--- title: "誰替廉價智能付費：成本轉移、攤銷、補貼與跨期融資" english_title: "Who Pays for Cheap Intelligence? Cost Incidence, Amortization, Subsidies, and Intertemporal Financing" series: "AI 成本表象悖論：低價智能、超算資本與全域資源帳本" series_id: AICAP paper_id: AICAP-03 version: 0.1 status: "COMPLETE RESEARCH DRAFT — FORMAL UTF-8 SOURCE / NOT EMPIRICALLY ESTIMATED" date: 2026-11-03 language: zh-Hant canonical_source: "UTF-8 Markdown" math_delimiters: "inline $...$ ; display $$...$$" research_domain: "AI 政治經濟學／成本歸屬／財務會計與經濟成本／平台定價／跨期投資" provenance: "承接 AICAP-00、AICAP-01、AICAP-02；與 CLATE、HACTS、ANIE 互相界定；公開來源核對截至 2026-11-03" --- # 誰替廉價智能付費：成本轉移、攤銷、補貼與跨期融資 **Who Pays for Cheap Intelligence? Cost Incidence, Amortization, Subsidies, and Intertemporal Financing** **AICAP-03｜《AI 成本表象悖論》系列第三篇正式研究稿** **完成日期：**2026 年 11 月 3 日 **研究稿性質：**完整理論草稿、可檢驗形式化命題、透明反事實案例與實證協議；不宣稱已取得任何模型供應商的內部成本帳或執行完成跨平台成本估計。 **形式化原稿：**UTF-8 Markdown，僅使用 ` $...$ ` 與 `$$...$$` 表示 LaTeX 數學原始碼。 **學術界線：**經濟學與政治經濟學研究，不構成投資、會計或法律建議。 **作者：** Neo.K **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026-11-03 **版本：** 0.1 ## 摘要 個人、研究者與小型企業可以藉由訂閱、按量 API、免費試用及雲端抵免，低價取得高度複雜的智能生產能力。若僅從使用者的付款帳單出發，人工智慧似乎使專業勞動與組織協調的成本大幅下降；然而，供應方同時面臨模型研發、加速器與資料中心建設、能源、維運、資本折舊及設備汰換等投入。對此現象的一種直觀反應是：「使用者只是把成本轉嫁給提供超算的企業。」但這個敘述如果未經分帳與反事實檢驗，仍可能錯誤。低價可能源自真正的推理效率提高與規模經濟，也可能來自短期促銷、其他業務的利潤支持、投資者承擔初期現金缺口、未來收入預期、會計折舊的時間配置，或多種機制並存。 本文承接 AICAP-00 至 AICAP-02，將成本分析從「使用者支付多少」與「智能能力取得需要多少資本」推進至「誰、在何時、以何種法律與經濟關係支付，且誰最終承擔風險」。研究建立五組不得合併的帳本：交易價格帳、資源投入帳、企業損益帳、資本與現金流量帳、分配及外部性帳；以行為者、時間、資產、任務與真實資源事件為共同索引，區分市場支付、物理耗用、資產服務流、投資轉移與福利效果。 本文提出六項條件命題，證明閉合交易邊界內的金錢轉移不能自行增加或消滅總體資源耗用；同一市場低價可由不同成本與財務結構生成，故不能僅憑標價辨認補貼；組合內部的交叉支持需有可稽核的業務單位盈餘與成本分攤規則；借款在無違約且風險適當定價的條件下改變支付時間而非消除已發生的真實資源投入；帳面折舊與購置現金流屬不同核算語言；促銷額度的面額亦不等於服務增量資源成本。研究另外建構四組透明數值反例、反事實辨識方案、最低資料契約和可否證假說。 本文的主要結論不是「低價智能背後一定有人虧損」，而是：**只有在可比的任務品質、特定時間範圍、明確成本歸屬與財務邊界之下，才能判斷低價究竟來自效率改善、風險承擔、跨業務支持、時間錯位，或社會資源負擔轉移。** 當一項 AI 服務同時具有昂貴的生產資本與低廉的使用價格時，成本表象悖論的解答不應是另一種單一口號，而應是一套可以被資料推翻的多層成本歸屬模型。 **關鍵詞：**AI 成本表象悖論；成本歸屬；成本轉移；促銷抵免；交叉補貼；成本分攤；資本攤銷；經濟折舊；現金流；融資；風險承擔；外部性；平台經濟；有效成果。 --- ## 0．