目錄
報導重點摘要
- Open AI 日前公開了 30 家用量超過 1 兆 token 的客戶名單，READr 蒐集其中上市公司過去三年的財報，以及其他公司的新聞稿及歷次估值，追蹤它們導入 AI 核心業務的時機與策略，並探討這波 AI 轉型為產業帶來的實際效益和衝擊。
- AI 帶來哪些影響？有些企業透過 AI 促進產品創新，也有企業藉此結合專業職能升級服務，從而推動營收和估值成長，然而，這波浪潮隨著持續競爭攀升的研發支出，並非所有公司都能順利將高額成本轉換為實質利潤。
- 國外研究指出，僅有 5% 的公司成功將 AI 投資轉換為實質利潤，多數 AI 工具的導入仍僅限於提升員工的個人生產力。同時，這項轉變使得產業對資深人才的需求傾斜，近年業界許多大廠迎來基礎職位被取代的裁員潮。
- Open AI 執行長 Sam Altman 曾警示投資人對 AI「過度興奮」。不少研究報告也指出，目前業界對 AI 的投資過度樂觀，高昂的算力成本，業界指標公司相互持股導致資金流閉環，可能預示著市場泡沫化的隱憂。
AI 巨擎 OpenAI 在 2025 年 DevDay（開發者大會）上公佈了一份名單：密密麻麻的開發者姓名，至少代表著 30 家使用 OpenAI 模型用量超過 1 兆 token（詞元）的公司，「你們正在創造未來，」OpenAI 創辦人阿特曼（Sam Altman）說，「從你們目前的成果，讓我們迫不及待想看見接下來的故事。」
這 30 間公司代表著不同領域使用 AI 的故事，從語言科技、人力聘僱、健康醫療、法律到程式語言，READr 從這些公司的財務表現切入，觀察 AI 如何改變公司業務或帶來創新，發現這些公司有些財報亮眼，但高額的算力投資與研發成本卻不見得在目前可以得到相對應的回報，科技巨頭的新品發表還常常成為決定生死存亡的關鍵。我們也訪問身在這場鉅變的第一線、矽谷公司的開發者們，AI 工具提升了個人生產力，帶來新職涯的可能性，卻也徹底改變了業界對人才的需求。
誰是 OpenAI 用量大戶
Token 是大型語言模型的計量單位，每一次與 AI 的互動都會消耗 token，所以在這 30 個大戶名單中，可以見到不少讓使用者直接與 AI 對話、或直接向 AI 提出需求的服務：如協助程式碼撰寫、諮詢客服等等。
Shandy 是語言學習應用軟體 Duolingo 產品成長團隊的設計專案經理。每週一早上，她會與團隊召開例會，確認本週的產品目標與排程。每收到一份新功能的規格需求時，她都需要向插畫師確認視覺風格，與動畫師溝通畫面呈現，並和工程師釐清功能需求。
在這場會議上，Shandy 會利用會議軟體的內建 AI 即時記錄重點、結論及行動項目（Action Items）。會後，她還會將會議逐字稿複製到 ChatGPT，進行二次整理和精煉。在公司內部開發的 AI 工具輔助下，她經常透過這套系統，跨平台蒐集資訊，或提出參考雛形：
「今天我需要畫一個天空，過去 branding（品牌）有沒有推薦的 direction（方向）？」
「今天我需要一個 Duo 拿著吉他，姿勢可能是⋯⋯。」
在工作日常中，AI 幾乎參與了 Shandy 的每一個決策環節。
Shandy 提到，從去年開始，公司就十分強調發展 AI 的優先程度，有時可以搶先測試 GPT 進階模型外，公司也訂閱許多可以協助產品雛形設計的工具，以及能跨程式整合文件的 AI 平台。每週五被訂為「Fraiday」（即 Friday＋ai），內部會舉辦各種交流會或 AI 工作坊，讓大家可以彼此討論或是學習。
AI 激盪出產品創新功能
