AI 市場的制度演化：從商品化到容量市場

Institutional Evolution of AI Markets: From Commodification to Capacity Markets

Series: AI 算力經濟：從訂閱額度到自適應容量市場
Paper 8 / 10
Author: Neo.K
Affiliation: EveMissLab
Version: v1.0
Date: 2026-09-07

摘要

生成式 AI 產業的商業制度仍處於快速學習階段。模型能力、Agent、記憶、搜尋、多模態與長程執行的技術演進速度，遠快於定價、使用權、容量調度、跨產品資源配置與投資揭露制度的成熟速度。由此產生一系列看似分散的現象：固定月訂閱與短週期 Rate Limit 並存、API 與訂閱割裂、未用額度失效、訂閱轉 API 的灰色套利、Flex／Batch／Priority／Reserved 等服務層出現、需求響應與離峰折扣逐漸具有經濟合理性，以及投資者開始面對巨額 AI CapEx 卻缺乏標準化 Compute Economics 指標。

本文主張，這些現象不應被視為彼此孤立的產品問題，而可以被理解為一個新型稀缺資源市場在進行典型的制度演化。其大致路徑可抽象為：

\boxed{ \text{Scarcity} \rightarrow \text{Commodification} \rightarrow \text{Segmentation} \rightarrow \text{Arbitrage} \rightarrow \text{Formalization} \rightarrow \text{Standardization} \rightarrow \text{Capacity Market} \rightarrow \text{Financialization} }

本文並不主張此路徑必然、單向或自動導向最優結果。更精確地說，它是一組在資本主義市場中反覆出現的制度壓力：當某種資源開始具有高經濟價值、異質需求、有限供給、時間敏感性與可測量性時，市場參與者就會嘗試細分權利、建立價格、套利差異、形成新合約、導入標準、增加透明度，並在部分情況下發展出預約、遠期、容量與二級市場。

電力市場、雲端運算與 AI 推理已經提供清楚的結構類比。電力市場不只交易實際產出的能源，也存在容量市場，支付資源在未來需要時可提供電力或減少需求的能力；Demand Response 可以因減少尖峰使用而獲得補償。AWS 將計算服務拆分為 On-Demand、Reserved、Spot、Savings Plans 與 Capacity Reservation；Amazon Bedrock 已將推理分為 Reserved、Priority、Standard 與 Flex；OpenAI Reserved Tier 則直接讓企業預購峰值期間的 provisioned throughput。這些機制顯示，當資源具有容量限制與時間價值時，市場會逐步把「使用多少」「何時使用」「是否保證可用」「可以等待多久」拆成不同商品。

本文整合前七篇提出的四時鐘分離、Temporal Fungibility、Compute Wallet、Reversible Entitlement、Demand Engineering、Compute Transparency 與 Investor Compute Fundamentals，提出 Adaptive AI Compute Market 作為制度成熟方向。其核心不是把 AI 智能完全金融化，也不是主張所有訂閱額度都應自由交易，而是將 AI 服務中的：

\text{Access} ,\quad \text{Compute} ,\quad \text{Time} ,\quad \text{Priority} ,\quad \text{Capacity} ,\quad \text{Risk}

逐步從模糊訂閱福利拆分為可治理、可計價、可調度且可觀測的權利。

本文的核心命題為：

\boxed{ \text{AI competition is evolving from model competition toward institutional competition over how intelligence is allocated.} }

中文即：

AI 產業的競爭正在從單純的模型競爭，逐步延伸為「智能資源如何被配置」的制度競爭。

關鍵詞： AI 市場、資本主義演化、商品化、套利、容量市場、Compute Economy、制度經濟學、Demand Response、AI 訂閱、AI 基礎設施

1. 從最初問題重新開始

整個系列最初可以從一個極其日常的問題開始：

我買了 AI 訂閱，但這個月沒用完，為什麼剩下的不能給別人？

乍看之下，這只是：

\text{subscription UX}

問題。

但一旦往下追問，就會遇到：

為什麼月額度不能集中在五天使用？

為什麼 API 與完整產品要被完全分開？

為什麼未用權利只能失效？

為什麼供應商不能買回未來使用權？

為什麼算力緊張只能 Rate Limit？

為什麼不能離峰打折？

為什麼不公開容量訊號？

為什麼投資者看不到算力利用效率？

這些問題最後指向同一個制度核心：

\boxed{ \text{What exactly is being sold when an AI company sells intelligence access?} }

2. 第一階段：先有產品，再有制度

新技術市場通常不是先有完美制度，再有商品。

而是：

\text{Technology} \rightarrow \text{Product} \rightarrow \text{Usage} \rightarrow \text{Institutional Friction}

生成式 AI 早期最重要的問題是：

模型能不能工作？

能不能讓幾百萬、幾億人使用？

因此最容易理解的價格是：

P_{\mathrm{month}}

或：

P_{\mathrm{token}}

這是合理的早期簡化。

3. Institutional Lag

技術能力可以快速變化：

\text{Chat} \rightarrow \text{Reasoning} \rightarrow \text{Multimodal} \rightarrow \text{Agent} \rightarrow \text{Long-Running Work}

但契約、定價、權利與市場規則的演化速度較慢。

因此可以定義：

L_I = M_{\mathrm{technical}} - M_{\mathrm{institutional}}

其中：

$M_{\mathrm{technical}}$ ：技術成熟度；
$M_{\mathrm{institutional}}$ ：制度成熟度；
$L_I$ ：Institutional Lag。

當：

L_I\uparrow

就會出現大量「技術已經能做，但產品規則還沒跟上」的摩擦。

4. AI 並不是單純 SaaS

如果 AI 只是普通 SaaS：

P = N_{\mathrm{seat}} \cdot P_{\mathrm{seat}}

就已經足夠。

但 AI 同時具有：

\boxed{ \text{Software} + \text{Cloud Compute} + \text{Energy-Like Capacity} + \text{Knowledge Service} }

其邊際成本可能：

\frac{\partial C}{\partial Q}>0

而且在特定時間：

C(t)

有限。

因此 AI 無法完全套用傳統「多一個使用者成本近乎零」的 SaaS 想像。

5. AI 也不是普通大宗商品

另一方面，AI Compute 也不是石油、黃金或小麥。

其有效價值取決於：

V = f( \text{model capability}, \text{latency}, \text{context}, \text{tools}, \text{quality}, \text{deadline} )

