學習筆記

TL;DR

許多公司正面臨將 AI 使用量誤認為 AI 創造的價值，導致 AI 投入成本高漲卻未能即時提升利潤的財務警訊，甚至可能無法持續。

快速結論

這支影片的核心主張是提醒企業，在追求 AI 導入與應用時，必須警惕其可能帶來的財務衝擊與潛在泡沫。許多公司當前最大的問題在於，他們將 AI 的「使用量」錯誤地等同於 AI 所能創造的「價值」，這種認知偏差導致了不必要的成本支出，而未能立即轉化為利潤增長。

影片指出，AI 的應用並非總是能立刻提高利潤，反而可能大幅推高營運成本。例如，Uber 在今年四月便傳出公司僅花了 34 個月就燒掉全年的 AI Token 和基礎設施預算，顯示其在 AI 相關開支上的失控。Instagram 的負責人 Adam Mosseri 也提到，他們不得不關閉一些「非常蠢」的做法，才得以控制 AI 的高昂成本。

這些案例揭示了當前 AI 市場的警訊：企業支付的 AI Token 及基礎設施價格可能過於昂貴，超出了其能夠持續支撐的範圍。這不僅對個別公司的財務健康構成威脅，也暗示了整個市場可能存在一種對 AI 效益的過度樂觀，潛藏著未來泡沫破裂的風險。

這支影片在說什麼

這支影片探討了 AI 在企業應用中可能面臨的財務挑戰和市場警訊。它旨在指出許多公司在導入 AI 時，可能誤判其成本與效益，導致營運成本升高而利潤未見提升。影片透過 Uber 和 Instagram 的案例，說明了過度投資 AI Token 和基礎設施可能導致資金快速燒光，質疑當前 AI 熱潮下，企業支付的成本是否合理，並為讀者提供對 AI 經濟效益的審慎思考。

最重要的 3-5 個重點

1. AI 使用量不等於 AI 價值： 許多公司犯了將 AI 使用量誤認為 AI 所創造價值的錯誤，導致投資方向偏離實際效益。
2. AI 推高營運成本而非利潤： AI 的導入可能沒有立刻提高利潤，反而大幅增加了企業的營運成本，導致財務壓力。
3. 資金快速燃燒： 以 Uber 為例，公司僅花了 34 個月就燒掉了全年的 AI Token 和基礎設施預算，凸顯 AI 相關開支的龐大與消耗速度。
4. 企業被迫調整策略以控制成本： Instagram 的負責人 Adam Mosseri 證實，他們不得不關閉一些「非常蠢」的做法，才能有效控制 AI 的高昂成本。
5. AI 相關成本可能過高且不可持續： 企業目前支付的 AI Token 價格過於昂貴，未來可能無法支撐，預示著潛在的市場風險。

知識架構

AI 投資風險與警訊

• 核心問題： 誤將 AI 使用量等同於 AI 創造價值
  • 企業錯誤認知： 頻繁使用 AI 或大量導入 AI 技術，不等於已產生實際利潤或效益。
• 財務衝擊：
  • 營運成本推高： AI 導入可能增加支出，卻未立即帶來利潤增長。
  • 資金燃燒速度過快：
    • 案例：Uber - 今年4月傳出在 34 個月內燒掉全年 AI Token 及基礎設施預算。
    • 案例：Instagram - 負責人 Adam Mosseri 關閉「非常蠢」的做法以控制 AI 成本。
  • 高昂的 AI Token 與基礎設施費用： 當前價格可能過高，難以長期維持。
• 潛在風險與市場警訊：
  • 企業財務難以支撐持續的高投入。
  • 市場可能存在對 AI 價值的過度樂觀（「AI 泡沫」）。

關鍵概念

• AI Token (A.I. Token): 影片中指代用於 AI 服務或運算相關的費用，是企業在 AI 領域的主要開支之一。
• 基礎設施預算 (Infrastructure budget): 支援 AI 系統運行所需的硬體、軟體及網路等基礎建設的經費。影片指出其與 AI Token 同樣面臨快速消耗的問題。
• AI 使用量 (A.I. usage): 企業在日常運營中應用 AI 的頻率或規模。影片強調，這容易被誤認為 AI

