Ep172｜1token＝1token嗎

韭菜畢業班 · 2026-10-09

重點

章節

AI經濟學的真相：從Anthropic模型升級到訂閱制獲利密碼的全面拆解

本篇文章深入探討AI產業的商業模式與經濟價值流向。從Anthropic最新模型Opus 5.5與Sonnet 5.5的效能提升，到A16Z與Semi Analysis對AI訂閱經濟的深度研究，我們將剖析重度使用者為何願意每月花費數百美元，以及看似補貼的訂閱制如何為AI公司創造高達60%的毛利率。這不僅是技術升級，更是一場關於算力、推論成本與變現策略的產業典範轉移。

Anthropic模型有感升級：Opus 5.5與Sonnet 5.5如何以更省Token的方式提升開發效率

近期AI開發者社群最熱門的話題之一，莫過於Anthropic對其核心模型的悄然升級。根據重度使用者的實測分享，旗艦模型Opus已進化至5.5版本，而中階主力Sonnet也同步升級。這次升級最顯著的改變並非單純的效能提升，而是在於其驚人的Token效率優化。使用者回報，在相同甚至更高的工作負載下，消耗的Token量明顯降低，過去經常觸發的每週或五小時使用上限，現在已極少遇到。

從模型定位來看，Anthropic的產品線從最高階的Fable（神話）、Opus（巨作）、Sonnet（十四行詩）到Haiku（俳句），各自對應不同的任務複雜度。其中，升級後的Sonnet 5.5表現尤為亮眼，其穩定性與遵循指令的能力，被認為已足以媲美其他競爭對手的旗艦模型。使用者指出，Sonnet「中規中矩、不太會做多餘的事」的特質，使其在處理複雜專案時的可重現性極高，這對於需要穩定輸出的開發工作至關重要。

在實際應用層面，模型能力的提升直接解鎖了過去因技術限制而卡關的專案。例如，台股盤後資訊的整理報告獲得了升級，能夠更精確地抓取金流變化。此外，一個結合券商API的看盤軟體雛形也因此得以完成，甚至催生了能自動繪製供應鏈上下游關係的「產業地圖」副產品。這份地圖能細分如半導體與被動元件等龐大族群，幫助投資者從更細緻的角度觀察資金流向，而非僅止於傳統券商軟體的粗略分類。

A16Z第七版Top 100報告：僅4.5%美國人為AI付費，但前1%重度用戶月花900美元

根據A16Z最新發布的第七版Top 100 Consumer AI應用統計，美國市場的AI付費滲透率已達4.5%，雖較去年翻倍，但絕對比例仍低。這份報告首次深入分析消費者實際支出，揭露了一個極度不均衡的市場結構：前1%的重度付費用戶，竟貢獻了高達20%的總收入，其每月平均花費達到驚人的900美元。相較之下，整體付費用戶的月支出中位數僅為25美元，約等於ChatGPT或Claude的基本訂閱方案費用。

這群願意每月投入近千美元的重度使用者，其消費主要集中在三大類別：開發者工具、生產力工具與內容創作工具。對他們而言，AI的價值在於實現了過去無法獨立完成的事情——例如不會寫程式的人能開發軟體，或創業者能快速打造產品原型進行市場驗證。這種「將想法快速實踐」的能力，在他們心中的價值遠超過每月900美元的訂閱成本。報告指出，許多用戶過去可能需要聘請團隊或顧問才能完成的工作，現在透過AI工讀生般的協助即可達成。

然而，這也凸顯了AI商業模式的核心矛盾：95.5%的潛在消費者仍不願付費。多數人上網的目的是尋找「殺時間」的娛樂，而非提升效率的生產力工具。目前市場上多數AI產品仍聚焦於後者，這使得如何將AI融入大眾的日常娛樂，成為消費級AI應用能否突破滲透率瓶頸的關鍵挑戰。

訂閱制與廣告模式的策略分歧：Anthropic的高單價路線 vs. OpenAI的廣度變現

在AI商業模式的探索上，兩大前沿模型公司展現了截然不同的策略路徑。調查顯示，在AI網頁產品中，高達85%採用訂閱制，其中62%為額度制。然而，OpenAI已開始積極探索廣告收入作為新的變現管道。據悉，其2026年8月的廣告年化收入已相當可觀。相較之下，Anthropic則公開表示不會導入廣告，堅持以訂閱與API作為核心收入來源。

這項策略差異背後，反映了兩者用戶結構的根本不同。數據顯示，Anthropic的Claude訂閱用戶中，有7.5%選擇了每月100美元以上的Max高單價方案；而在ChatGPT與Google Gemini中，此比例僅有1%。這7.5倍的差距，意味著Anthropic成功抓住了那群付費意願極高的專業開發者，而OpenAI則憑藉其品牌知名度與免費額度，掌握了更廣泛的用戶基礎。