這樣的投入也誕生了成功的產品。2023 年初，Duolingo 內部舉辦了一場為期兩天的生成式 AI（Generative AI）黑客松，活動中鼓勵同仁激盪新想法並實作出概念原型。 Shandy 特別提到，許多提案至今仍在持續發展，其中一個就是「視訊通話（Video Call）」。
在這個功能中，留著紫色長髮、暱稱為「拽姐 Lily」的插畫角色會透過畫面和用戶對話。Lily 即時對答的能力更賦予了虛擬互動更沉浸的體驗。從 Duolingo 的財報中也顯示，Lily 的視訊通話（Video Call），不僅被列為 2025 年度三大優先事項，也被視為推動營收成長的關鍵之一。
光是過去一年，Duolingo 公司單季營收就增長了 7,900 萬美元，相比前年，同期營收僅增加 4,200 萬美元，漲幅幾乎翻了一倍。而從去年開始，在定期揭露營運績效與未來戰略的股東信，就明確指出視訊通話（Video Call）及進階付費方案（Duolingo Max），正是營收成長的主因之一。
「（很多功能）以前沒有 AI 是做不到的。」Shandy 提到，以 Duolingo 近年推出的特色功能「角色扮演」和「解釋我的答案」，前者能讓用戶針對不同主題和 Duolingo 角色自由對話，後者可以在用戶答錯時，給予相應的解釋——這兩件事都是過去單靠機器學習模型難以實現的。
Duolingo 的成功並非個案，事實上，所有 OpenAI 上市公司用量大戶，過去三年營收都持續成長。以其中營收總額最高的 T-mobile 為例，這間電信商的營收相較三年前成長了 24.8 億美元。
根據 T-mobile 的財報顯示，他們利用 AI 精確算出基地台選址以最大客戶覆蓋率，更實現了網路連線的自主修復。憑藉這項技術實力，他們吸引到紐約市政府與其簽約公共網路合約，為公共安全網路提供服務。
同時，提供客戶關係管理（Customer Relationship Management）服務的 Salesforce 和 HubSpot 季營收都增加了 4 成以上，以雲端監控與資訊安全為主的 Datadog，營收更是翻倍成長。
人工智慧帶來的收入成長最常出現在行銷和銷售、策略和公司財務以及產品和服務開發等應用案例中——全球三大戰略顧問公司之一麥肯錫（McKinsey）11 月新發布的報告《2025 年 AI 現狀》
成長最顯著的公司之一，是 1998 年成立的拉丁美洲電商龍頭 Mercado Libre，在 2024 年，Mercado Libre 陸續整合 AI 顧客服務工具，並推出了智慧搜尋與 AI 自動生成商品問答頁面，藉此加快新商家的啟用速度，以及提高每個商家的總支付金額。
在導入 AI 功能一年後，2025 年 Mercado Libre 第三季的營收達 74 億美元，相較去年同期營收 52 億美元成長了 21 億美元，回顧前一年，2024 年第三季營收相較 2023 年同期，僅成長了 13 億美元。這項數據明確顯示，AI 策略的部署，強化了 Mercado Libre 的增長動能。
《2025 年 AI 現狀》報告中也提到，規模愈大的公司，愈將 AI 深度融入工作流程中，營收超過 50 億美元的公司當中，有近半的 AI 運用已經進入規模化的階段，然而在收入低於 1 億美元的公司，僅 39%。
AI 商業化初期，速度決定了勝負。觀察這些用量大戶的佈局時機，可見兩種策略分野，有些上市公司大多在 2022 年底至 2023 年第二季前，就已經完成 AI 核心技術的內部整合或發布自有產品。
另一條策略路徑則尋求外部合作以爭取時間：以 T-mobile 與 Mercado Libre 為代表，為了不錯失先機，它們選擇優先與外部 AI 公司合作，爭取寶貴的開發時間，隨後在 2024 年推出自有 AI 功能與模型。
