手握史上最強大的技術工具，卻發現它無法讓強者恆強——這是當前 AI 產業最核心、也最令人不安的悖論。

過去三十年，矽谷的成功法則清晰而殘酷：建立網絡效應，形成贏家通吃的局面，然後坐收壟斷租金。從 Windows 到 Google 搜尋，從 Facebook 到 Amazon 的第三方市集，每一個統治級的科技帝國都遵循同一套劇本。但 2025 年的 AI 產業——一個年燒數百億美元、估值動輒千億的新戰場——卻呈現出截然不同的競爭結構。

科技分析師 Benedict Evans 與 Toni Cowan-Brown 在近期的 Podcast 對談中，提出了一個直指要害的觀點：生成式 AI 正在瓦解過去三十年科技巨頭賴以生存的壟斷方程式。這不是技術唱衰論，而是對商業模式的結構性質疑。以下將拆解他們的論述，結合最新的產業數據，探討傳統網絡效應為何在 AI 時代失靈，以及這對競爭格局究竟意味著什麼。

網絡效應的黃昏

矽谷的三十年成功法則

回顧 1990 年代以來的科技史，幾乎每一個統治級的科技帝國都建立在同一塊基石上：網絡效應。這是一個簡單而殘酷的良性循環——每增加一個使用者，既有使用者的體驗就更好，後進者就更難追趕。

  • Wintel 聯盟：使用者選擇 Windows，因為所有軟體都在上面運行；開發者為 Windows 撰寫程式，因為所有使用者都在用。這是教科書等級的雙邊市場鎖定，微軟在巔峰時期佔據了超過 95% 的桌面作業系統市場。
  • Google 搜尋：數據驅動的網絡效應。每一次搜尋讓演算法更精準，更好的結果吸引更多使用者，更多使用者產生更多數據。這個自我強化的飛輪讓 Google 在全球搜尋市場維持了超過 90% 的市佔率長達二十年，即便 Bing 投入了數十億美元也無法撼動。
  • Facebook 與社群媒體：最直觀的網絡效應。你在 Facebook 上，因為你的朋友都在那裡。第十億個使用者的加入，直接提升了所有既有使用者的體驗價值。這使得 Facebook 即便在多次隱私醜聞後，依然擁有超過 30 億月活躍使用者。
  • Amazon 的雙邊市集：更多買家吸引更多賣家，更多賣家帶來更多選擇和更低價格，更低價格又吸引更多買家。這個飛輪讓 Amazon 在美國電商市場佔據近 40% 的份額。

Evans 直言：「這些產品從誕生的第一天起，網絡效應就是它們的 DNA。」這不是後天習得的優勢，而是內建於產品架構之中的結構性壟斷。

AI 的反常：越強大，越像公用事業

然而，審視 ChatGPT、Claude 或 Gemini，會發現一個令人困惑的現象：這條定律失效了。

當前的生成式 AI 模型雖展現驚人能力，卻本質上缺乏讓使用者「不得不留下來」的鎖定機制。Evans 指出核心問題：「如果有一億人使用 ChatGPT，這件事本身並沒有讓下一個使用者的體驗變得更好。」

這與 Google 搜尋形成鮮明對比。Google 的每一次點擊都在餵養演算法，使搜尋結果更精準，形成正向循環。但 ChatGPT 的第一億零一個使用者，獲得的體驗與第一個使用者本質上並無二致。模型的能力來自訓練階段的數據與算力投入，而非使用者互動的累積。

這使 AI 模型面臨嚴重的同質化風險。對終端使用者而言，這些模型越來越像電力供應商或雲端基礎設施——當你使用 Snapchat 的 AI 濾鏡時，根本不在乎背後跑的是 AWS 還是 Google Cloud。一旦 AI 淪為基礎設施層，使用者便能在不同模型之間無摩擦地切換，因為數據並未被鎖定在任何特定生態系之中。

更值得關注的是基準測試的趨同現象。GPT-5、Claude 4.5 Sonnet、Gemini 3.0 在多項主流評測上的差距已縮小到統計誤差範圍內。當頂級模型的能力差異肉眼難辨，「我們的模型更聰明」這個敘事就失去了說服力。技術領先的半衰期可能只有幾個月——今天的突破，明天就是競爭對手的基線。