從投資角度來看，這兩條路徑各有其成長性。OpenAI的廣告模式有潛力將其龐大的免費用戶流量貨幣化，觸及數十億的一般消費者；而Anthropic則深耕高價值用戶，透過提供難以取代的開發體驗來維持高毛利。對於AI產業的觀察者而言，這場「廣度」與「深度」的變現之爭，將決定未來AI巨頭的估值天花板。

Semi Analysis揭密：Claude Code月費200美元，為何能創造60倍的API等值價值？

針對訂閱制的經濟效益，Semi Analysis的最新研究提供了一個極為精闢的量化視角。研究指出，用戶若以每月200美元訂閱Claude Code並「用好用滿」，其獲得的運算價值若透過API購買，將高達12,000美元，兩者差距達到驚人的60倍。這就好比在吃到飽餐廳以固定價格，吃下了在無菜單日本料理需花費數十倍金額才能品嚐的料理。

然而，這並不意味著Anthropic正在進行巨額補貼。關鍵在於計價基礎的差異：API的售價包含了極高的溢價，而訂閱服務的實際邊際成本遠低於此。研究將此模式比喻為「健身房經濟」——健身房獲利的關鍵在於多數會員並不會每天使用設施。同樣地，AI訂閱用戶的平均使用率極低，多數人根本無法消耗完其方案提供的Token額度。

Semi Analysis的估算顯示，訂閱用戶平均每月僅消耗其方案最大額度的10%。這使得即便Anthropic提供了看似慷慨的吃到飽方案，其訂閱業務仍能維持50%至60%的高毛利率。這項發現徹底顛覆了「AI公司訂閱制是在賠本搶市占」的普遍認知，證明其本身就是一門相當賺錢的生意。

健身房經濟學：為何多數人用不完額度，讓Anthropic訂閱制毛利率高達60%？

深入剖析「健身房經濟」在AI訂閱制的體現，可以發現其核心在於用戶行為與成本結構的落差。就如同多數健身房會員繳了年費卻不常去運動，AI訂閱用戶也普遍高估了自己的使用量。研究數據顯示，絕大多數用戶根本無法用完其吃到飽的Token額度，平均使用率僅有10%。這使得AI公司能夠在大量用戶間分攤其基礎設施成本，從而實現可觀的利潤。

即使是在企業訂閱的情境下，情況也類似。公司為每位員工購買每月200美元的方案，並不會期待員工產出等同於12,000美元的API價值。只要員工的使用價值達到800至1,000美元，企業便會覺得這項投資物超所值。因此，這種看似慷慨的吃到飽定價策略，本質上是一種極具吸引力的推廣手段，同時也是一門穩健的獲利生意。它成功地將那些對價格敏感、但又有潛在需求的開發者與企業，轉化為穩定的經常性收入來源。

這也解釋了為何Anthropic能夠在與OpenAI等對手的競爭中，走出一條高單價、高毛利的差異化路線。透過精準定位重度專業使用者，並以吃到飽模式降低其使用門檻，Anthropic不僅建立了強大的用戶黏著度，更在財務上證明了其商業模式的可行性。這對於評估其未來IPO時的估值，提供了相當扎實的基礎。

誰會去買昂貴的API？從Agent呼叫到軟體規模化部署的剛性需求

既然訂閱制如此划算，為何市場上對API的需求依然強勁？答案在於使用情境的根本差異。API的主要買家，是那些正在開發軟體並準備將其推廣給成千上萬終端用戶的開發者。當一個應用程式的某個環節需要呼叫AI模型進行判斷或整理時，開發者不可能為每一位使用者都支付200美元的月費，因此按使用量計費的API成為唯一解方。

技術上，雖然現在有所謂的「無頭執行」（headless execution）模式，讓開發者能在自己的電腦上透過訂閱帳號呼叫模型，但這僅限於個人開發與測試階段。一旦軟體部署到用戶的電腦上，就必須透過API金鑰來進行模型請求。這形成了一個清晰的商業閉環：開發者以低門檻的訂閱制進行開發與原型驗證，當產品成功規模化、用戶量暴增時，Anthropic便能透過API獲得隨使用量成長的巨額收入。

因此，API的昂貴定價反映的是其為大規模商業應用提供的價值。對於一個月可能僅使用一次的終端用戶而言，API的單次費用可能微不足道；但對於擁有數百萬用戶的軟體服務商，API支出將成為一筆龐大但必要的資本支出。這也意味著，觀察API收入的成長，是判斷AI應用是否真正成功滲透市場的關鍵指標。