AI 結合既有專業產生新應用
OpenAI 用量大戶名單中，有不少未上市的公司是在 ChatGPT 發佈前成立的，包括知識軟體管理軟體 Notion 在內，還有眾多未上市的產業巨頭，包括平面設計龍頭 Canva、金融應用 Ramp 以及程式工程平台 Warp.dev。
以全球知名設計平台公司 Canva 為例，他們自 2023 年就投入 AI 發展，不僅收購多間人工智慧公司、更推出「Magic Studio」，大幅強化了生成影像、設計一鍵轉換和多語種翻譯等功能。 在積極擴張戰略的推動下，Canva 的估值持續飆升，在今年 8 月達到 650 億美元。
金融科技 Ramp、程式平台 Warp.dev 也各自投入 AI 服務，前者利用 AI 分析消費支出、自動化審核票據，並提供即時預算建議，後者也推出進階付費功能與協作團隊訂閱，結合多種模型，預測後續命令以加速程式工作。
「在沒有 AI 的時候，可能會需要很大量的人力才能做到同一件事。」前 Notion 員工、來自臺灣的 Greg 提到，他正是去年成功推出 Notion 中文版本產品的功臣之一。
作為 Notion 的資深使用者，Greg 早在 2019 年就曾到矽谷辦公室與團隊當面交流，去年他正式加入 Notion 團隊後，在短短四個月內，便攜手團隊成功推出 Notion 繁中和簡中的 Notion 系列產品。他表示，在這段推動在地化的過程中，AI 的協助功不可沒。
產品設計專業出身的 Greg 解釋，推動在地化的體驗，首要條件是「建立術語庫」與「語氣校準」，用詞必須符合當地文化習慣、流行用語，並緊扣品牌哲學。他表示，以前這項工作高度依賴人工，也難以保證龐大介面文本的一致性。
Greg 說，有了 AI 的協助以後，提升了速度跟一致性。他們先確立風格和語氣準則 (Style & Tone Guide)，然後讓 AI 幫助最終審閱者的判斷，大幅改善了在地化用語的流程，「當它可以變成可以重複使用的規則跟範例的時候，其實語言模型幫助很大。」透過校準過的規範對比範本市集提交的眾多範本，大幅加快了審閱速度。
但從 OpenAI 用量大戶名單來看，不是每間公司，都能成功將這些 AI 算力變現成實際營收。
利潤轉換不明顯 高投資未必有回報
觀察 OpenAI 用量大戶中的上市公司，儘管過去三年營收表現上都逐年成長，但是如果只看每股營餘（僅計算股東淨收益），除了 Duolingo 和 Salesforce 在導入 AI 後明顯呈現正成長，其他公司的獲利表現多半持平，與導入 AI 前的波動區間相去不大。
HubSpot 的財報顯示，公司自 2023 到 2025 年公司每季研發及開發支出，已經成長了將近 100 萬美元。軟體監控營運服務 Datadog 也在財報中提到，光是今年第二季的軟體開發支出，相較去年同期增加就超過 300 萬美元。
這些投資有時反而成了隱形成本。在 Duolingo 的案例中，以拽姐 Lily 為核心亮點的 Video Call 功能是公司的主打業務，至今儘管帶來了可觀的商業回報。但 Shandy 坦言，由於每位使用者每次對話都需消耗一批 AI 算力，算起來也是一筆不小的開銷。
「其實 Video Call 那時候一直在想說怎麼可以 cost down（降低成本），畢竟實在太貴了。」Shandy 指出，後續公司針對不同學習階段的用戶分配使用額度，才能夠平衡高昂的營運開支。