同樣：

100\ \mathrm{CU}

在不同模型與時段並不必然具有相同經濟價值。

因此：

\boxed{ \text{AI Compute is a heterogeneous service commodity.} }

6. 第一個演化步驟：Commodification

當智能服務可以被重複提供、計價與大規模銷售時，會逐步形成：

\text{Intelligence Access} \rightarrow \text{Economic Commodity}

這裡的 commodity 並不表示所有模型完全同質。

而是指：

智能能力第一次可以透過市場規則反覆購買。

例如：

\text{subscription}

或：

\text{API usage}

。

7. 商品化之後自然出現異質需求

使用者並不相同。

可以表示為：

\mathcal U = \{ U_{\mathrm{light}}, U_{\mathrm{steady}}, U_{\mathrm{burst}}, U_{\mathrm{enterprise}}, U_{\mathrm{agent}} \}

其需求：

D_i(t)

價格彈性：

\epsilon_i

與 deadline：

\delta_i

都不同。

因此單一商品會自然被分層。

8. 第二個演化步驟：Segmentation

市場開始提供：

\text{Free}

\text{Plus}

\text{Pro}

\text{Business}

\text{Enterprise}

以及：

\text{Standard} ,\quad \text{Fast} ,\quad \text{Flex} ,\quad \text{Batch} ,\quad \text{Reserved}

這就是：

\boxed{ \text{Market Segmentation} }

經濟學上，它也涉及不同程度的價格歧視與產品差異化。

9. 分層本身會創造價差

只要市場中存在：

P_A\neq P_B

與：

\text{rights}_A\neq \text{rights}_B

就會產生：

\boxed{ \text{conversion incentive} }

例如：

P_{\mathrm{subscription,eff}} < P_{\mathrm{API}}

使用者自然會問：

能不能把 subscription 轉成 API？

這就是套利的起點。

10. 第三個演化步驟：Arbitrage

套利不是 AI 特有現象。

一般形式是：

\boxed{ \text{Institutional Difference} + \text{Price Difference} \rightarrow \text{Arbitrage} }

如果兩套制度對同一底層能力給出不同價格，

市場參與者就有動機建立：

A\rightarrow B

的橋。

11. 訂閱轉 API 是制度訊號

非官方訂閱中轉可以被視為：

\text{Contract Boundary Violation}

但同時也是：

\boxed{ \text{Unmet Fungibility Signal} }

即市場中確實存在：

我希望完整產品與 API 資源更可互換。

這不代表供應商必須接受非官方轉售。

而是表示企業可以進一步問：

這個需求的哪一部分值得被官方產品化？

12. 第四個演化步驟：Formalization

當灰色市場或 workaround 持續出現，

供應商通常有兩種反應：

\text{Suppress}

或：

\text{Internalize}

Suppress：

封鎖轉售。

Internalize：

提供官方 Wallet、Overage、Transfer、Gift、Flex。

成熟制度往往兩者同時存在：

\boxed{ \text{ban unsafe conversion} + \text{productize legitimate demand} }

13. 正式化不等於放任

官方化的價值在於重新取得：

\text{identity}

\text{authorization}

\text{pricing}

\text{rate control}

\text{fraud detection}

因此：

\boxed{ \text{formal market} \neq \text{unrestricted market} }

。

14. Compute Wallet 是正式化工具

Paper 3 提出：

\boxed{ \text{Compute Wallet} }

其制度角色正是：

\text{informal fungibility demand} \rightarrow \text{provider-governed fungibility}

讓：

\text{Subscription} \leftrightarrow \text{Usage}

之間不再完全割裂。

15. 第五個演化步驟：Standardization

市場要真正成熟，就需要共同語言。

今天 Token 看似標準單位，

但：

1\text{ token} \neq 1\text{ unit of economic compute}

因此未來需要：

\boxed{ \text{Normalized Effective Compute} }

或其他可比較抽象。

16. 標準化不代表所有公司使用相同內部模型

企業內部可以：

C_A(x) \neq C_B(x)

但外部市場可以逐步形成可比較：

\phi_A(C_A)

與：

\phi_B(C_B)

。

就像：

不同航空公司飛機不同，

仍能比較：

\text{load factor}

。

17. 第六個演化步驟：Time Differentiation

當市場成熟後，

不再只問：

使用多少？

開始問：

什麼時候使用？

因此：

\text{Compute} \rightarrow ( Q,t,\ell,\delta,p )

其中：

$Q$ ：quantity；
$t$ ：execution time；
$\ell$ ：latency；
$\delta$ ：deadline；
$p$ ：priority。

18. 雲端市場已經高度時間化

AWS Capacity Reservations 即使沒有實際執行 instance，仍會對預留而未使用的 capacity 收費。

這表示：

\boxed{ \text{availability itself has economic value} }

。

Reserved Instance、Savings Plans 與 Spot 也分別處理：

承諾；
折扣；
中斷風險；
容量保證。

AI 推理正在往相同方向發展。

19. AI 推理已有服務層市場

Amazon Bedrock 已提供：

\{ \text{Reserved}, \text{Priority}, \text{Standard}, \text{Flex} \}

。

OpenAI Reserved Tier 則允許企業預購 specific model 的 provisioned throughput，並將其作為 rate limit 之外、峰值仍可使用的增量容量。

這意味著：

\boxed{ \text{AI capacity has already become a separately purchasable right.} }

20. 從 Usage Market 到 Capacity Market

Usage market 交易的是：

\text{work actually executed}

Capacity market 交易的是：

\boxed{ \text{ability or commitment to serve future work} }

這個區分在電力市場中非常成熟。

FERC 對 capacity market 的說明正是：

支付的是未來需要時可供應能力，而不是當下產出的能源本身。

AI 也可能出現類似結構：

\text{Inference Usage}

與：

\text{Reserved Inference Capacity}

分離。

21. 電力市場是非常重要的類比

電力具有：

\text{instantaneous balance constraint}

供需必須持續平衡。

AI Compute 雖然不像電力那麼嚴格，

但在特定時刻仍有：

D(t)\leq C(t)

