AI算力成本風暴來襲 Coinbase執行長：八成工作將轉向廉價模型

隨著 AI 技術的普及，長期以來由科技大廠大額補貼的「固定訂閱制」正迎來終結，取而代之的是根據實際使用量計費的商業模式。

微軟旗下 GitHub Copilot 最近將計費模式轉向按 Token 用量收費，導致部分重度用戶的月度帳單從數十美元驟增至數百美元。

這場定價轉型引發了科技界對 AI 商業模式永續性的激烈爭論，更預示著企業與開發者正被迫直面 AI 推理算力的真實成本。面對這波成本壓力，科技巨頭們紛紛尋求更具成本效益的替代方案。

Coinbase 執行長 Brian Armstrong 對此趨勢給出了明確的預判。他指出，市場對智慧的需求近乎無限，但高昂的成本勢必迫使市場快速分化。

他預估在未來的 12 至 18 個月內，高達 80% 的 AI 工作負載將會遷移至成本大幅降低 99% 的廉價模型；而僅剩約 20% 對智慧上限有極致要求的高難度任務，例如科學突破或高難度智能體編排，才會繼續運行在最新一代的前沿模型上。

他將此現象類比為消費性電子市場，正如購買頂級規格電腦的永遠是少數人，AI 領域的成本降幅甚至比摩爾定律還要迅猛，這意味著未來的真正限制將是能源與算力，而非模型能力本身。

這一觀點也得到了其他科技領袖的實證支持。Hugging Face 執行長 Clement Delangue 引用史丹佛大學的研究數據指出，本地化、開源且小型的模型在對話與推理的準確度上，已從過去的 23.2% 躍升至 71.3%，其成本與能耗卻僅為大型前沿 API 的極小部分。

這意味著「多模型並存」的未來已成定局，多數企業只有在別無選擇時才會調用昂貴的尖端 API。

與此同時，如 DeepSeek 等實驗室持續推出高性能卻極其便宜的開源模型，在程式設計等基準測試中展現出媲美一線大廠模型實力的同時，價格卻僅有其三十分之一甚至百分之一，這正在從根本上壓制閉源 AI 大廠的定價能力。

在這場算力成本轉型的浪潮中，領先企業已經開始付諸行動。Coinbase 內部目前已積極推動「提示詞路由策略」，動態將請求分配至成本更低的合適模型，成功在 Token 使用量呈指數級增長的狀態下，維持整體總成本的基本持平。

這場由定價風波引發的連鎖反應，不僅標誌著 AI 補貼時代的結束，更宣告了廉價、高效的多元模型網絡正加速重塑整個 AI 產業的成本格局。