Duolingo 的財報也反映了這項壓力。2024 年第四季的財報顯示，由於結合 AI 功能 Duolingo Max 方案訂閱人數持續成長，生成式 AI 用量相應提高，一度導致當季毛利率下降，因此下一季度 Duolingo 重新調整了模型，控制成本，營收表現才得以繼續維持成長。
AI 改變大多數仍屬個人生產力的提升
也不是每個導入 AI 的公司都有成功故事。根據全球三大戰略顧問公司之一麥肯錫（McKinsey）11 月新出刊的調查報告《2025 年 AI 現狀》調查，88% 的企業至少在一個業務上定期使用人工智慧，64% 的受訪者表示 AI 正在幫助他們創新；但同時也指出，只有 39% 的人認同 AI 已經帶來了實質的利潤成長。許多企業仍處於實驗或試點階段 (Exploratory Stages)，尚未將 AI 應用擴展到整個組織或核心產品中。
麻省理工學院（MIT）的 AI 生態系研究計畫今年的《生成式 AI 分水嶺：2025 年商業人工智慧現狀》報告也提到，全球企業對人工智慧領域的投資，已達 300 至 400 億美元，但 95% 的組織沒有得到任何回報——只有 5% 的計畫創造數百萬美元的價值。
研究提到，儘管在調查中通用工具（例如 ChatGPT 和 Copilot）的使用率高，但這些主要被用於提升個人生產力，並非公司整體的損益績效。一位中型製造業的營運長這麼說：
（AI）在 LinkedIn 上被炒作得好像改變了一切，但在我們的實際營運中，沒有任何根本性的轉變。我們的確處理合約的速度更快了，但也僅此而已。
前 Meta 工程經理 David Kao 提到，對商業規模比較大的企業來說，「現在 AI 還沒有辦法真的百分之百取代任何特定的職位，比較還是扮演協助的功能。但是當你只需要做一些基本的東西的時候，算是可以給大家一個跨領域的參考。」
David 進一步分析背後的工作原理，現在的 AI 都是基於大型語言模型，「如果用很簡化的方法來講的話，都是機率。它基本上就是推測下一個字可能要是什麼字。」愈偏向大眾和日常的自然語言問答，AI 輸出的表現就越穩定。然而，寫程式不能帶著完全相同的預期。也需要試錯。「試了一陣子才發現哪些東西是可以很放心地交給 AI，哪些東西還是盡量需要用自己的大腦去試。」
跟 AI 「共事」了半年，David 領悟出的道理是：「我有時候半開玩笑這樣說，但我真心覺得，現在用 AI 最好的做法，就是把它當成做事很快的實習生。」
David 表示，過去剛聽說 AI 可以寫程式，他也不相信，當時所有人都覺得，怎麼可能用機率寫程式，「實際試過才知道，真的是可用，只是要小心一點。」就像指導初出茅廬的實習生，任務要拆得夠細，指令足夠明確，每個人就可以很自然地上手。
David 認為，只要將待辦事項區分成明確的子任務，AI 的執行效率並不比人類差。
他舉例，比方今天做一個複雜的網站，若直接要求 AI 「幫我做一個新聞網站」，就算附上詳細的 spec（規格），AI 還是會犯很多錯。相對的，如果是一步步進行，比如要求要在網站的首頁，加一個新的 UI （使用者介面）、新的 Banner（橫幅），這類簡單的任務就很適合直接讓 AI 進行。
「因為實習生相比正職員工比較容易出錯誤。有了這個 anticipation（預期） 之後再跟 AI 協作，其實就會順很多。」David 強調，對工程師來說，溝通能力很重要，「你要如何去跟非工程師的人去溝通，比如說產品經理、設計師，他們比較沒有工程背景，如何能夠順暢溝通？」
現在則是把這項溝通能力轉換成「如何跟 AI 一起做」這件事。「現在 AI 也都是用自然語言對話，用英文、用中文都可以。⋯⋯反而現在對工程師來講，你如何可以很快速地打出程式碼，沒有以前重要，算是一個技能比例上的轉換。」