的容量限制。

因此很多電力市場制度具有移植價值。

22. Energy Market 與 Capacity Market

電力市場中：

\text{Energy Market}

支付實際產出的：

\mathrm{MWh}

。

Capacity Market 則支付：

\text{ability to be available}

。

AI 對應：

\text{Usage Pricing}

支付實際 inference。

而：

\text{Reserved Capacity}

支付可確保未來 inference 能力。

23. Demand Response 的重要性

FERC 的 Demand Response 制度允許需求端透過：

\text{reduce consumption during peak}

成為可補償資源。

AI 也可以：

\text{User Surrender}

\text{Delay}

\text{Off-Peak Conversion}

作為：

\boxed{ \text{virtual capacity} }

。

因為少用一單位尖峰需求，

在系統效果上近似增加一單位可服務 capacity。

24. Demand Reduction 與 Supply Expansion 的結構對偶

若：

D(t)>C(t)

有兩種基本解：

C(t)\uparrow

或：

D(t)\downarrow

因此：

\boxed{ \Delta C \approx -\Delta D }

在特定容量平衡問題中具有結構對偶。

這正是 Paper 4 與 Paper 5 的制度基礎。

25. 第七個演化步驟：Capacity Market

當：

capacity 可測量；
future demand 可預測；
priority 可區分；
reservation 可執行；
demand response 可驗證；

就可能形成：

\boxed{ \text{AI Capacity Market} }

。

26. AI Capacity Market 不必是一個交易所

Capacity Market 可以只是：

Enterprise Reserved Tier。

也可以是：

Flex Window Reservation。

甚至：

使用者返還 Priority CU。

因此：

\boxed{ \text{market} \neq \text{public exchange} }

。

市場是制度化價格與權利配置機制，

不一定需要 order book。

27. Forward Capacity

企業可能說：

明年 Q2 我需要：

10^9\ \mathrm{CU/day}

。

供應商需要：

採購 GPU；
建資料中心；
簽能源；
建網路。

因此雙方自然具有：

\boxed{ \text{forward contracting incentive} }

。

28. Capacity Forward

簡化的 future capacity contract：

F = ( Q, t_1, t_2, p, P )

表示：

未來時間窗；
保證容量；
priority；
contract price。

這本質上已接近：

\text{Compute Forward}

。

29. 第八個演化步驟：Financialization

只要 future capacity contract 可以：

標準化；
轉讓；
定價；
對沖；

就可能進一步出現：

\text{Compute Futures}

\text{Capacity Options}

或：

\text{Compute Swaps}

。

但本文不主張 AI 市場現在就應進入此階段。

30. 金融化不是必然進步

金融化可以：

鎖定成本；
對沖風險；
提前融資；
提供價格發現。

但也可能：

增加投機；
造成槓桿；
強化價格波動；
形成市場操縱；
讓實體服務與金融價格脫鉤。

因此：

\boxed{ \text{financialization} \neq \text{automatic welfare improvement} }

。

31. 為什麼這仍然是典型資本主義演化

如果抽象到足夠高：

\boxed{ \text{new scarce resource} \rightarrow \text{property-like rights} \rightarrow \text{pricing} \rightarrow \text{exchange} \rightarrow \text{institutions} }

確實是市場資本主義中極常見的制度演化。

但「property-like」不必等於完整私有財產權。

它可以只是：

\text{contractual entitlement}

。

32. 資本主義真正擅長的是差異商品化

市場會不斷發現：

A\neq B

。

例如原本大家以為：

算力就是算力。

後來發現：

\text{Instant Compute} \neq \text{Batch Compute}

\text{Guaranteed Compute} \neq \text{Interruptible Compute}

\text{Peak Compute} \neq \text{Off-Peak Compute}

。

於是差異被商品化。

33. 商品化會增加效率，也會增加複雜度

如果商品過粗：

\text{misallocation}\uparrow

。

如果商品切得過細：

\text{transaction cost}\uparrow

。

因此制度設計必須求：

k^* = \arg\min_k [ C_{\mathrm{misallocation}}(k) + C_{\mathrm{transaction}}(k) ]

其中 $k$ 是市場細分程度。

34. 這就是為什麼使用者 UI 不能變成華爾街終端

底層可以有：

\text{hundreds of pricing states}

但使用者只需要：

現在跑。

今天內。

最便宜。

因此：

\boxed{ \text{institutional sophistication} \neq \text{interface complexity} }

。

35. Transaction Cost Economics

如果每一次 AI inference 都要求使用者計算：

token；
cache；
priority；
region；
energy；
deadline；

則：

C_{\mathrm{transaction}}

過高。

訂閱的價值之一正是：

\boxed{ \text{transaction-cost compression} }

。

因此市場成熟不代表所有東西都改成 spot price。

36. Subscription 是制度技術，不只是價格

固定訂閱可以看成：

\text{price uncertainty} \rightarrow \text{fixed periodic contract}

。

它把大量微交易壓縮成：

1\text{ monthly decision}

。

因此：

\boxed{ \text{Subscription survives because simplicity itself has economic value.} }

。

37. API 也是制度技術

API 則把：

\text{human interaction}

轉化為：

\text{programmable consumption}

。

因此 API 不只是技術介面。

它同時改變：

consumption scale；
automation；
resale possibility；
monitoring；
pricing granularity。

38. Agent 會改變市場結構

當 Agent 可以自主：

\text{buy compute}

\text{delay workload}

\text{switch model}

\text{reserve capacity}

市場參與者不再只有人類。

而是：

\boxed{ \text{human + machine economic actors} }

。

39. 機器速度會放大市場反應

人類看到折扣：

等一下再用。

Agent 可以在毫秒級：

\arg\min_tP(t)

並大量改變 workload。

因此：

\text{market responsiveness}\uparrow

同時：

\text{market instability risk}\uparrow

。

40. 因此 AI 市場需要新的反操縱規則

例如：

minimum reservation period；
rate of repricing；
anti-bot gaming；
identity-bound entitlement；
capacity auction limits；
disclosure delays。

這再次證明：

\boxed{ \text{market growth} \rightarrow \text{rule growth} }

。

41. 第九個演化步驟：Governance

市場制度演化不是：

\text{less governance}

。

通常反而是：

\boxed{ \text{more explicit governance} }

。

因為交易越複雜，

越需要定義：

ownership；
responsibility；
fraud；
default；
disclosure；
audit；
settlement。

42. 市場與監管共同演化

因此更精確的制度函數是：

I_{t+1} = f( M_t, T_t, R_t, G_t, U_t )

