過去一年，AI 領域發生了一場無聲的巨變。根據 Rohan Paul 日前的熱門 x 貼文 「 LLM token prices are collapsing fast, and the collapse is steepest at the top end.」，大型語言模型（LLMs）的 Token 成本正以每年一百倍的速度下降，一年前需要 10 元才能完成的 AI 指令，如今可能僅需幾分錢。技術正經歷著極端的「通縮」，AI 正在從奢侈品變成如「自來水」般便宜的價格。這也引發了市場、社群與經濟研究者們對於 AI 究竟能「抑制通膨」還是「助長通膨」的討論。
以上圖為例，最不「智慧」的 AI 模型每年約便宜 9 倍，中階模型每年下降約 40 倍，而能力最強的模型每年下降約 900 倍。這場 AI 運算成本的驚人崩跌，並沒有導致電腦使用量成比例的適度增加，反而是觸發了在早期價格點上無法想像的 AI 應用大爆發。
與此同時，一個奇特的對比正在發生：家是工作、護理、維修、心理諮商等，這些依賴人工的服務費用卻在不斷上漲。根據 a16z 這篇 《為什麼冷氣(A/C)很便宜，但冷氣維修卻很貴》「Why AC is cheap, but AC repair is a luxury」的文章，探討了一個核心的經濟現象：製造實體產品，比方說如一台新的冷氣機的成本可以透過規模化、自動化和全球供應鏈大幅降低，但冷氣機的服務和維修的人力成本和相關費用卻很難降低。
該文的重點和前面 Rohan Paul 的貼文是相關呼應的，他的看法認為在製造與服務端這邊去分析的話，製造一台冷氣機涉及的是可預測的、可重複的工業流程。而包括機器人、最佳化供應鏈等科技和管理技術，則能讓這個流程變得有效率且便宜。
而維修的本質則完全不同，不論是冷氣或其他重要設備，都需要一位受過專門訓練的技術人員親自到你家或辦公室、機房。這類工作有以下特點：
1、診斷複雜性： 問題可能出在數十個不同的地方，需要專業知識和經驗來診斷。
2、時間成本： 技師需要花費交通時間、現場診斷時間和實際維修時間。
3、勞動力不可規模化： 你無法「自動化」一位技師的專業判斷和現場操作，一個技師在同一時間只能服務一個客戶。
AI 的「傑文斯悖論」
而我們目前正面臨著 AI 演算法的成本在崩塌，而人類勞動的價值卻在膨脹的現象，這並非經濟笑話，而是一個由「傑文斯悖論 (Jevons Paradox)」和「鮑莫爾現象（Baumol effect）」共同譜寫的奇異現實，當機器越智慧，人類勞動力就越顯昂貴。
如果用比較簡單好比較的案例來看，過去，生成一部小說和今日產生小說的成本可說差了上百倍。在 1865 年，英國經濟學家傑文斯（William Jevons）在觀察蒸汽機時提出了一個警告，效率的提升並不意味著節省燃料，它只會讓我們燃燒更多。愈便宜，愈上癮，這就是「傑文斯悖論」（Jevons Paradox）。
Investopedia 的分析指出，AI 理論上能提高生產力、降低服務成本，發揮「反通膨」（Anti-inflation）的潛力，但「傑文斯悖論」卻讓我們感受到了另一面，也就是 AI 價格的暴跌並不意味著「節省」，而是觸發了新的消費爆炸。當 AI 模型調用變得越來越廉價，企業和個人開始上癮式地將 AI 嵌入所有流程，大量去生成文案，執行 24 小時自動處理腳本、反覆微調 AI 模型。
微軟執行長納德拉（Satya Nadella）前陣子也提到：「傑文斯悖論回來了，AI 越高效、越便宜，人們就越離不開它。」現階段，AI 正從「高階智慧服務」轉變為像電力、水和 Wi-Fi 一樣的新型公共設施，人類逐漸離不開 AI 服務帶來的各種便利和益處。我們對算力、能源和硬體的總體需求正在這場成癮式增長中被持續推高。
諷刺的是，這種對硬體（如 GPU）和電力的龐大投資需求，本身正在推高特定領域的價格（例如 AI 資料中心附近的電價），在短期內反而形成了新的通膨壓力。
低通膨與「無人就業」的繁榮
然而，當 AI 讓生產效率暴漲、成本下滑，一個更宏觀的市場連鎖反應正在醞釀。Alpine Macroeconomics 策略主管 Chen Zhao 對外指出，AI 強大的生產力效應，可能使美國通膨率在明年底前降至 2% 以下，甚至重返疫情前水準。