David 也分享了一次 Facebook 內部導入 AI 的成功經驗。
他解釋，Facebook 網站或 App 內部隨時隨地都有成千上萬的小 bug（錯誤），由於不可能全數修復完成，因此必須設定優先順序。但有一個工程師決定，與其耗費大量人力逐一排查、手動修復，不如讓 AI 直接找到通用的修復公式。
「年初的時候，有一個工程師專門找了一個特定類別的 bug，然後用當時內部的 AI coding tool，算是找出一套流程，用 AI 來系統化地修復這個型別的 bug。」David 說，儘管最後仍需由不同的工程師審核成果，但這次經驗最大的價值在於，在 AI 協助下：「他可以直接產出成千上萬個 fix（修正），上千上萬組程式碼去修這種特定類別的 Bug，整個流程就比較快。」
不久後，這件事馬上就像一件大新聞一樣，在公司的內部傳開，這位工程師也受邀到各個部門巡迴演講。也包括 David 的部門，「也是演講之後，我底下的工程師才覺得：『原來 AI 可以這麼有用！』，他們比較有動力去嘗試，開始去想本身工作，有什麼東西也可以稍微自動化。」這項成果，成功將 AI 融入不同工作流程，提升個人生產力，也激發了更多對 AI 協作的想像。
讓 AI 接手基礎工作，不僅大幅取代繁複耗時的勞務，也讓人力資源可以更集中在核心決策上。
在矽谷大廠工作的機器學習工程師 E （化名）分享讓 AI 協助寫程式的不同情境，有些可以交由 AI 自動完成（Auto Complete），有些則是可以把每階段的小任務，都開成一張 ticket（任務單），讓 AI 依序完成；在這些情境下，人工都只需要負責最後階段的審核。
將 AI 導入工作流程，也重塑了工程師的核心職能。「重點是，你要怎麼驗證他交付的成果、他的正確性，品質好不好？可維護性高不高？」E 解釋，工程師需要判斷，有些方法成本比較高，有些使用者體驗好，需要的步驟比較少，延遲比較少。他提醒，有時若 AI 給的結果不如預期，不一定是 AI 的問題，「你說它做，那有可能原本一開始你的邏輯就沒有 consistent（一致），就沒有自洽。」
正是 AI 的驅動，讓人力得以從執行實作中解放，轉向高階的邏輯判斷，也成功提升個人的生產力。「體感上可能有三倍左右的幫助吧？」E 提到，對他的 Side Project（個人專案）來說，AI 就帶來很大的幫助，「因為它產出的品質比我好，我要花很多時間，才能產出一樣的品質。」
E 提到的個人專案，是利用模型運算，自動分析並執行交易的投資程式。過去他在這個項目開發到一半，就因自己時間不足而擱置。這次他決定「砍掉重練」時，順勢讓 AI 參與協作。E 這樣形容效率的成長：「具體差距多大的話，我一個人搭配它，跟我一個人搭配五個純打下手的工程師，大概差不多吧。」
「這次我可以專注在一些比較 high level 的東西，細節讓 AI 幫我，那我做這件事就變得可行，我可以在比較短時間裡面，完成更多事情。」AI 讓原本因為時間不足而停擺的項目得以繼續，也讓 E 能將精力集中於更高層次的策略決策上。
日前開始自行創業的 David，初期每個月固定付 100 美元訂閱 AI 服務。「 100 塊，等同臺幣 3,000 塊，看起來好像不少，但其實跟傳統僱用一個員工來講，已經便宜了好幾個數量級。」
結合 AI 創業，新創公司的機會與風險
個人生產力的提升，也帶來的新的職涯選項。
「不少人因為有了 AI 然後才願意辭職，開一個一人公司。」David 今年創立一人公司 Nekopan Lab，他認為，儘管 AI 無法完全取代某項專業，但確實大幅降低門檻，「以前不會考慮的（職涯）選項變成是一個新的選項。」