創造的實際價值。

• AI 創造的價值 (A.I. created value): 指 AI 為企業帶來的實質效益，例如提高效率、降低成本或增加收入。影片指出，這與單純的 AI 使用量不同，且可能未如預期。
• 營運成本 (Operational costs): 企業日常運營所需的各項費用。影片提到 AI 的導入有時反而推高了營運成本。

重要例子與細節

• Uber 燒錢案例： 今年四月傳出，Uber 公司僅花了 34 個月就燒掉了全年的 AI Token 和基礎設施預算。這是一個具體的例子，顯示 AI 相關開支的龐大和快速消耗。
• Instagram 成本控制案例： Instagram 的負責人 Adam Mosseri 曾表示，他們關閉了一些自己都覺得「非常蠢」的做法，才成功將 AI 的成本控制下來。這暗示了在 AI 應用初期，企業可能會有一些無效或高成本的嘗試。
• AI 成本效益問題： 影片中強調，部分公司發現 AI 並沒有立刻提高利潤，反而把營運成本推高，這指出了 AI 導入初期可能面臨的實際財務困境。
• 高昂的 AI Token 價格： 影片明確指出，企業目前支付 AI Token 的價格太貴，未來可能根本支撐不住，這是一種對未來市場可持續性的擔憂。

可學習的洞察

1. 警惕「虛假效益」的指標： 採用任何新興技術（如 AI）時，應避免將其「使用量」或「導入程度」誤認為已產生實際的商業價值或利潤，而應聚焦於可量化的實質效益。
2. 深入評估新技術的成本效益： 即使是市場熱門的科技趨勢，也應保持審慎態度，在投入大量資源前，嚴謹評估其長期成本結構與實際帶來的效益，尤其是當其可能推高營運成本時。
3. 保持策略彈性，勇於止損： 像 Instagram 能夠及時發現並停止「非常蠢」的 AI 做法，顯示了企業在技術應用中應具備快速調整和優化策略的能力，避免不必要的資源浪費。
4. 對高價技術保持警覺： 當關鍵技術或資源（如 AI Token）的市場價格過高時，企業應思考其長期可負擔性與替代方案，以避免陷入成本不可持續的困境，這可能是市場過熱的警訊。

可行動的整理

1. 重新檢視 AI 專案的 ROI： 評估公司內部的 AI 專案，確認其是否有明確的投資報酬率 (ROI)，而非僅根據 AI 的使用頻率或規模來判斷效益。
2. 研究 AI 成本優化策略： 參考 Uber 和 Instagram 等案例，研究如何在應用 AI 的同時，有效控制 Token 使用量和基礎設施成本，避免不必要的浪費。
3. 建立 AI 效益衡量框架： 發展一套清晰的指標，用於衡量 AI 應用所帶來的實際利潤提升、成本降低或效率改進，而非僅是技術層面的導入成果。
4. 監控 AI 市場價格趨勢： 持續關注 AI Token 和相關基礎設施的市場價格變動，評估其對公司長期財務的影響，並考慮潛在的替代方案。

複習問題

1. 根據影片，許多公司在 AI 應用上最常犯的錯誤是什麼？
2. 影片中以哪個公司為例，說明其僅花了 34 個月就燒掉全年 AI Token 和基礎設施預算？
3. Instagram 的負責人 Adam Mosseri 是如何應對 AI 成本過高的問題？
4. AI 應用對一些公司的利潤和營運成本產生了什麼樣的影響？
5. 影片最後提到的「企業現在支付 Token 的價格太貴了，未來可能根本支撐不住」這句話，是在警示什麼樣的潛在風險？

待確認資訊

• Uber 案例中提及「34 個月」燒掉「全年」預算，此處「34 個月」在語義上顯得過長，一般「燒掉全年預算」應在數月內發生。雖然已忠實呈現逐字稿內容，但這資訊在實際理解上可能存在筆誤或口誤，需回看影片確認原始語意。