其中：

$M_t$ ：market pressure；
$T_t$ ：technology；
$R_t$ ：regulation；
$G_t$ ：governance；
$U_t$ ：user behavior。

這不是：

I_{t+1} = f(M_t)

。

43. 資本主義不保證最優制度

市場可以產生：

\text{innovation}

也可以產生：

\text{market power}

\text{information asymmetry}

\text{rent extraction}

\text{predatory pricing}

\text{over-financialization}

。

因此不能說：

只要讓市場發展就一定最好。

44. 但套利是一種重要制度感測器

當大量人嘗試套利：

A\rightarrow B

通常表示：

\boxed{ \text{the boundary between A and B has economic tension} }

。

供應商可以把套利視為：

abuse signal；
pricing signal；
product demand signal。

三者同時存在。

45. Regulatory Arbitrage 也可能出現

如果不同地區對：

credits；
stored value；
resale；
consumer rights；
data residency；

規則不同，

企業可能：

\text{jurisdiction shopping}

。

因此全球 AI Compute Market 必須處理：

\boxed{ \text{regulatory fragmentation} }

。

46. 標準化會成為國際競爭的一部分

如果未來：

CU_A

與：

CU_B

無法比較，

跨供應商市場很難形成。

因此可能出現：

\text{Compute Benchmark Standard}

或：

\text{Effective Inference Unit}

的產業標準競爭。

47. 但「智能」不能完全被壓縮成單一單位

AI 的：

Q_{\mathrm{quality}}

R_{\mathrm{reasoning}}

S_{\mathrm{safety}}

M_{\mathrm{memory}}

差異很大。

因此：

\boxed{ \text{compute standardization} \neq \text{intelligence standardization} }

。

Compute Unit 只能描述資源。

不能完整描述智能品質。

48. 市場最終交易的是複合商品

未來 AI 服務可能是：

G = ( C, Q, L, P, S, D )

其中：

$C$ ：compute；
$Q$ ：quality；
$L$ ：latency；
$P$ ：priority；
$S$ ：safety／service guarantee；
$D$ ：deadline。

因此成熟 AI 市場很可能不是一條 price curve。

而是：

\boxed{ \text{multi-dimensional service market} }

。

49. 第十個演化步驟：Transparency

市場越複雜，

資訊越重要。

若使用者不知道：

\text{capacity}

企業不知道：

\text{latent demand}

投資者不知道：

\text{utilization}

就會產生：

\text{information asymmetry}

。

50. 透明度是價格發現基礎

Paper 6 提出：

\text{Capacity Signal} \rightarrow \text{User Scheduling}

Paper 7 提出：

\text{Compute Metrics} \rightarrow \text{Investor Price Discovery}

因此透明度同時支援：

\boxed{ \text{product market} + \text{capital market} }

。

51. 但透明度也會改變市場

如果公開：

今晚低負載。

需求就會移動。

如果公開：

UDR 很高。

投資者可能提高未來需求預期。

因此：

\boxed{ \text{disclosure} \rightarrow \text{behavior} \rightarrow \text{new market state} }

。

這是一個動態系統。

52. Adaptive AI Compute Market

整合前七篇後，

本文提出：

\boxed{ \text{Adaptive AI Compute Market} }

。

其基本元件為：

\begin{aligned} \mathcal M = \{& \text{Membership}, \text{Compute Wallet}, \text{Temporal Fungibility},\\ & \text{Burst Envelope}, \text{Overage}, \text{Rollover}, \text{Borrow},\\ & \text{Surrender}, \text{Flex}, \text{Reservation}, \text{Transparency} \} \end{aligned}

。

53. 這不是一個單一產品

它更像一個：

\boxed{ \text{market architecture} }

。

不同公司可以只採用：

\mathcal M_i \subset \mathcal M

。

例如：

消費產品：

\{ \text{Membership}, \text{Wallet}, \text{Rollover}, \text{Flex} \}

。

企業 API：

\{ \text{Reserved}, \text{Priority}, \text{Batch}, \text{Capacity Forecast} \}

。

54. 市場成熟度階梯

本文提出十階模型：

Stage 0

\text{Free / Experimental Access}

Stage 1

\text{Flat Subscription}

Stage 2

\text{Subscription + Hard Limits}

Stage 3

\text{Usage Credits / Overage}

Stage 4

\text{Service Tiers}

Stage 5

\text{Temporal Fungibility}

Stage 6

\text{Demand Response}

Stage 7

\text{Capacity Transparency}

Stage 8

\text{Reserved / Forward Capacity}

Stage 9

\text{Standardized Capacity Market}

Stage 10

\text{Selective Financialization}

不是所有市場都必須走到 Stage 10。

55. 現在 AI 市場在哪裡

截至 2026 年，

不同產品分布在不同階段。

消費 AI 大致仍常見：

\text{Stage 2--3}

。

企業 API 已大量出現：

\text{Stage 4}

甚至：

\text{Stage 8}

的 Reserved Capacity。

而：

\text{Stage 5--7}

仍有很大的制度實驗空間。

56. 制度創新可能成為競爭優勢

當模型差距：

\Delta M

縮小，

其他差異就會變重要。

例如：

\boxed{ \text{Price} + \text{Availability} + \text{Flexibility} + \text{Transparency} + \text{Integration} }

。

因此：

\text{Model Competition}

不會消失，

但會被：

\boxed{ \text{Institutional Competition} }

補充。

57. 同一模型也可以因制度不同產生不同價值

假設兩家公司使用相似模型：

M_A\approx M_B

但 A：

額度僵硬；
不透明；
peak 常限流；
API 與訂閱完全割裂。

B：

Wallet；
Flex；
predictable overage；
capacity forecast；
autoschedule。

則：

V_B>V_A

完全可能成立。

58. 制度本身可以產生網路效應

如果大量使用者願意：

\text{Flex}

平台就能更好：

\text{load balance}

。

容量成本下降後：

P\downarrow

又吸引更多 workload。

形成：

\boxed{ \text{flexibility network effect} }

。

59. 透明度也可以形成信任資本

如果平台長期準確公布：

\hat L(t)