API收入何時爆發？軟體成功規模化是關鍵，OpenAI與Anthropic的變現管道之爭

API收入的爆發性成長，與其生態系內軟體的成功與否息息相關。當開發者利用Claude Code或ChatGPT製作的應用程式，如投資研究工具、自動化剪輯軟體或企業內部系統，成功推向市場並獲得大量用戶時，API的呼叫量將呈指數級增長。這正是Anthropic最主要的變現管道，也是其商業模式中，從「賣鏟子給淘金客」進化到「從淘金客的營收中抽成」的關鍵一步。

相較之下，OpenAI的變現策略更為多元。除了API與訂閱收入外，其探索的廣告模式為它開闢了另一條觸及數十億用戶的道路。儘管高單價訂閱戶比例較低，但其廣大的用戶基礎使其在廣告變現上擁有先天優勢。這兩種模式的差異，將深遠地影響兩家公司的長期利潤結構與市場估值。若AI應用能如預期般滲透各行各業，API經濟的規模將難以估量；反之，若殺手級應用遲遲未出現，擁有廣告這條退路的OpenAI可能更具防禦性。

對投資人而言，追蹤這些AI模型的API使用量、以及其生態系內明星軟體的用戶增長，將比單純關注訂閱數更具前瞻意義。這不僅反映了AI生態系的健康程度，更是判斷算力需求能否持續成長的關鍵先行指標。

Token經濟學：1 Token ≠ 1 Token，從快取讀取到輸出的四種計價模式

Semi Analysis的研究進一步揭示了AI推論成本的複雜性，打破了「1 Token等於1 Token」的簡化思維。實際上，Token依據其處理階段可分為四種類型：輸入Token、輸出Token、快取寫入（Cache Write）與快取讀取（Cache Read），其計價方式天差地遠。其中，快取寫入最為昂貴，價格是基準的1.25倍；而快取讀取則極為便宜，僅為基準的0.1倍；最終的輸出Token則是最貴的環節。

「快取命中」（Cache Hit）的概念是理解這套計價模式的關鍵。當AI在處理一份資料時，會將其中的關鍵資訊暫存於GPU的高速記憶體（如HBM或SRAM）中。若後續的提問恰好與這些暫存資訊相關，即為快取命中，此時的運算成本極低。一份針對企業帳號的內部資料分析顯示，高達96%的Token消耗在快取讀取上，而快取寫入僅佔2%。這意味著，絕大多數的AI推論工作，都是在反覆讀取已處理過的資訊。

這種計價結構對AI公司的競爭優勢至關重要。能夠最有效地管理快取、提高快取命中率的供應商，將能以更低的成本提供服務，從而獲得更高的毛利。這不僅牽涉到模型架構的設計，更與底層硬體如光通訊和記憶體（HBM、DRAM、SSD）的效率息息相關。快取在HBM中可能僅保存五分鐘，在其他記憶體層則可達一小時或更久，如何在不同儲存層級間智慧調度資料，已成為推論成本競爭的核心。

快取命中率決定競爭力：從記憶體層級到光通訊的推論成本優化戰

深入探討快取機制，可以發現其效率直接決定了AI推論的單位經濟效益。由於絕大多數的任務量（估計佔75%）都落在快取讀取階段，因此如何精準地將「應該被快取的資料」預先寫入，並在需要時快速讀取，就成為AI推論供應商的核心競爭力所在。這不僅是演算法的較量，更是一場涉及記憶體與光通訊的硬體軍備競賽。

快取資料的保存時間與位置密切相關。在最昂貴但速度最快的HBM中，快取可能僅保留五分鐘；而在較慢的DRAM或企業級SSD中，則可保存數小時甚至更久。當一個複雜的程式開發任務被中斷（例如使用者去睡覺），系統能否智慧地將快取從HBM卸載至SSD，並在恢復工作時快速重新載入，將顯著影響整體Token消耗與使用者體驗。這解釋了為何高效能的基礎設施投資，對於AI公司的長期毛利至關重要。

從產業角度來看，這項技術細節揭示了為何單純的低價競爭難以撼動領先者。若Anthropic能透過優異的快取管理，在API業務上實現高達90%的毛利率，那麼即便競爭對手如DeepSeek或GLM試圖以降價搶市，也可能因效率不彰而無法真正構成威脅。對手可能需要耗費數倍的Token才能完成相同任務，其低價優勢將被高昂的用量所抵消。這使得技術領導者在面對價格戰時，擁有極大的戰略縱深。

精算時代來臨：開發者如何在不同模型與API之間權衡成本與效益

隨著AI模型與定價模式日趨複雜，開發者與企業正面臨一個「精算時代」的來臨。選擇何種模型、何種付費方式，不再有標準答案，而是高度取決於任務類型與規模。對於重度使用者而言，若其任務量能穩定地「用好用滿」訂閱額度，那麼選擇Anthropic的Pro Max方案將極度划算；反之，若使用量不穩定，或僅需在特定環節呼叫AI，則API按量計費的模式可能更為經濟。

