8/6 晚上，阿峰老師和 SIRAYA 西拉雅科技的 Kent 做了一場線上分享會，主題是企業 AI 落地。
整場一小時，最多人有反應的不是哪個模型比較強，而是一個很土的問題：
我到底要讓員工一個一個去訂 ChatGPT、Gemini，還是公司買一包 API 讓大家用？
這題阿峰老師自己也想過很久。答案不是「哪個便宜」，而是一個更根本的判斷。
完整直播回放（含章節）在上方，沒時間看完整場的話，下面是重點整理。
先搞懂這兩件事本質上不一樣
訂閱制，是吃到飽的邏輯——雖然現在多數 AI 訂閱也有額度上限，但概念上你付一筆固定的錢，用到額度為止。
API，是買額度的邏輯——pay as you go，用多少付多少，理論上沒有上限，但也沒有保護。
聽起來很像手機的「月租吃到飽」跟「預付卡」，但企業要考慮的點完全不同。
判斷準則：你的 AI 有沒有進入「不能斷線」的階段
Kent 給的分界線很清楚，阿峰老師覺得這是全場最實用的一段：
用訂閱制就夠的情況
- 員工拿來聊天、查資料、整理文件
- 工程師拿來寫程式
- 內部的自動化流程
- 簡單的資料查核
共同點：都是內部用、可以等、斷了不會出事。
該用 API 的情況
當你的 AI 已經進入服務階段，要對外、要穩定、要長時間運作。
Kent 舉的例子很直接：
你的 AI 客服跟外面的客戶聊到一半，總不可能跟他說「不好意思，我今天額度滿了，請你明天再來」吧？
阿峰老師補了一個更好懂的比喻——這件事跟電商網站的流量一模一樣：
平常沒什麼人逛的網站，用一般方案就好。但如果你是雙 11 會一次湧進上千人的電商，訂閱制會直接被限流——因為平台會覺得你在攻擊它。這時候就得走 API。
所以先問自己一句話：這個 AI 斷線的時候，會不會有外面的人看到？
會，就走 API。不會，訂閱制先撐著。
一個真實的教訓：一天燒掉一個月的訂閱費
分享會裡最有畫面的，是年初「小龍蝦」（OpenClaw）那波。
當時大家發現可以拿 200 美金的訂閱方案去餵這隻 AI 代理當大腦，於是瘋狂地燒。原廠一開始沒有特別禁止，直到後來受不了，直接封掉第三方 App 接訂閱制這條路。
Kent 說得很白：
訂閱制對原廠來講是完全不賺錢的。 它就是想讓你用習慣、叼住了，後面再讓你去買 API 的 token。
於是「一堆龍蝦被養死了」。
而 Kent 有一個客戶，把原本跑在訂閱制上的系統搬到 API——
一天燒了 150 到 200 美金。
一天，就燒掉了原本一個月的訂閱量。那位客戶的反應是：立刻把小龍蝦關掉。
這件事的教訓不是「API 很貴」，而是：訂閱制的吃到飽，會讓你完全感覺不到自己實際用了多少。等你哪天被迫換成按量計費，帳單才會告訴你真相。
更反直覺的一段：用得多，不代表用得好
這是阿峰老師覺得整場最值得記下來的觀念。
Kent 說，以前矽谷那邊有個說法：誰的 token 消耗最多，誰就是最會用 AI 的人。
但現在反過來了。
你用得多不一定代表你用得好，相對的，你可能是很沒有效率地在浪費算力。 用得少、但能把價值榨到最大的人，才是企業老闆最想要的。
那具體怎麼做？Kent 的客戶已經在跑一套混合架構：
| 比例 | 用什麼 | 處理什麼 |
|---|---|---|
| 約 20% | 頂級的閉源模型 | 最複雜的推理、最難的問題 |
| 約 80% | 便宜的開源模型 | 常規、重複性的任務，自動化跑 |
會這樣分，是因為現在的開源模型已經追上來了。Kent 原本說開源把閉源「打趴」，阿峰老師當場修正成更精確的說法——並駕齊驅。效能接近，但成本可以差到近十倍。
那為什麼大家不全部用開源？
門檻在私有化部署。要把開源模型下載下來、架在自己的環境裡穩定跑，對多數企業是真的痛苦。這也是為什麼會需要顧問或代理商。
省錢的下一步：把任務分流給不同等級的模型
如果說「訂閱制還是 API」是第一層判斷，那第二層就是——就算走了 API，你也不該把所有任務都丟給最貴的模型。
Kent 說現在的局面變了：開源模型追上來了，而且便宜非常多。像月之暗面在 7 月底開源的 Kimi K3（2.8 兆參數，在前端程式碼競技場的評測甚至排在第一），效能已經逼近第一線的閉源模型，但價差可以到將近 10 倍。
那為什麼大家不全部換過去？因為私有化部署有技術門檻。把模型拉下來自己部署，對多數企業是很痛苦的一件事。
所以他的客戶走的是混合架構：
- 約 2 成的 token 給頂級閉源模型，處理最複雜的推理
- 其餘 8 成的常規任務，交給部署在私有雲上的便宜開源模型
阿峰老師當場追問了一個很實際的問題：那客服機器人能不能自己判斷？簡單的問題用便宜模型、難的才調貴的？
答案是可以，但架構要重新規劃。Kent 的客戶實際做法是：純文字對談交給輕量模型；一旦有圖片、影像傳進來，AI 判斷後再另外調用具備圖像辨識能力的模型。