與：

\text{actual outcome}

使用者會形成：

\text{Trust}_T

。

投資者也可能對：

\text{Compute Metrics}

形成信任。

因此：

\boxed{ \text{transparency} \rightarrow \text{institutional credibility} }

本身具有經濟價值。

60. 但市場制度會產生新的階級差異

如果高價方案：

\text{always priority}

低價方案：

\text{always flex}

可能形成：

\boxed{ \text{latency stratification} }

。

這不一定不合理，

但需要清楚揭露。

61. AI 市場的公平不等於相同待遇

公平可能是：

\text{same price} \rightarrow \text{same right}

而不是：

\text{everyone gets identical latency}

。

只要：

權利清楚；
不欺騙；
baseline 有保障；
差異有對價；

市場分層可以具有正當性。

62. 公共政策也會介入

如果 AI Compute 成為：

\text{critical infrastructure}

政府可能關心：

emergency access；
healthcare；
public services；
national security；
education；
small business access。

因此 capacity market 不會只是私人公司內部問題。

63. Emergency Capacity

未來甚至可能存在：

C_{\mathrm{emergency}}

保留給：

災害；
公共衛生；
關鍵基礎設施。

這和 Reliability Reserve 類似，

但具有公共政策目的。

64. 市場效率與公共價值可能衝突

單純最大化：

\text{Revenue}/\mathrm{CU}

可能把所有容量都給最高出價者。

但社會可能要求：

\boxed{ \text{minimum universal access} }

。

因此成熟 AI 市場仍需要政策邊界。

65. 所以這不是「市場萬能論」

本文真正主張的是：

\boxed{ \text{many current AI frictions are recognizable market-design problems} }

。

這與：

所有問題都應該交給市場。

完全不同。

66. 跨產業制度切片的力量

本系列大量機制不是從零發明。

例如：

電力

\text{Demand Response} + \text{Capacity Market}

雲端

\text{Reserved} + \text{Spot} + \text{Flex}

航空

\text{Load Factor} + \text{Yield}

SaaS

\text{Subscription} + \text{Usage-Based Billing}

金融

\text{Forward} + \text{Risk Pricing}

。

67. 真正的新東西在重新組合

單獨：

A

不是新的。

B

也不是新的。

但：

\boxed{ A \oplus B \oplus C \rightarrow X_{\mathrm{AI}} }

在 AI 新環境中可能形成全新的制度。

這是：

\boxed{ \text{institutional recombination} }

。

68. Institutional Recombination Operator

本文可以把制度移植形式化為：

\Phi: I_j \rightarrow I_{\mathrm{AI}}

其中 $I_j$ 是其他成熟產業的制度。

但不是直接 copy。

而是：

I_{\mathrm{AI}} = \Psi( I_j, T_{\mathrm{AI}}, C_{\mathrm{AI}}, U_{\mathrm{AI}} )

。

69. Structural Isomorphism 才是移植條件

真正需要尋找的是：

\boxed{ \text{structural isomorphism} }

例如 AI 與電力都存在：

D(t)\leq C(t)

以及：

\text{peak demand}

。

因此 demand response 可以移植。

不是因為：

AI 就是電。

70. 不同構就不能硬搬

例如航空座位：

\text{flight departs} \Rightarrow \text{capacity expires}

AI GPU capacity 則可以：

reroute；
batch；
change model；
improve software。

因此：

\text{airline analogy}

只能移植部分。

71. 成熟市場是制度實驗資料庫

因此研究新 AI 商業制度時，

可以把其他產業視為：

\boxed{ \text{institutional experiment repository} }

。

問題不是：

誰有全新 idea？

而是：

哪個成熟市場已經測過類似結構？

72. 這也解釋了為什麼很多 AI 策略看起來「沒有很新」

因為：

\boxed{ \text{AI novelty} \neq \text{institutional novelty} }

。

技術是新的。

市場問題可能很老。

例如：

peak demand；
oversubscription；
price discrimination；
reservation；
capacity shortage；
disclosure；
arbitrage。

都已有長期歷史。

73. AI 企業仍然需要重新學一次

即使制度已在其他產業存在，

移植仍需要：

新計量單位；
新 UX；
新安全；
新法律；
新 Agent behavior；
新成本函數。

因此：

\text{known principle} \neq \text{solved AI implementation}

。

74. Institutional Search 可以成為企業方法論

當 AI 公司遇到問題：

X_{\mathrm{AI}}

可以搜尋：

\{ X_{\mathrm{cloud}}, X_{\mathrm{energy}}, X_{\mathrm{airline}}, X_{\mathrm{telecom}}, X_{\mathrm{finance}} \}

