關於誘發需求、裁員，以及我們其實不知道怎樣善用的 AI 的真正成本
如果你有花時間逛交通運輸圈的 Twitter，你一定看過那個迷因。
「再加一條車道就好，兄弟。」
畫風像蠟筆畫的公路工程師站在高速公路旁邊，指著他想新增的車道，因為現在塞車很嚴重。他表情誠懇。他這次一定會修好。再多一條車道，塞車就會紓緩。
塞車很少會紓緩太久。
新車道會創造新車程。新增容量會創造新需求。經濟學家稱之為誘發需求（induced demand）。德州的 Katy Freeway 被擴建成世界最寬的高速公路之一。洛杉磯的 405 也花了十億美元拓寬。幾十年高速公路擴建的模式都很熟悉：容量增加，用量跟著填滿，壅塞再度出現。
迷因裡的那個工程師還是會繼續要求再多一條車道。
現在，我們在 AI 數據中心上正處於同一個時刻。
「正確基建」的推銷說法
每一季都會有另一間超大規模雲商的公告。另一個十位數美元級別的建設。另一個園區。另一個變電站。另一份電力合約。另一場水資源爭議。另一個被告知這是進步代價的鄉郊郡縣。
理由永遠一樣。
AI 需求在爆炸成長。我們需要更多算力。如果我們不蓋，美國就會落後中國。企業拿不到所需容量。開發者會受限。創新會變慢。
再起一個數據中心。
再多一個吉瓦級園區。
再多一個 2,700 英畝的地點。
再多一輪電網升級。
然後，我們就會有足夠的資源。
只是換了一張藍圖，工程師還是同一個。
這是一場世代級的基建豪賭，而且相當大一部分已經簽好了。
這並不是說 AI 完全不需要基建。有些新容量是必要的。
問題是，在要求買家先證明自己有聰明運用現有容量之前，我們是否應該繼續以這種速度承諾新容量。
現在，那些爆炸性的需求有一部分是真正的新生產力。有一部分是可以避免的耗用——由糟糕的預設、失控的重試、過期仍在用的憑證、火力過剩的模型，以及從來沒有人被迫為其成本辯護的工作負載所創造出來的。
誘發需求
算力的需求曲線不是固定的。它會往現有供給能支撐到哪裡就彎到哪裡。
給開發者便宜的前沿模型存取權，很多工作負載就會預設跑在前沿模型上。給 agent 大預算，很多 agent 就會把錢花光。給團隊毫無限制的 API key，帳單就會一路長，直到有人注意到。
到那時，工作負載早已上線。
一位創辦人在客服流水線的每一個步驟都跑昂貴模型，只因為工程師當初趕進度時，預設就是這樣。這條流水線運作得很好。只是帳單變得很痛。過了很久才有人發現，其實有相當一部分工作負載可以跑在便宜很多的模型上，而品質幾乎沒有可量度的損失。
這不是什麼怪異邊緣案例。這往往就是快節奏 AI 開發的日常。
預設是錯的。浪費是隱形的。帳單是延遲寄來的。
同樣的事到處都在發生。
一個檢索系統把重複內容都 embed 了。一個客服 agent 在重試迴圈裡打轉。一個程式設計 agent 用最貴的模型處理微不足道的修改。一個外包商的 key 比合約活得還久。一個前員工的 key 比離職流程還久。一支 production key 最後跑到某人的 laptop 裡。
他們不一定是惡意。系統只是沒有人管理。
當 AI 產業說需求在爆炸成長，其中有一部分是實際的生產力。另一部分則是壞預設、過期憑證、缺乏預算控管，以及無人治理的機器工作。
加更多算力並不會解決這些問題，只會餵養它們。連 Amazon 之類的公司都在回報情況正是如此。
這就是誘發需求。這就是那條高速公路。
「人出、AI 入」的心態
人頭減少、AI 預算增加，兩者往往被明確地綁在一起。Microsoft 已經坦言，他們的裁員並不只是單純由 AI 取代。Sam Altman 也承認，其中有部分歸因是他所稱的 AI washing：拿 AI 當理由，為公司本來就會做的裁員背書。CEO 的調查則顯示，他們不得不根據 AI 來規劃變革。