在 OpenAI 的 30 家用量大戶名單中，有 12 間是成立未滿五年的新創公司，比例超過三分之一。值得注意的是，細看這 12 間新創公司的核心業務，全都圍繞在 AI 應用與服務。
這些公司不僅年輕，有些估值飛漲，例如以主打為學術服務、對話式的搜尋引擎 Perplexity，在短短 3 年內估值就達到 180 億美元。
另一間成長飛速的公司，是去年 3 月才推出全球首位 AI 軟體工程師 Devin 的 Cognition。Cognition 推出的 Devin 不只可以會寫程式、架網站，還擁有自動化測試並除錯的能力，而 Cognition 估值也因此在 1 年多突破 100 億。
前陣子 David 回臺灣，剛好有機會和一些新創公司交流，「我發現臺灣的一些新創公司，可能因為公司規模比較小，反而導入這類工具，其實做得還比 Meta 這種大公司好，小公司可以做到接近百分之百。」
「我在註冊公司網址的時候，發現 .ai 的網址比 .com 貴了好幾倍。那為什麼會這樣？因為現在公司名稱只要有一個 AI，大家就會覺得你的公司是做 AI 的，這是現在的熱潮。」David 說，現在在矽谷做一個新創，如果要募資，有一個 AI 的字眼，會讓募資變得容易非常多。
在大公司工作超過 10 年，David 現在也離職創立自己的公司。他坦言：「在 Meta 做管理職做了很多年，做得有點膩，本來就是有點想要離職。⋯⋯剛好又有不少的 AI 工具，就覺得說，或許我可以跟 AI 一起做一些什麼。」
其實在成為矽谷工程師前，David 也曾經在新創打拚過。「當時就覺得做新創是一件非常酷而且非常過癮的事。⋯⋯曾經在一間公司裡面只有我一個工程師，所以變成我所有的雜事工作一個人要負責。當時其實還蠻累的，挺有趣但是蠻累的。」有了這段經驗，David 後來下定決心，只想當個大公司的打工仔，不想再投入新創。
但過了 10 多年，David 為何又再次選擇新創、成立一人公司？關鍵正是 AI 工具的成熟。
離職後自行開發專案，第一個專案是做信用卡優惠整合的 APP，David 說，不只是核心的程式開發，連蒐集所需資料、建置資料庫，甚至到撰寫應用程式上架商店的文案，大型語言模型幾乎能全程提供協助。
「比如說我自己是工程師，沒有什麼行銷或是文案的背景。」David 說，但 App 上架 App Store 需要文案描述，「我自己產生的文案其實很爛。我太太或是我朋友來看一眼，一看就是很爛，一看就是工程師生出來的。」後來 David 請 AI 協助修改，讓語氣更自然，「整個效果就差很多。」
取代基本勞動力 業界迎來裁員潮
然而，一波波 AI 浪潮的來襲，也衝擊了科技業的就業結構，基礎工作逐漸被價格低廉的 AI 取代，業界對人才的需求正在轉型，多數公司正在探索 AI 能夠替代掉什麼樣的人力。
Shandy 提到，在大量導入 AI 之後，團隊招募人員的需求也正在改變，基礎業務上 AI 已經可以提供協助，「我們更需要 senior （資深員工），懂這個工具、已經有經驗的人加入。」
Shandy 提到，過去語言課程的例句需要專家發想，現在 AI 可以用最短的時間產生最大量的內容，透過調整模型，出錯率也持續下降，因此公司終止了部分外部合約。「當然也有缺點，畢竟人寫的可能就會多一點人性的味道，或是比較有趣，有些人覺得 AI 寫出來比較制式化。」
隨著產業加速 AI 轉型，裁員風暴席捲矽谷，Intel、微軟等多家矽谷大廠今年已進行了多輪裁員，影響員工數破萬，為業界投下震撼彈。今年下半年 Amazon 也宣布裁員 1.4 萬名員工，集中在 AI 轉型的白領職位，其中一份涉及裁員 4,700 人的內部文件顯示，其中約有 40% 屬於工程技術類崗位。