虛假的飛輪與天文數字的燒錢循環

為了合理化高昂的估值，許多 AI 公司會展示精美的「飛輪圖表」，敘事大致如此：

更多收入 → 投入更多資本支出購買 GPU → 訓練更好的模型 → 吸引更多使用者與收入

Evans 的批評一針見血：「這根本不是飛輪效應，這只是標準的商業循環，甚至是單純的燒錢循環。」

最新的數字讓這個論點更加觸目驚心。OpenAI 在 2025 年的年化營收達到 200 億美元，較前一年的 60 億美元成長超過三倍。但代價是什麼？僅推論成本（inference cost）就高達 84 億美元，整體現金消耗預計達到 170 億美元。2026 年 2 月，OpenAI 完成了史上最大規模的私募融資之一——1,100 億美元，估值高達 8,500 億美元。Sam Altman 更預測公司到 2030 年營收將突破 2,800 億美元。

這些數字令人暈眩，但仔細審視，卻暴露了一個根本問題：毛利率僅約 33%。作為對比，傳統 SaaS 公司的毛利率通常在 80-90%。當你賺 1 美元需要花 0.67 美元在推論算力上，你並沒有在建立護城河——你只是在經營一條非常昂貴的生產線。

Evans 以 Amazon 的飛輪作為對照，說明了真正的飛輪與偽飛輪之間的本質差異：

  • Amazon 的真實飛輪：更低的成本帶來更低的價格，更低的價格帶來更多流量，更多流量吸引更多第三方賣家，更多賣家帶來更多選擇，更多選擇提升客戶體驗。這是結構性的、自我強化的優勢。每一個環節都在強化下一個環節，而非單純的資本投入。
  • AI 的偽飛輪：正如 Amazon 無法僅靠蓋更多倉庫來建立壟斷，AI 公司也無法僅靠購買更多 GPU 來建立護城河。當微軟的年度資本支出超過 800 億美元，Google 和 Meta 同樣各自投入數百億美元建設 AI 資料中心，整個產業到 2025 年中期的年度資料中心總投資預計將從 1,500-2,000 億美元攀升至 4,000-5,000 億美元。在這種規模的軍備競賽中，技術優勢可能在數月之內被抹平。

F1 賽車場上的危險信號

對話中浮現一個耐人尋味的現象：AI 公司開始大舉贊助 F1 賽車。2025 年底，Anthropic 與 Atlassian Williams F1 車隊簽下多年期合約，將 Claude 命名為車隊的「官方思考夥伴」（Official Thinking Partner）。Google 與 McLaren 深化合作，Meta AI、Groq 等公司也紛紛跟進。根據 Ampere Analysis 的預測，2026 年全球 F1 贊助總額將首次突破 30 億美元，其中科技與 AI 公司是最大的成長動力。

Cowan-Brown 指出，這反映的不僅是行銷策略，更是產業結構的深層變化。回顧 F1 贊助史，主角往往是高利潤卻同質化的大宗商品：

  1. 七〇至八〇年代：菸草商（Marlboro、Camel、John Player Special）——產品幾乎無差異，只能靠品牌形象與生活方式行銷來區隔。Marlboro Man 不是在賣菸草的化學成分，而是在賣一種叛逆的美學。
  2. 九〇至兩千年代：石油與金融（Shell、Petronas、各大投資銀行）——同樣是同質化商品，消費者很難辨別兩家銀行或兩家石油公司的本質差異。
  3. 二〇一〇年代：加密貨幣（FTX、Crypto.com）——試圖透過頂級體育賽事建立大眾認知與信任，最終 FTX 的崩潰讓這些贊助成為了反面教材。
  4. 現在：AI——當 Anthropic 需要在 F1 賽車上貼標誌來告訴世界自己存在，這本身就是一個值得深思的信號。

這透露了一個危險訊號：當技術本身無法形成足夠差異化，競爭就退化成行銷戰與品牌戰。AI 模型正在變成像香菸或汽油一樣的商品——你需要告訴消費者你的 AI 更「安全」、更「有思考力」，因為除此之外，消費者很難感知到本質區別。一個企業 CTO 在選擇 AI 供應商時，越來越像在選擇雲端服務商——比較的是價格、SLA 和整合便利性，而非模型本身的「智慧」。

夾心餅乾困境：被上下游擠壓的模型層

「我們比較聰明」不是護城河。矽谷瀰漫著軍備競賽的氛圍，Evans 引用了 Steve Jobs 的經典名言：

You've got to start with the customer experience and work back to the technology, not the other way around.