。

再尋找：

\phi: X_j \rightarrow X_{\mathrm{AI}}

。

這本身就是制度創新方法。

75. 從產品管理走向制度工程

傳統 Product Management 問：

這個 button 怎麼設計？

制度工程會問：

權利如何定義？

風險由誰承擔？

價格如何形成？

需求如何移動？

資訊如何揭露？

因此 AI 產品越成熟，

越需要：

\boxed{ \text{Institutional Engineering} }

。

76. AI Native Economics

最終可能需要一套：

\boxed{ \text{AI-Native Economic Design} }

它不再假設：

人類手動請求；
工作必須即時；
token 是唯一單位；
月份是認知週期；
API 與訂閱永遠分離。

77. Agent 會要求機器可讀的市場規則

未來價格、容量與 entitlement 需要：

\text{machine-readable}

。

例如：

\text{Capacity API}

\text{Pricing API}

\text{Reservation API}

\text{Surrender API}

。

Agent 才能真正自動調度。

78. 市場規則也需要可驗證

若 Agent 自動購買 capacity，

就需要：

\boxed{ \text{verifiable settlement} }

。

例如：

執行了多少；
扣了多少；
為何扣；
SLA 是否滿足；
refund 是否成立。

這會推動：

\text{economic observability}

。

79. 從 Token Economy 到 Compute Economy

早期 AI 經濟常被描述為：

\text{Token Economy}

。

但真正成熟後：

\boxed{ \text{Compute Economy} }

更準確。

因為：

\text{Token} \subset \text{Compute Cost}

。

80. 從 Compute Economy 到 Intelligence Economy

再往後，

如果：

\text{quality}

與：

\text{task completion}

可以可靠衡量，

市場甚至可能從：

\text{pay per compute}

進入：

\boxed{ \text{pay per outcome} }

。

81. Outcome Pricing

例如：

不是付 100 CU。

而是：

完成一個驗證通過的程式修復。

價格：

P_{\mathrm{outcome}}

。

供應商自己承擔：

C_{\mathrm{compute}}

的不確定性。

82. Outcome Market 會再改變整個市場

當：

P_{\mathrm{outcome}}

出現，

供應商有強烈誘因改善：

\frac{ \text{successful outcomes} }{ \text{compute} }

。

這會讓市場從：

\text{sell compute}

走向：

\boxed{ \text{sell completed intelligence work} }

。

83. 但 Outcome Pricing 更難

需要判定：

\text{success}

。

例如：

文章算完成嗎？

程式修好了嗎？

研究正確嗎？

因此 outcome market 需要：

verification；
evaluation；
dispute resolution。

這是更後期的制度。

84. 本系列的整體架構

前七篇可以重新排列成：

Layer A：Time

Paper 1–2：

\text{Billing Time} \neq \text{Cognition Time}

Layer B：Resource

Paper 3：

\text{Compute Wallet}

Layer C：Rights

Paper 4：

\text{Reversible Entitlement}

Layer D：Demand

Paper 5：

\text{Demand Engineering}

Layer E：Information

Paper 6：

\text{Capacity Transparency}

Layer F：Capital

Paper 7：

\text{Compute Fundamentals}

。

85. Paper 8 把它們全部制度化

因此：

\boxed{ \text{Time} + \text{Resource} + \text{Rights} + \text{Demand} + \text{Information} + \text{Capital} }

共同形成：

\boxed{ \text{AI Compute Institution} }

。

86. 一個統一狀態模型

令 AI 市場狀態為：

\mathcal S(t) = ( D(t), C(t), P(t), E(t), I(t), K(t) )

其中：

$D$ ：demand；
$C$ ：capacity；
$P$ ：price；
$E$ ：entitlement；
$I$ ：information；
$K$ ：capital。

制度：

\mathcal R

決定：

\mathcal S(t) \rightarrow \mathcal S(t+1)

。

87. 市場設計就是選擇轉移規則

例如：

D>C

時，

Rule A：

\text{Rate Limit}

。

Rule B：

\text{Surcharge}

。

Rule C：

\text{Off-Peak Discount}

。

Rule D：

\text{Surrender}

。

不同規則產生不同：

\mathcal S(t+1)

。

這就是制度工程。

88. 制度競爭可以被實驗化

企業可以 A/B test：

\mathcal R_1

與：

\mathcal R_2

比較：

\text{Retention}

\text{Peak Load}

\text{Gross Margin}

\text{Trust}

\text{Task Completion}

。

因此制度不只是哲學。

它可以被工程化測試。

89. 可測試假說

H1：AI 市場會持續增加 service segmentation

隨 workload 異質性增加：

N_{\mathrm{tiers}}\uparrow

可能成立。

H2：灰色套利會預測官方 fungibility 產品出現

當：

A_{\mathrm{arbitrage}}\uparrow

供應商更有動機：

\text{formalize selected conversions}

。

H3：Agent adoption 會提高時間差異化定價的重要性

因：

FWR_{\mathrm{agent}} > FWR_{\mathrm{chat}}

。

H4：Capacity reservation 會隨企業 AI production 化增加

當：

\text{mission critical AI} \uparrow

對：

\text{capacity certainty}

支付意願上升。

H5：Compute transparency 會逐步成為產業競爭變數

尤其當模型能力差距縮小。

H6：標準化 Compute Metrics 會在資本密集度上升後變得更重要

因：

K_{\mathrm{AI}}\uparrow

使投資者需要更高：

\text{capital accountability}

。

90. 可能的失敗路徑

市場也可能走向：

Failure A

\text{Too Many Tiers}

使用者無法理解。

Failure B

\text{Opaque Dynamic Pricing}

降低信任。

Failure C

\text{Compute Speculation}

脫離實際需求。

Failure D

\text{Market Concentration}

少數供應商控制 capacity。

Failure E

\text{Regulatory Fragmentation}

全球市場難整合。

91. 因此成熟制度應追求適度市場化

不是：

\text{maximum marketization}

而是：

\boxed{ \text{appropriate marketization} }

。

對某些權利：

\text{transferable}

可能有效。

對其他權利：

\text{non-transferable}

更安全。

92. 三種市場邊界

Private Contract Market

企業與供應商雙邊簽約。

Provider Internal Market

Wallet、Flex、Surrender。

Open Market

可自由轉讓的標準 capacity contract。

AI 市場可以長期停留在前兩者。

93. 開放市場不是成熟的唯一終點

成熟市場也可以是：

\boxed{ \text{highly governed provider-mediated market} }

。

例如雲端 compute 很多 capacity product 仍由單一 provider 內部定價與管理。

94. 市場演化的真正核心：權利明確化

從：

你大概可以用。

走向：

\boxed{ \text{what} + \text{how much} + \text{when} + \text{how fast} + \text{what happens if unused} }

。

這就是權利從模糊到明確。

95. 權利越清楚，市場越容易形成

如果：

E

沒有清楚定義，

就難以：

定價；
轉換；
返還；
預約；
比較。

因此：

\boxed{ \text{property-like clarity precedes sophisticated exchange} }

。

96. 但 AI 使用權不一定需要變成財產權

Paper 4 已區分：

\text{Reversibility} \neq \text{Transferability}

。

因此市場成熟可以建立在：

\text{contractual clarity}

而不必建立在：

\text{full property rights}

。

97. 這一點避免過度金融化

如果每個 CU 都立即變成：

\text{tradeable asset}

可能過早引入投機。

所以更合理的是：

\boxed{ \text{rights clarity first} \rightarrow \text{liquidity later if useful} }