判斷邏輯本身，要先設計好。
兩個真實案例：AI 落地長什麼樣子
那晚 Kent 分享了兩個案例（依保密協議，客戶均不具名）。
案例一：遊戲公司的數據分析 Agent
一家海外的遊戲公司。原本要看上週的玩家行為、儲值變化，得由營運團隊和數據分析師手動把報表一張張拉出來、再依判斷寫成報告——一份報告要花將近一個禮拜。
改成什麼？做了一個數據分析 Agent。主管想知道什麼直接問它，AI 自己去後台知識庫抓數據、產出分析。
值得注意的是 Kent 他們的角色：只給架構建議，系統是客戶自己的工程團隊建的。因為對企業來說，資料是最敏感的命脈，多數公司不會讓外部顧問直接碰——甚至對內部員工都有「零信任」的考量。
案例二：民調公司的智能外呼系統
這個就硬多了——從零到一花了將近一年，聯合四家廠商共同開發。
背景是民調訪員高齡化、年輕人不願意做這種每天打電話的工作，但選舉還是要做民調。
真正的難點不是做介面。Kent 說會 Python 的話，那種介面一個禮拜就能做出來。難的是：
- 互動延遲——光是調延遲就花了三到四個月，還要在台灣建機房、跟電信商溝通
- 市話頻寬極小，導致 AI 聽不清楚對方在講什麼
- NCC 審核跑了一兩個月，因為主管機關會質疑「你用 AI 打電話，是不是詐騙集團」
- 台語目前聽得懂但還不會說，客語則還做不到
成效：傳統一次民調約 15 到 25 萬，用這套系統實跑一輪，費用不到 10 萬。（此為該案例數字，成效因題目設計與執行方式而異。）
這套系統後來也接到旅宿業——用 AI 客服回答「幾點能 check-in、能不能升等」，並自動打電話做入住提醒。有趣的是旅宿業最在意的不是省錢，而是不想再讓值班人員把精力耗在重複問題上，因為現在旅宿業本來就缺人。
再往前看一步：Agent 跟 Agent 講話的時代
那晚聊到一個很好玩的推演。
阿峰老師要跟 Kent 約時間，未來可能是兩邊的 agent 先談，談不攏才回報給本人：「要不要我直接幫你打給他？」——確認雙方都 OK，才把電話接給真人。
這其實就是自動化的下一步。而它已經不是科幻，是上面那套外呼系統再往前一格而已。
還有一件事：API key 也會被盜刷
這點阿峰老師覺得很多人沒想到。
Kent 有客戶的 API key 被盜用，然後被瘋狂燒 token——就跟信用卡被盜刷一模一樣。
如果你決定走 API，金鑰的保管就不再只是 IT 的事，而是財務風險。
台灣企業現在能做什麼
① 先問「會不會有外面的人看到」，再決定訂閱制還是 API
不要從價格開始想。先確認這個 AI 是內部工具，還是對外服務。內部的先用訂閱制跑，跑出成果再說。
② 如果已經在用訂閱制，去看一下你到底用了多少
多數訂閱方案後台都看得到用量。這個數字乘上 API 的單價，就是你未來的成本輪廓。現在看，比被迫搬家時才看便宜得多。
③ 把任務分級，不要全部丟給最貴的模型
先列出你團隊丟給 AI 的任務，分成「需要動腦的」跟「重複照做的」。光是把後者換成便宜的模型，成本就會差很多——這就是那個 20/80 的精神，不必等到有工程團隊才能開始想。
④ 走 API 就要把金鑰當信用卡管
誰有權限、放在哪裡、有沒有用量警示。這件事不做，省下來的錢可能一次就賠回去。
最後，兩句想留給你的話
Kent 說：「AI 對我來講就是一張白紙，你想要它做什麼，它就可以做什麼，取決於你的想像力。」
阿峰老師想把這句話講得更精確一點：
對「會用」AI 的人來說，AI 是一張白紙。 不會用的人，只能用別人已經寫好的那張紙。
還有一句，是阿峰老師常跟學生講的：
不要只看 AI 的價格，要看 AI 的價值。
價格只會越來越低，這件事已經被驗證過一次了。阿峰老師小時候去網咖，一小時要 500 塊；為了上網，得拿棉被蓋住數據機，怕撥接的聲音吵醒爸媽；大學去外地比賽住飯店，還要自己買一條十公尺長的網路線，從走廊的網路孔一路拉進房間。
基礎建設一定會越來越便宜。 AI 也是。
所以如果你是企業主，阿峰老師的建議是：不要讓現在的價格限制了你的想像力。 不是叫你猛花錢，而是——先花一兩個月去摸清楚它的邊界。就算這一兩個月沒有創造出價值也沒關係，至少你知道了這條路走得通走不通。
而幾個月後，同樣的東西一定會更便宜。
下一場免費線上分享會
8/28（五）19:30 《一個人 × AI，也能撐起一間媒體公司？》
阿峰老師 × 馬驊 Alex Ma（痛點科技 PainPoint AI 創辦人）
這場談的是個人 IP：一個負責「內容怎麼用 AI 持續產出」，一個負責「流量怎麼自動成交」。線上、免費。
→ 立即報名
如果你想把 AI 真的落地到公司裡，不管是團隊訓練還是系統導入，都歡迎透過 官網 或 ai@autolab.cloud 跟阿峰老師聊聊。