任務的性質也決定了模型的選擇。例如，若要生成高品質的短影音，中國的模型如MiniMax可能是更佳選擇；若是進行複雜的程式開發或文本分析，Anthropic的Claude或OpenAI的ChatGPT則更為擅長。甚至，對於一些較簡單、重複性的任務，在本地端部署開源模型，並透過Mac Studio等設備運行，也可能是極具成本效益的方案。這種「因任務制宜」的多元模型策略，正逐漸成為業界常態。

從投資角度來看，這種精算趨勢意味著單一模型的壟斷地位將受到挑戰，而能夠提供多樣化、高性價比方案的AI基礎設施供應商將持續受益。此外，當API讓軟體能夠「隨需應變」地呼叫模型，而無需捆綁昂貴的訂閱時，這將大幅降低AI應用的開發與部署門檻，加速生成式AI在各行各業的滲透。理解這場成本與效益的權衡，是判斷未來AI贏家的關鍵。

AI資金浪潮排擠債市？從公債殖利率飆升看資本流向的結構性轉變

AI產業的巨額資本需求，正對整體金融市場產生深遠的結構性影響。近期債券市場的長天期公債殖利率持續飆升，傳統的解讀是市場對通膨或聯準會利率政策的預期所致。然而，另一條故事線正在浮現：AI基礎建設的龐大資金需求，正在與政府公債競爭有限的資本。

當科技巨頭與AI新創為了建設資料中心、購買GPU而大舉籌資時，他們提供的融資條件可能比政府公債更具吸引力。對於投資者而言，若認為這些AI基礎建設的前景更為優渥，且違約風險可控，資金便會從傳統的避險資產流向這些高成長的領域。這形成了一種「資金排擠效應」，推升了公債殖利率，因為政府需要提供更高的回報才能吸引買家。

這種資金流向的轉變，與美股市場廣度不足的現象相互呼應。目前市場漲幅高度集中於少數科技巨頭，許多中小型股表現落後。若這股AI投資熱潮因故降溫，導致巨頭股價回檔，可能引發「死亡螺旋」：股價下跌使企業融資能力下降，削減資本支出，進而影響消費與經濟，最終再度拖累股市。理解這背後的資金競爭關係，對於宏觀資產配置至關重要。

AI經濟價值的終極歸屬：科技巨頭、模型公司還是供應鏈？從OpenAI估值爭議談起

最終，所有關於AI商業模式與成本的討論，都指向一個核心問題：AI創造的巨大經濟價值，最終將歸屬於誰？是提供雲端服務的科技巨頭、開發前沿模型的Anthropic與OpenAI，還是賺取硬體訂單的供應鏈廠商？近期關於OpenAI營收預估的爭議——一方估700億美元，另一方估500億美元——正是這種價值歸屬模糊性的體現。差異的根源在於計算口徑的不同，這與我們今日探討的訂閱制、API計價與成本結構息息相關。

從Anthropic的案例來看，其訂閱業務已證明能創造50-60%的毛利率，而API業務若管理得當，利潤更為豐厚。這顯示模型公司本身具有極強的獲利能力，並非僅是燒錢的單位。然而，它們的成長仍需仰賴科技巨頭的雲端基礎設施與資金支持。同時，AI供應鏈上的硬體廠商，如台積電等，則是這場軍備競賽中的「賣鏟人」，無論最終哪位AI巨頭勝出，它們都能從持續增長的資本支出中獲利。

隨著推論成本持續下降（如Opus 5.5所示），更多傳統企業將開始導入AI，這將進一步擴大整體市場的規模。對投資者而言，關鍵在於穿透複雜的定價策略與技術細節，去判斷哪一個環節擁有最深的護城河與最強的訂價權。是掌握用戶介面的OpenAI，是擁有最強開發者生態的Anthropic，還是掌握關鍵製程技術的半導體巨頭？這場價值歸屬的博弈，才剛剛開始。

結論

總結而言，AI產業正從單純的技術競賽，演變為一場複雜的經濟模式之爭。Anthropic透過模型升級與精妙的「健身房經濟」訂閱制，證明了服務專業開發者是一門高毛利的生意；而OpenAI則走向廣告與規模化的路線。對投資者而言，理解Token經濟學、快取機制與API的剛性需求，是看透AI公司真實獲利能力的關鍵。最終，AI創造的價值將在模型公司、科技巨頭與硬體供應鏈之間重新分配，唯有深入分析其商業本質，才能在這場典範轉移中做出正確的投資判斷。

相關個股