數據清楚顯示的是優先順序的重新分配。Challenger 形容科技公司正在圍繞 AI 重整架構，自動化部分職位，並把預算重新配置到新能力上。具體哪一位員工、哪一顆 GPU 並不需要一對一對上，資本的移轉仍然是真實的。
這讓那個令人不舒服的問題變得更尖銳，而不是更模糊。
如果這筆交換不是「人換 AI 生產力」，也不是完全「人換空氣」，那機器這一邊的帳到底是什麼？沒有任何人能給出堅實的答案，因為 AI 支出正在變成另一條薪資線，卻完全沒有用接近對待人事成本的紀律來管理。
人類員工有主管、有預算、有權限控管、有公司卡、有門禁卡、有離職流程、有績效評估、有稽核軌跡。
機器員工往往只有一把 API key。
我們正在把預算從「人類薪資」移往「機器薪資」，卻把機器薪資當成一堆密碼在管。沒有擁有人。沒有管理者。沒有有效期限。沒有支出政策。沒有憑單。沒有「每個有用結果的成本」。沒有證據顯示這些機器工作配得上它的機器成本。
API key 是新的公司卡
一家公司絕不會說：「有個前員工還留著他的公司卡，沒有人知道這卡在刷什麼，幾個月後我們才發現。」那會被視為顯而易見的營運失敗。但在 API 的世界，這種事天天在發生。
模型供應商的 key 可以創造支出。雲端供應商的 key 可以創造基礎設施。Stripe 的 key 可以移轉金錢。GitHub 的 key 可以部署程式碼。資料供應商的 key 可以存取付費資料集。廣告平台的 key 可以燒掉行銷預算。交易所的 key 可以買賣資產。
這些不只是「秘密」。它們是經濟權限。
太多 API key 仍然被當成密碼在看待。它們該被當成機器用的公司卡。
外包商、開發工作室、行銷代理商、稽核師、兼職團隊、員工，以及各種 agent，全都需要存取那些時多時少的資源。今天，公司要不是過度授權，就是把一切拖慢。專案結束了，存取權還在，支出仍繼續流動。
這不只是資安問題。這也是一個會計問題、一個治理問題，也是基礎設施問題。
在地人都知道
對數據中心的民眾反彈，不只是 NIMBY（不要在我家後院）。人們感覺得到那個矛盾。Gallup 的民調最近顯示，有七成美國人會反對在自己城市興建 AI 數據中心。
數據中心消耗大量電力。視乎冷卻設計與地點，它們也可能耗用可觀的水和土地。它們帶來實際的熱、噪音、輸電線路爭議，以及地方政治壓力。好處常常感覺遙遠、私有、或只是推測。成本卻是本地的。
基建負擔集中在鄉郊郡縣。經濟利益被稀釋，且往往被別的地方收割。好處被承諾在未來。成本卻是現在就到。
這在政治上是很不穩定的。到 2026 年，這已經不再只是預測。
產業不該對數據中心變成全國性的政治戰場感到意外。如果 AI 基建向社區索取土地、電力、水資源和耐性，那這個產業就應該能證明這些算力被好好運用。
現在，很多買家做不到。
用沒衡量的機器來換人，是錯的
把這些層次疊在一起看。
一位 CFO 讀了 AI 投資論述，批准擴建，裁員來為此籌資，然後告訴董事會：這筆算盤打得通。算力被佈建好了。工作負載上線。預設是錯的。key 沒有人管。昂貴模型被過度使用。agent 重試太多次。舊憑證一直能用。帳單增長比預期更快。
董事會問為什麼。答案回來：AI 需求在爆炸。我們需要更多容量。於是 CFO 又簽下一份合約。循環重演。
同時，被取代的員工看著公司在 AI 系統上大手筆支出，而這些系統是否真的產生承諾中的生產力卻不明朗。一位郡委員接到因電力、水資源、土地與噪音而憤怒的電話。一位電網調度員試著讓供需數字兜得攏。一位當地居民被告知：這就是未來。
太多時候，這筆交換不是「人換生產力」。而是人換沒衡量過的機器工作，