裁員報其中也包括 OpenAI 用量大戶的公司，例如 Indeed 7 月面臨連續第三年大規模裁員，Indeed 與其母公司 Recruit 宣布將裁員 1,300 人，佔該部門員工總數約 6%，過去兩年的累積裁員數已高達 3,200 人。客戶關係管理專業的 Salesforce，也裁撤掉 4,000 個客服支援職位，直接由 AI 替代。
在矽谷大廠工作的 Jack 提到，當每個人的效率提高，「AI 又愈來愈聰明的情況下，公司是不是就不需要那麼多人了？」
Jack 以過去十年業界發展的情況為例。以前每個公司都很缺軟體工程師，大眾覺得這項產業會持續成長，業界需要更多工程師，但其實需求會達到飽和，或是遇到像這波 AI 衝擊的轉折，「所以才會導致這一波裁員嘛。」Jack 形容，這就像是一種能力上的泡沫化。
同樣的情境再度發生，現在各個產業都投入 AI，業界看似 AI 需求愈來愈大，但 Jack 說：「這一批需求目前是增加 ，但是不代表未來還是會持續增加，它可能到了一個狀態下又飽和了。」
做 AI 現階段做不到的事
「工具是幫助你做出最好的工作。」Greg 也強調，運用 AI 最重要的價值在於提升效率，但總體品質不一定會隨之增加——而這正是人類專業者必須擔負的責任：改善品質。
去年在 Notion 也推出範本市集（Template Marketplace）。這是一個集中管理、讓全球使用者能分享與取用多元類型範本的平台。Greg 提到，過去無法克服的挑戰，正是在 AI 的支援以及人力的雙重把關下才獲得解決，進而使這項功能得以順利問世。
過去， Notion 設計範本缺乏官方市集，難以管理，傳統的人工審閱模式也無法逐一閱讀範本中動輒上百頁的複雜內容。為了解決這項問題，Notion 透過 AI 語言模型快速讀取每個範本每個範本的龐大內容，進行標準化審核。
然而，這項功能並非僅靠 AI 完成，Greg 也點出，AI 僅能判讀內容，但無法測試範本的「功能性」，最終仍須仰賴專業審閱者，透過手動操作、驗證範本價值及是否符合敘述。這一次的人機協作模式，既兼顧審核效率，也能有效避免過度同質化，或功能不符預期的狀況發生。
不僅在開發新功能時 AI 成為重要幫手，Notion 過去推出的 Notion AI，也成為 Greg 工作中不可或缺的幫手。「現在 Notion 還是我主要使用 AI 的 70% 的地方。」Greg 表示，他透過 Notion 一站式管理來自不同應用程式的資訊，包括 Email、工作溝通的 Slack、設計軟體 Figma。
「過去是你告訴它你需要什麼，它產出符合預期的內容。」Greg 說：「到現在，它可以爬梳所有我 access 權限的內容，更有效地挑戰我的思考，幫助我了解到我遺漏的部分，提醒我這些我可能需要知道、可以幫助我做決策的部分。」
隨著 AI 的普及和便利，公司的策略核心也會轉型。在 Duolingo 工作三年的 Shandy 提到，AI 帶來的影響讓他們不得不思考：「既然 AI 就能直接翻譯，那大家為什麼還要學新的語言？我們要怎麼跟 AI 去比這個學習語言這件事情？」
Shandy 為此重申，Duolingo 的價值並不在於翻譯或速度，而是打造出愉快學習的環境，養成用戶的學習習慣，「我們要讓 App 設計得非常好玩，像是遊戲一樣，讓學習變得有趣。因為這個東西至少短期之內，是 AI 沒有辦法學習的。」
AI 面臨泡沫化危機？
