多模型路由策略：Coinbase 將一般、較簡單的工作交給成本較低的模型處理，並把較困難的任務轉移至前沿模型。Brian Armstrong 表示，即使工程師的 Token 使用量大幅增加，這套動態調配策略仍讓 Coinbase 的整體 AI 支出大致維持穩定，避免預算隨使用量同步上升。
除了動態路由，多模型架構也成為企業降低單一供應商依賴、增加選擇彈性的策略。雲端平台 Vercel 執行長 Guillermo Rauch 指出，企業不應將技術堆疊完全綁定在單一 AI 實驗室上。Guillermo Rauch 建議，企業可以針對不同業務功能與架構層次，靈活採用 OpenAI、Anthropic、Google Gemini 等不同供應商的模型，同時透過跨供應商協同運作，企業可以依照任務需求在不同模型之間切換，並在效能、成本與供應商依賴之間取得更合適的平衡。
企業導入 AI 的下一階段，正從廣泛試用逐步走向更嚴格的成本與價值檢視。在 Palo Alto Networks 執行長 Nikesh Arora 所預期的 Token 成本大幅下降真正發生以前，企業能否成功推動 AI 規模化，將取決成本透明度，以及能否將 Token 消耗與實際業務價值對齊。唯有掌握 AI 支出流向，並持續衡量不同模型與任務所創造的效益，企業才有機會把龐大的 AI 成本轉化為可持續的競爭優勢。
【推薦閱讀】
◆ 從開源 Llama 到付費 Muse Spark 1.1：Meta 如何用低價 API 搶攻 AI Agent 開發入口？
◆ ChatGPT Work + GPT-5.6 同日登場，OpenAI 這次比的不是誰更聰明
◆ 員工都在用 AI，為何公司還看不到 ROI？Google Cloud 揭企業 AI 落地斷點
＊本文開放合作夥伴轉載，參考資料：《implicator.ai》、《Business Insider》、《CIO DIVE》，首圖來源：AI 工具生成