人換壞預設，人換邋遢操作。當這些邋遢變得昂貴時，產業給出的答案不是紀律，而是再多一座
數據中心。再一座就好，兄弟。
真正的答案
真正的答案並不只是蓋更多數據中心。
真正的答案是，把我們已經有的數據中心用得更聰明。
這對產業來說是句不太舒服的話，因為誘因並不完全一致。供應商通常在耗用增加時收入才會增加。買家是在「有用結果」增加時才算贏。這兩條曲線並不相同。
買家的利益是具體的。
買家想要的是「剛好做得到這件事的最小模型」。解決問題所需的最少次呼叫。專案結束就會失效的 key。只允許從正確裝置使用的憑證。只要一離開政策範圍就會被切斷的 agent。只有在商業個案是真的站得住腳時才會被批准的例外。
以上這些，全都不需要新數據中心。它們需要的是，把我們已經擁有的算力做出更智能的配置。
通往解方的路很無聊
把工作負載配對到適合大小的模型。能批次的就批次。能快取的就快取。該被限制的要設限。該被授權突破的才放行。該拒絕的，是那些跑在錯誤環境上的工作負載。 credential、錯誤的裝置、錯誤的持有人、錯誤的工作。以每個有用結果的成本來衡量。自動到期存取權。終止失控的迴圈。把低風險工作導向低成本模型。只有在品質需要時才升級。產出收據。
市場已經開始留意。今個夏天，CFO 和董事會開始嚴控遠超預算的 AI 開支。模型路由從研究論文變成董事會詞彙，因為團隊在尋找方法，將日常工作交給較便宜的模型，而不犧牲品質。模型供應商本身亦開始推出管理支出上限，因為客戶要求有方法可以控制帳單。
好。這股浪潮是真實而且早就該來。供應商現在提供真正會在觸及上限時拒絕呼叫的硬性支出上限、按使用者設定的上限，以及審批流程。
但留意這一波的邊界。這些控制只管控在同一個供應商、同一個專案或同一個應用程式之內的消耗。路由是挑一個較便宜的模型。上限是阻止帳單失控。兩者都沒有回答更大的授權問題：是哪一部機器、由哪個 runtime、代表誰、為了甚麼目的、存取了哪些外部資源，以及事後有甚麼可攜帶的證明。成本控制不等於可編程、可驗證的授權。
AI 需要的是完整的一套紀律，而不只是「成本」這一半。不是因為 AI 很壞，而是因為 AI 正在變成勞動力。而勞動力需要管理。
AI Agents 缺少的那一層
這就是我們認為 AI 正在缺少的一層，而且我們刻意把它收窄到比整個 FinOps 堆疊還要小。
經濟授權應該在執行前就被治理好：誰和甚麼可以花錢、從哪個裝置和 runtime、用於哪種工作負載以及在甚麼限制之下。最後還要有一張真人人可以核對的收據。
資料中心的擴建有一部分是必要的。AI 是真的，而真實的東西需要基礎設施。但如果需求不受管控，所需的擴建就會比本來需要的更大、更快、更難被合理化。正確的道路不是在帳單來了之後弄一個更漂亮的儀表板，而是在「憑證」這一層先加上控制，讓支出發生前就受管。
往正確方向前進
再起多一個資料中心，哥仔。
我哋包你今次一定得。算力就快要上線了。浪費率就快要下降了。利潤率就快要浮現了。工作負載就快要變得高效了。當地居民就快要接受了。電網就快要撐得住了。簽了約的呢一萬億美元租約就快要顯得保守了。董事會就快要睇到生產力的提升了。
再多一個就好。
呢啲產能可能有一部分真係需要。但喺業界再向社區要求更多土地、更多水、更多電力、更多耐性之前，買家應該要先能回答一個更簡單嘅問題。
我哋有冇善用而家已經有嘅算力？唔係喺簡報入面，唔係喺一份政策備忘錄度。
而係喺收據度。用咗邊個模型。邊個工作負載需要佢。邊把 key 授權。呢先係下一場 AI 基礎設施之戰。唔係要算力定唔要算力，而係「有治理嘅算力」對「浪費嘅算力」。
少啲盲目建設。善用我哋已經擁有嘅嘢。