。

98. 資本主義演化其實是一連串「拆分」

原本：

\text{AI Subscription}

是一個 bundle。

之後拆成：

\text{Membership}

\text{Compute}

\text{Priority}

\text{Latency}

\text{Reservation}

\text{Rollover}

\text{Surrender}

。

這就是：

\boxed{ \text{unbundling of economic rights} }

。

99. 拆分之後又會重新 Bundling

市場不會永遠越拆越細。

當使用者覺得複雜，

企業又會推出：

Pro Everything Plan。

因此：

\boxed{ \text{Unbundle} \leftrightarrow \text{Rebundle} }

是循環。

100. Compute Wallet 正是 Rebundling Layer

底層細分很多權利。

Wallet 再把它們抽象成：

\text{simple user balance}

。

因此：

\boxed{ \text{economic unbundling underneath} + \text{product rebundling above} }

可能是最穩定結構。

101. 最終不是「訂閱 vs API」

而是：

\boxed{ \text{Membership} + \text{Metering} + \text{Scheduling} + \text{Capacity} }

。

API 與 Chat UI 只是：

\text{consumption interfaces}

。

102. 也不是「市場 vs 計畫」

供應商內部本來就在做：

\text{central planning}

例如：

routing；
capacity allocation；
GPU scheduling。

外部又可以有：

\text{price signals}

。

因此最終系統是：

\boxed{ \text{planning} + \text{market} }

混合。

103. AI 公司本身就是小型經濟體

大型 AI provider 同時管理：

currency-like credits；
capacity；
queues；
price tiers；
scarcity；
allocation；
subsidies；
user classes。

因此可以說：

\boxed{ \text{AI platform} \approx \text{micro-economy} }

。

104. 平台治理就是微型制度政治

例如：

誰先拿到 GPU？

這不是純技術問題。

也是：

\text{allocation rule}

問題。

免費用戶與企業用戶怎麼分？

也是制度問題。

105. 因此未來產品團隊需要更多制度思維

除了：

engineer；
designer；
economist；

還需要更強：

\boxed{ \text{market design} + \text{governance} + \text{behavioral economics} }

能力。

106. Adaptive AI Compute Economy

本文最後將整個系列概念濃縮為：

\boxed{ \text{Adaptive AI Compute Economy} }

其目的不是最大化：

\text{compute consumption}

而是最大化：

\boxed{ \frac{ \text{useful intelligence work} }{ \text{economic + physical resource cost} } }

。

107. 這會成為模型之外的競爭維度

未來企業可能比較：

M = \text{Model Capability}

同時比較：

I = \text{Institutional Efficiency}

。

最終產品價值：

V = f(M,I)

。

108. Institutional Efficiency

可以暫時定義：

\eta_I = \frac{ V_{\mathrm{served}} }{ C_{\mathrm{compute}} + C_{\mathrm{transaction}} + C_{\mathrm{friction}} }

。

制度越好，

在相同模型下：

\eta_I\uparrow

。

109. 制度競爭甚至可能反過來改變模型設計

如果 Flex 市場很大，

模型可能針對：

\text{batch efficiency}

最佳化。

如果 Reserved market 很重要，

可能針對：

\text{predictable throughput}

最佳化。

因此：

\boxed{ \text{market design} \rightarrow \text{technical design} }

。

110. 技術與制度會共同演化

最終：

T_{t+1} = f(I_t)

且：

I_{t+1} = g(T_t)

。

因此：

\boxed{ \text{Technology} \leftrightarrow \text{Institution} }

是共同演化。

111. 基本原則

本文提出十五項總原則。

原則一：AI Compute 是新型稀缺經濟資源

但不是完全同質商品。

原則二：市場分層會隨 workload 異質性增加

\text{one price} \rightarrow \text{multiple rights}

。

原則三：套利既是風險，也是制度訊號

不要只封鎖，也要理解需求。

原則四：正式化應保留 provider governance

身份、定價與 rate control 仍然重要。

原則五：標準化應描述資源，不應假裝量化完整智能

原則六：時間、priority 與 reservation 都可以成為獨立商品維度

原則七：Demand Response 可以被視為虛擬 capacity

原則八：Capacity Market 不必等於公開交易所

原則九：Financialization 只能在有實際風險管理需求時逐步出現

原則十：市場成熟同時需要 governance 與 regulation

原則十一：透明度提高價格發現，但也改變市場行為

原則十二：跨產業制度移植應尋找 structural isomorphism

而不是表面類比。

原則十三：底層制度可以複雜，上層介面必須保持簡單

原則十四：AI 競爭將逐步包含 Institutional Competition

原則十五：最終目標不是讓算力交易越複雜，而是讓智能資源配置更有效率

112. 限制

第一，本文提出的是制度演化框架，不是歷史決定論。

第二，不同 AI 公司具有不同商業模式，不會沿完全相同路徑發展。

第三，電力、航空、雲端與金融類比只能移植結構，不能直接視為同一市場。

第四，Compute Unit 尚不存在全球統一標準。

第五，AI 模型能力仍高速變化，可能使今天的容量制度很快重新設計。

第六，金融化會引入新的法律與系統性風險，因此不應被預設為終點。

第七，公共政策、反壟斷、消費者保護與能源政策都可能深刻改變市場路徑。

113. 結論

回到最初那個看似非常小的問題：

我這個月沒用完的 AI 額度，為什麼不能拿去做別的事？

它真正暴露的是：

\boxed{ \text{an immature entitlement system} }

。

現有 AI 訂閱把大量不同經濟權利壓縮在一起：

\text{Access} + \text{Compute} + \text{Time} + \text{Priority} + \text{Capacity}

。

市場成熟的自然壓力之一，就是把它們逐步拆開。

因此本系列從：

\text{Billing Time}

一路推進到：

\text{Temporal Fungibility}

\text{Compute Wallet}

\text{Reversible Entitlement}

\text{Demand Engineering}

\text{Capacity Transparency}

\text{Investor Compute Fundamentals}

最後形成：

\boxed{ \text{Adaptive AI Compute Market} }

。

這並不是因為 AI 產業必須照抄電力、雲端、航空或金融市場。

而是因為很多今天看起來非常新的 AI 商業問題，其底層其實仍然是：

\text{scarcity}

\text{allocation}

\text{pricing}

\text{risk}

\text{information}

\text{rights}

。

這些問題，人類市場已經實驗了很長時間。

因此 AI 企業下一階段的創新，不一定總是發明完全前所未有的制度。

很多時候更有效的方法是：

\boxed{ \text{find a mature institutional fragment} \rightarrow \text{identify structural isomorphism} \rightarrow \text{adapt it to AI} }