日前 Google 召開 I/O 開發者大會，會上不僅公布了 Gemini 模型的最新升級，也發表了數項深度整合 AI 的產品，例如一鍵影片生成的工具，或是線上購物時可提供虛擬試穿的功能。「當時就很多人形容，很多新創的老闆參加那個發表會，然後愁眉苦臉地離開，因為自己的（創業）題目被 Google 做出來了。」David 直言，現在使用者都傾向直接使用大公司的服務，相較之下，論資源或潛在客群，小公司幾乎沒有可競爭的生存空間。
小公司很難跟大企業拚優勢。「所以，不要想做一個能被主流使用者覺得很酷、很好用的 AI 相關的方案。可能它註定會失敗。」David 說，做 AI 不如善用 AI ，「你使用 AI 來增加自己的生產力，或幫助自己在某些任務上做得比較順，但是你還是去想辦法解決一個比較冷門的問題。」
但大公司未必就沒有風險。「現在其實像 OpenAI 做了 ChatGPT，擁有非常多的用戶，也算是有蠻可觀的收入。但是他要怎麼實際把這些收入轉換成利潤，其實還是一個還沒有解決的問題。」David 指出．要支撐這麼龐大的算力需求，底層運算背後的成本其實非常高。
David 說，現在的模型原理就是用暴力運算，從海量的答案裡找一個正確答案，但這非常耗費運算資源，「這些公司要花很多錢，不論是他們要自己去買 NVIDIA 的 GPU，或是他們要付錢給 Amazon、Google、Microsoft 這些有做雲端服務的公司，才能幫他們支撐底層的運算。」
華爾街指標性投資機構高盛集團（Goldman Sachs）10 月剛發布的報告，直接以《AI：身處泡沫之中？》作為標題。報告表達了投資者對 AI 產業泡沫化的擔憂，主因是 AI 相關公司估值高漲、持續大規模的支出金額，以及 AI 生態系中出現循環金流狀況。
簡單來說，這意味著 AI 公司和雲端服務商之間，透過簽訂協議，將從對方獲取的投資資金，用來採購對方的服務或產能，互相持股互利共生，形成了一種資金流的閉環。
報告中舉例，例如 NVIDIA 投資 OpenAI，OpenAI 承諾使用雲端商 Oracle 的運算資源，然後 Oracle 再購買 Nvidia 晶片。高盛分析師 Eric Sheridan 在報告中擔憂，這種現象如同一個「紙牌屋」，當公司間透過債務互相交易，一旦債務負擔過高，整個「紙牌屋」可能會隨時崩塌。
然而在過程中，這些公司又不乏透過債務或股權融資，導致市場現金儲備下降，而持續高額的 AI 支出，導致風險更難評估，「投資者難以根據現有資訊證明，這筆巨額支出的投資回報率是合理的。」
Google 母公司 Alphabet 的執行長 Sundar Pichai 11 月在接受 BBC 訪問時提到，如果人工智慧泡沫破裂，每家公司都會受到影響，「我認為沒有哪家公司能夠倖免，包括我們自己。」
David 說：「現在的熱潮就是一定要有 AI 才能募得到資金，但是要怎麼用 AI 來做成一個可以永續的商業模式，我覺得好像還沒有人有答案。」
引用資料
- Open AI 超過 1T token 用量大戶財務表現資料
資料引用自 Open AI 在 2025 年 DevDay 列出 30 家 Open AI 用量超過 1 兆 token 的客戶名單，根據公司類型進行分類。針對上市公司蒐集 2022 年第一季至 2025 第三季的財報資料，包括營收、每股盈餘等獲利指標，並整理其股東信中提到 AI 技術投資的內容。針對非上上公司整理官網、對外發布的新聞稿、官方部落格或社群推文及外媒報導，整理公司過去歷次估值，並標示導入 AI 技術或推出 AI 產品或重大突破的時間點，分析對於這 30 間公司來說，導入將核心業務結合 AI 的策略軌跡。