文●KP

最近台灣科技圈最熱門的話題，大概就是這個網路傳言，聯發科大幅減少了內部員工使用的AI Token（詞元）額度，甚至有人說每人每天只剩下二．二美元。

聯發科才剛在苗栗銅鑼啟用全新的研發資料中心，裡面裝滿輝達DGX B200超級電腦，每月最高可處理一千三百八十億個Token。一家砸大錢買超級電腦的科技公司，竟然會計較員工每天新台幣幾十元的Token預算？這是什麼道理？

聯發科官方回應表示，公司鼓勵員工廣泛應用AI工具以提升生產力，並會「依任務複雜度，自動匹配最適合的內部專屬或外部頂尖模型」。換句話說：額度沒有砍，只是不一定讓你用到最貴的模型。

這不只是聯發科，整個科技業都在面對這場「AI卸妝期」。

根據《The Information》十月初的報導， 微軟和Meta都在做一件事：限制員工使用Claude。

微軟年初估計，員工使用Claude一年至少要花十億美元，後來管理階層把這個預估砍掉超過三分之一。微軟雲端與AI部門約六萬名員工，多數人的每月AI預算上限從最高十萬美元，砍到約一萬美元。

Meta的情況更有趣。今年初，Meta內部出現Token排行榜，員工比賽誰用的AI多。曝光後，排行榜被撤下，Meta也收緊使用規範。使用寫程式工具Claude Code的員工，從六萬人砍到三萬人（部分原因是裁員）。

一家公司，一邊建數百億美元的AI基礎設施，一邊告訴員工「你的Token額度從明天起砍半。」這不矛盾嗎？

其實，這並不矛盾，因為Token消耗量從來不等於工作產出。

一個工程師花四十分鐘讓AI反覆生成、刪除、重寫一段程式碼，Token用量很高，但最終產出可能跟另一個工程師花十分鐘寫的結果一樣。過去，整個產業不計成本的用，因為沒人知道投資報酬率是多少，所以最保險的做法就是先用了再說。但這個階段，正在結束。

要強調的是，砍AI預算這件事本身沒有錯。任何新技術從「不計成本的用」進入「精打細算的用」，都是正常的商業流程。關鍵是砍完之後，產出的品質是否還一樣好。

如果省了一百萬美元Token費，工程師寫的程式碼錯誤變多、開發速度變慢，最後還要花三百萬美元請人來修正，省錢計畫就徹底失敗。反之，若砍了一半預算，產出品質和速度都沒有下降，表示過去確實有很多浪費。

▲簡單的任務交給便宜模型，複雜的才用頂尖模型。分流做得準不準，決定省下的預算是效率，還是代價。
AI競爭不再是比模型強弱
如何調度、驗收成新戰場

這就帶出了二○二六年AI產業最關鍵的技術轉移：大家開始把焦點從「模型本身」，轉移到模型外圍的管理系統——英文叫Harness，中文還沒有統一的翻譯，我們先稱它為「駕馭工程」。

白話文說，你可以把它想像成廚房的後場主管，食材（模型）買來了，但誰決定哪道菜用頂級和牛（貴的模型）、哪道菜用普通牛肉（便宜模型）？這就是駕馭工程的工作。

但是，預算砍掉後，要怎麼確認工程師的產出沒有下降？

第一是「程式碼接受率」。微軟在旗下程式碼編輯器VS Code的官方部落格公布，自研的寫程式模型MAI-Code-1-Flash與同級小模型相比，接受率較高，中位數Token用量少一成以上。

第二是「開發週期與重工率」。一段程式碼從開始寫到最終合併進主系統，花了多少時間？如果砍預算後，這個週期時間沒有變長，就證明過去的AI預算確實有水分，現在更有效率。

第三是「除錯成本」。如果便宜模型寫出來的程式碼漏洞百出，導致後續測試和修復的時間倍增，那這筆省下的Token費用最終會變成更大的技術債。

聯發科官方說的「自動匹配」機制，本質就是一個初步的駕馭工程：根據任務複雜度，自動匹配內部模型或外部頂級模型。

做法邏輯是對的，不是所有任務都需要最貴的模型，但這裡有一個關鍵前提：分流做得夠不夠精準？

如果一個本來需要頂尖模型才能完成的複雜任務，被粗糙的排程系統誤判成簡單任務，丟給了便宜模型，結果工程師還得自己重寫。砍預算省的是小錢，工程師多花的時間才是大錢。

過去兩年，大家比的是誰的模型最強；接下來兩年，要比「誰的駕馭工程最聰明」。

這些大廠敢這樣砍預算，背後有一個前提：模型之間的差距正在快速縮小。當十瓶礦泉水喝起來都差不多時，你自然不會再為其中一瓶付五倍的價格。模型正在變成原料。而駕馭工程，才是決定這原料每塊錢能發揮多少價值的關鍵。

微軟年初估計員工1年花10億美元使用Claude，之後這個預估砍掉超過1/3。

砍預算正常，砍多少合理？
小心手段過猛，把目的一起砍掉

這件事並不代表「AI不行了」。微軟內部雖省錢，但賣給企業客戶的Claude服務需求仍在增加。Meta雖然砍了使用人數，但最近二十八天逾一億美元的帳單還在那裡。聯發科的銅鑼機房也還在運作。

真正發生的事情是：AI正從信仰階段進入「商業階段」，也就是每一塊錢花出去，你得告訴我換回了什麼。對硬體供應商（輝達、博通）來說，短期內可能讓需求稍微降溫，但如果AI變得更便宜、更有效率，反而會吸引更多原本觀望的企業進場。

砍預算，完全可以。任何技術從狂熱走向成熟，都要經歷這個過程。但砍完之後，真正該關注的數字只有一個：投資報酬率。每一塊錢省下來，工程師的產出有沒有維持？開發速度有沒有下降？程式碼品質有沒有變差？

如果砍了預算，產出還是一樣好，那恭喜你，你找到了效率。如果砍了預算，產出反而下降，那你省下的只是帳面數字，失去的卻是競爭力。

聯發科那每天二．二美元的額度，方向可能是對的。但這個數字，確實低得讓人有點不舒服。

對照一下：Uber每人每項AI寫程式工具，每月上限一千五百美元；特斯拉每人每週上限兩百美元，約合每月八百六十美元；微軟雲端與AI部門砍完預算後，每人每月上限仍有約一萬美元。聯發科傳出的每月六十六美元，跟這些數字差距懸殊。

如果這只是自動匹配機制將大部分任務導向便宜模型後，工程師實際上能用到的頂尖模型額度，那勉強說得過去。但如果連日常除錯、寫文件、查資料都要從這二．二美元裡扣，那這刀就砍得太深了。

省錢是手段，提高效率才是目的。手段用得太過頭，把目的也一起砍掉了，那這張帳單，最終還是會回到公司自己手上。
（本專欄作者為深度研究科技金融產業的專家KP）

… 本文摘錄自 商業周刊 2026/10月 第2031期