。

這也正是為什麼，當前 AI 商業制度看起來仍然具有大量可改造空間。

不是因為企業「不懂資本主義」。

而是因為：

\boxed{ \text{AI has created a new resource environment faster than its institutions can mature.} }

。

市場正在學習：

智能到底該怎麼賣？

算力到底該怎麼分？

高峰到底該怎麼處理？

使用權到底能不能移動？

投資者到底要看什麼？

這本身就是制度形成的過程。

因此本篇最後的核心命題是：

\boxed{ \text{AI competition is evolving from model competition toward institutional competition over how intelligence is allocated.} }

中文即：

AI 產業的競爭正在從單純的模型競爭，逐步延伸為「智能資源如何被配置」的制度競爭。

主系列至此完成。

接下來兩篇番外將分別處理：

Extra 1：Token 消耗症候群——到期額度如何反向塑造人的認知行為

以及：

Extra 2：跨產業制度移植——AI 產業其實不用每件事重新發明

前者從行為經濟學回到使用者，

後者則把整個系列背後的跨產業制度搜尋方法正式化。

參考資料

Federal Energy Regulatory Commission. Understanding Wholesale Capacity Markets. Updated 2026-06-02.
Federal Energy Regulatory Commission. Energy Markets. Updated 2026-06-02.
Federal Energy Regulatory Commission. Demand Response. Accessed 2026-09-07.
Amazon Web Services. Service tiers for optimizing performance and cost — Amazon Bedrock. Accessed 2026-09-07.
Amazon Web Services. Capacity Reservation pricing and billing — Amazon EC2. Accessed 2026-09-07.
Amazon Web Services. EC2 Reserved Instance Pricing. Accessed 2026-09-07.
OpenAI. Reserved Tier for API Customers. Accessed 2026-09-07.
Ronald H. Coase. The Nature of the Firm. 1937.
Douglass C. North. Institutions, Institutional Change and Economic Performance. 1990.
Oliver E. Williamson. The Economic Institutions of Capitalism. 1985.
Karl Polanyi. The Great Transformation. 1944.

Series Navigation

Paper 1
AI 訂閱制的制度錯位：當曆法時間不再等於智能消耗

Paper 2
額度的時間可替代性：月算力、Burst 與集中式工作

Paper 3
訂閱、API 與 Compute Wallet：AI 混合計價制度

Paper 4
閒置額度、轉讓與供應商回購：AI 使用權的可逆性

Paper 5
從 Rate Limiting 到 Demand Engineering：離峰折扣與 AI 需求響應

Paper 6
算力透明度作為控制介面：從黑箱限流到容量可觀測市場

Paper 7
算力透明度作為投資工具：AI 企業的新基本面

Paper 8 — 本篇
AI 市場的制度演化：從商品化到容量市場

Extra 1 — Next
Token 消耗症候群：到期額度如何反向塑造人的認知行為

Extra 2
跨產業制度移植：AI 產業其實不用每件事重新發明

AI 市場的制度演化：從商品化到容量市場 — Institutional Evolution of AI Markets_ From Commodification to Capacity Markets

AI 市場的制度演化：從商品化到容量市場

Institutional Evolution of AI Markets: From Commodification to Capacity Markets

摘要

1. 從最初問題重新開始

2. 第一階段：先有產品，再有制度

3. Institutional Lag

4. AI 並不是單純 SaaS

5. AI 也不是普通大宗商品

6. 第一個演化步驟：Commodification

7. 商品化之後自然出現異質需求

8. 第二個演化步驟：Segmentation

9. 分層本身會創造價差

10. 第三個演化步驟：Arbitrage

11. 訂閱轉 API 是制度訊號

12. 第四個演化步驟：Formalization

13. 正式化不等於放任

14. Compute Wallet 是正式化工具

15. 第五個演化步驟：Standardization

16. 標準化不代表所有公司使用相同內部模型

17. 第六個演化步驟：Time Differentiation

18. 雲端市場已經高度時間化

19. AI 推理已有服務層市場

20. 從 Usage Market 到 Capacity Market

21. 電力市場是非常重要的類比

22. Energy Market 與 Capacity Market

23. Demand Response 的重要性

24. Demand Reduction 與 Supply Expansion 的結構對偶

25. 第七個演化步驟：Capacity Market

26. AI Capacity Market 不必是一個交易所

27. Forward Capacity

28. Capacity Forward

29. 第八個演化步驟：Financialization

30. 金融化不是必然進步

31. 為什麼這仍然是典型資本主義演化

32. 資本主義真正擅長的是差異商品化

33. 商品化會增加效率，也會增加複雜度

34. 這就是為什麼使用者 UI 不能變成華爾街終端

35. Transaction Cost Economics

36. Subscription 是制度技術，不只是價格

37. API 也是制度技術

38. Agent 會改變市場結構

39. 機器速度會放大市場反應

40. 因此 AI 市場需要新的反操縱規則

41. 第九個演化步驟：Governance

42. 市場與監管共同演化

43. 資本主義不保證最優制度

44. 但套利是一種重要制度感測器

45. Regulatory Arbitrage 也可能出現

46. 標準化會成為國際競爭的一部分

47. 但「智能」不能完全被壓縮成單一單位

48. 市場最終交易的是複合商品

49. 第十個演化步驟：Transparency

50. 透明度是價格發現基礎

51. 但透明度也會改變市場

52. Adaptive AI Compute Market

53. 這不是一個單一產品

54. 市場成熟度階梯

Stage 0

Stage 1

Stage 2

Stage 3

Stage 4

Stage 5

Stage 6

Stage 7

Stage 8

Stage 9

Stage 10

55. 現在 AI 市場在哪裡

56. 制度創新可能成為競爭優勢

57. 同一模型也可以因制度不同產生不同價值

58. 制度本身可以產生網路效應

59. 透明度也可以形成信任資本

60. 但市場制度會產生新的階級差異

61. AI 市場的公平不等於相同待遇

62. 公共政策也會介入

63. Emergency Capacity

64. 市場效率與公共價值可能衝突

65. 所以這不是「市場萬能論」