但當前的 AI 實驗室往往反其道而行。它們的策略似乎只有一句話：「我們聘請了最聰明的人才，擁有最多的 GPU，所以我們會贏。」這個邏輯在技術研發的早期階段或許成立，但隨著模型能力趨同，它正在快速失效。

更深層的結構性問題在於，AI 模型公司正面臨經典的夾心餅乾困境——被上下游同時擠壓：

上游：算力供應鏈的壟斷

NVIDIA 佔據了 AI 訓練晶片市場超過 80% 的份額，其 H100/H200/B200 系列 GPU 是所有主要 AI 實驗室的命脈。台積電則壟斷了先進製程晶片的製造。這意味著無論 OpenAI、Anthropic 還是 Google DeepMind，都在向同一組供應商採購核心生產資料。普林斯頓大學 CITP 的一項研究指出，AI 晶片的生命週期僅 3-5 年，這個 3,000 億美元規模的問題意味著企業必須持續投入巨資更新硬體，而議價權始終在 NVIDIA 手中。

下游：分發通路的復仇

掌握使用者入口的科技巨頭——微軟的 Office 365、蘋果的 iOS、Google 的搜尋與 Android——才是真正的守門人。歷史告訴我們，技術領先不等於最終勝利：

  • Netscape 曾擁有最好的瀏覽器，微軟靠 Windows 捆綁 Internet Explorer 贏了瀏覽器戰爭。
  • Slack 曾是最好的企業通訊軟體，微軟靠 Office 365 捆綁 Teams 切走了巨大市佔。
  • 如今 OpenAI 的最大分銷夥伴是微軟，其模型透過 Azure 和 Copilot 觸及企業客戶。但這也意味著微軟——而非 OpenAI——掌控了客戶關係與續約決策。

若 AI 只是功能的堆疊，最終贏家很可能是那些已擁有十億使用者的平台巨頭，而非單純的模型開發商。模型公司淪為可替換的中間層——就像當年的硬碟製造商之於 PC 產業一樣。

企業端的反擊：尋找新形態的鎖定

面對同質化的威脅，AI 公司並非坐以待斃。Bessemer Venture Partners 在其 2025 年 AI 報告中指出，最有前途的 AI 企業正在從「更聰明的模型」轉向「更深的整合」，試圖在應用層建立新形態的護城河：

  • 工作流程嵌入：將 AI 深度整合到客戶的核心業務流程中，使拔除成本高到不切實際。微軟的 Copilot 策略就是典型案例——當 AI 助手深度整合了你的 Outlook 郵件、Teams 對話、SharePoint 文件和 OneDrive 雲端硬碟，切換到另一個 AI 意味著重建整個數位工作環境。據 a16z 對 100 位企業 CIO 的調查，企業導入 AI 工具平均需要數月的工程整合，加上多年期合約和合規框架的建立。
  • 專屬數據飛輪：利用客戶的私有數據進行微調（fine-tuning），讓 AI 越用越了解你的業務。Salesforce Einstein 對 CRM 數據的深度學習、Adobe Firefly 對企業品牌素材庫的訓練，都是試圖創造「情感鎖定」——當 AI 比你自己更了解你的客戶、你的設計語言，你怎麼捨得離開？
  • Agent 生態系：建立圍繞特定平台的自主代理（Agent）生態系統，讓企業在上面開發客製化的 AI 工作流程。一旦你為某個平台建立了數十個自動化代理，遷移成本就不只是技術層面的——還包括組織知識和流程優化的損失。

然而，這些策略的成效仍有待驗證。a16z 的調查同時顯示，企業 AI 預算正以每年約 75% 的速度成長，但有 23% 的企業無法準確預測月度 AI 支出。當客戶自己都不確定要花多少錢時，忠誠度就是一個奢侈品。

尋找下一個鎖定點

Evans 與 Cowan-Brown 的對話並非唱衰 AI 的技術潛力，而是直指當前商業模式的脆弱性。技術革命與商業壟斷之間從來不是自動連結的——汽車革命創造了巨大的社會價值，但大多數早期汽車製造商都破產了。

我們正處於一個結構性的過渡期：舊的網絡效應法則已死，新的法則尚未誕生。當前的 AI 產業更像是 1990 年代末的網路泡沫前夜——所有人都確信這項技術將改變世界（它確實會），但幾乎沒有人知道最終的贏家模式是什麼。

未來的贏家，或許不是參數最大的模型，不是融資最多的公司，而是那些能回答以下問題的企業：

  • 如何將 AI 深度嵌入工作流程，創造高昂的轉換成本——不是靠合約鎖定，而是靠不可替代的價值？
  • 如何在缺乏網絡效應的前提下，建立真正的品牌忠誠度——不是靠 F1 賽車上的標誌，而是靠持續超越期待的產品體驗？
  • 當 AI 變成公用事業時，誰能控制那個「最後一哩」——不是最底層的模型，而是最貼近使用者的介面與工作流程？

OpenAI 預測自己到 2030 年將產生 2,800 億美元營收。但在找到那個新的鎖定點之前，這個產業的真實面貌恐怕更接近一場沒有護城河的資本消耗戰——一場所有參賽者都在燒錢，卻沒有人確定終點線在哪裡的競賽。

而這，或許正是這個時代最昂貴的一堂商業課。

延伸閱讀