物價回穩、消費壓力減輕，這聽起來是好消息。但代價是什麼？ 答案是：「無人就業的獲利繁榮（Jobless Profit Boom）」。
企業透過 AI 提升效率、削減成本，卻不再需要同樣多的員工。Amazon、UPS、Target 等公司近月來裁員數萬人，連電動車大廠特斯拉 Tesla 也在裁員。儘管市場上許多公司的裁員，可能與 AI 尚無直接關聯，但整體趨勢呈現出，各家公司寧願用更少的人，賺更多的錢。
Zhao 將這個現象比喻為白領階層的「去工業化時代」，AI 正取代管理與分析型工作，就如同 1990 年代全球化浪潮掏空了藍領製造業。
AI 「技術通縮」引發的「人力通膨」
在 AI 世界經歷通縮的同時，人類提供的服務價格正在通膨。在美國，家政服務的時薪已漲至 45 美元；在英國，水管工的時薪甚至超過了初階律師。一台機器學習工程師完成一次推理可能只需幾美分的錢到數美元不等 (看讓 AI 產生內容的 token 長度而定)，但一位維修工上門服務卻可能索價數百美元。這就類似先前經濟學家威廉·鮑莫爾（William Baumol）在 1960 年代提出過的「成本病」（Cost Disease）理論。
鮑莫爾發現，在高生產型的產業中（如製造業、科技業），效率提升極快，成本與價格容易下降。但在那些效率無法顯著提升的產業（如表演藝術、教育、護理、手工維修），它們的工資會被整體經濟情形帶著上漲，因為它們需要與高生產率產業競爭勞動力。AI 就是典型的高生產率產業，效率千倍提升，成本百倍下降，台灣的半導體產業和科技業也是，傳產和其他產業的人才會傾向流動到科技產業去。
而那些無法被 AI 取代的領域，需要情感投入、人性觸覺、臨場判斷和創造力的工作，正因此被動地捲入漲價浪潮。儘管這些勞力密集的產業，員工每小時產出生產力的成長速度遠低於那些可以被技術大幅改良的產業，結果呈現是當製造業的良率不斷提升，但服務業的薪資仍必須與整體經濟保持同步增加的態勢，否則沒有人會願意從事這些維修和手作、到府工作。這就導致了「服務」的相對成本，會比「產品」出現越來越昂貴的現象。
正如 a16z 的分析所言：「技術通縮（Technological deflation）往往會創造人力通膨（human inflation）。」
換言之， AI 演算法正在貶值，而人性正在升值。當算力如同自來水般廉價時，真正稀缺的是人類的時間、情感和存在感。那些需要真實人類的工作，已成為新時代的奢侈品。
AI 越「普及」，壟斷越隱形
AI 模型的價格不斷下降，表面上全民共享，實際上卻加速了權力的集中。這場降價競賽的主角，從來不是開源社群，而是業界大廠 OpenAI、Anthropic、Google、Amazon，表面上這些公司在慷慨調降價格的同時，也重新定義了整個產業的遊戲規則。
隨著開發者與企業對低價模型的依賴加深，關鍵的算力、資料護城河，乃至演算法的標準，更是牢牢地被掌握在少數公司手中。
我們每一次使用模型，都是變相為 AI 業界重要廠商的下一代產品提供訓練資料。我們或許看起來正在享受 AI 技術帶來的紅利，實則正一步步交出更多的主導權。
智慧變便宜，靈魂變昂貴
CyberQ 觀察，我們正在經歷的不僅僅是技術的降價，模型在變便宜，演算法在變快，AI 效率正以驚人的速度成長。AI 在吞噬重複性勞動、降低計算成本的同時，也在反向拉高了「稀缺性」的價值，包括創造力、同理心、實際用手的工作、判斷力與陪伴。這些無法被演算法計算的部分，正成為新一代的「高價值資產」。
未來，或許不是 AI 取代人類，而是「AI 正在為人類定價」。
CyberQ 認為，儘管每百萬 Token 的費用和成本下降，但是隨著生成式 AI 和 AI 代理逐漸變得更好用，人們會把更多工作交給 AI 來運算，無型中，全球市場整體耗用的 Token 總數量正在大幅上升，人均在 AI 方面的消費，各家公司投資在 AI 的金額正水漲船高，針對這樣的奇特現象，以及大幅的 AI 資訊落差，值得我們多探究與省思，並積極參與和回應給市場需要的服務。
本文題圖由 ComfyUI AI 生成，配圖由 Google Gemini AI 生成