研究切面與相對前篇的增量 ### 0.1 「便宜」至少指五種不同事情 同樣是某個開發者用一個月的固定訂閱費完成大量遊戲設計工作，「便宜」可能指：（甲）當期現金付款低；（乙）相較外包報價低；（丙）每件通過驗收的成果成本低；（丁）提供服務的平均經濟成本低；（戊）整個經濟體系完成相同成果所犧牲的真實資源較少。這五個命題沒有自動的邏輯等價性。 AICAP-01 已處理成交價格、額度與有效成果分母；AICAP-02 已處理高固定成本、容量利用、可比能力的租用與持有門檻。本文不重建前兩者，而補上**成本歸屬的動態金融與政治經濟學**：誰先出錢、誰之後收回、誰在帳上認列、誰在失敗時虧損、誰因公共資源或外部性承擔未列價的負擔。 ### 0.2 本文採取的六項非主張 1. 不主張所有 AI 服務都靠補貼存活。真正的技術效率提升可以使服務在沒有外部支持時仍然獲利。 2. 不主張財報中的大額資本支出均可分攤到某一 AI 模型、某次推理或某個使用者。大型企業的資料中心可服務雲端、搜尋、廣告及其他業務。 3. 不主張當年度自由現金流下降就是當年度虧損，更不將設備購置款與同年度折舊費直接加總為雙份資源耗用。 4. 不把投資人的股本、債券本金、雲端促銷點數、政府補貼、跨部門毛利或帳面攤銷視為同一類「補助」。 5. 不將稅務優惠、能源政策、供電網路建設或其他公共項目推定為特定廠商獲利；需逐項證明受益主體與增量效果。 6. 不把跨主體轉移一概看成不正當。價格歧視、折扣、投資先行與負毛利階段均可能是合法且經濟合理的選擇；本文不由成本表面差異推斷企業動機。 ### 0.3 分析單位 本篇同時記錄五種索引：行為者 $a$ （終端使用者、模型供應商、平台、投資者、雲端供應商、電力公司、勞動者、公共機構）；時間 $t$ ；任務 $d$ ；實體資產或資本服務 $k$ ；可追溯資源事件 $e$。未能對齊索引的跨公司、跨年份與跨產品數據，不直接加總為一個 AI 單位成本。 ## 1．先分帳：價錢、支付、資源、損益與福利 ### 1.1 五本相互關聯而不得互相取代的帳 | 帳本 | 核心問題 | 典型紀錄 | 不能誤寫成 | |---|---|---|---| | A．價格／交易帳 | 誰買了什麼、應付與實付多少？ | API 牌價、訂閱、折扣、促銷抵免、帳單 | 供應端 GPU 成本或社會機會成本 | | B．資源投入帳 | 哪些真實要素被用掉，產生什麼服務？ | 電力、勞動時間、設備服務流、土地與網路容量 | 各供應鏈公司銷售額總和 | | C．企業損益帳 | 以何種會計期間與分攤規則確認收入和費用？ | 營收、營業成本、研發費用、折舊、利潤 | 同期現金收支或全部社會成本 | | D．資本／現金流帳 | 現金何時支付、誰融資，未來有何義務？ | CAPEX、租金、股權融資、借款、還本付息、現金餘額 | 當期產品利潤或新創造的物理資源 | | E．分配／外部性帳 | 利益、損害與風險最後落在哪些主體？ | 投資損益、消費者剩餘、外部排放、當地用水與電網影響 | 不需識別因果的「全民共同買單」敘事 | 注意：帳本 B 的經濟價值估算與帳本 E 的某些外部性估值可能交疊。若已把特定污染損害計入擴充資源成本，便不能在總和中重複計入。具體研究應同時報告「狹義內部資源成本」與「外部性調整後社會成本」，而非雙算。 ### 1.2 使用者支付價格與服務成本的分離 對使用者 $i$ 、時段 $t$，定義符合優惠資格的牌價 $L_{i,t}$ 、直接折扣 $D_{i,t}$ 、實際使用且有效的抵免 $V_{i,t}$，以及額外稅費或計價項 $X_{i,t}$。簡化的當期現金付款為： $$ P_{i,t}^{\mathrm{cash}} = \max\{0,\ L_{i,t}-D_{i,t}-V_{i,t}\}+X_{i,t}. $$ 此式只表達已符合資格且確實核銷的金額，不代表所有服務商的複雜計價制度皆採同一計費順序。若某抵免不能用於該模型、計價項目或時期，應將相應 $V_{i,t}$ 設為零，而非把廣告面額當已取得的服務價值。 令 $C_{i,t}^{\mathrm{prov}}$ 為可歸屬於供應商的指定成本，則： $$ P_{i,t}^{\mathrm{cash}}\neq C_{i,t}^{\mathrm{prov}} $$ 是一項**不能預設相等**的分類警告；不表示所有實際樣本都一定不等。若使用者投入額外審查、整合與工具，AICAP-01 定義的每件有效成果成本還需另外計入，但不得把內含於付費服務的供應鏈中間交易再加為另一份使用者支出。 ### 1.3 真實資源事件及交易邊界 令 $\mathcal E_t$ 為時段 $t$ 中通過唯一標識、去重及估值範圍確認的資源事件集合， $v_{e,t}$ 為第 $e$ 項資源事件的機會成本或其他明定估值。定義： $$ R_t=\sum_{e\in\mathcal E_t} v_{e,t}. $$ 例：伺服器於某段時間提供運算，其產生的設備服務流是一種資源使用；若改採市場購置資本服務的機會成本表示，不能又把整台設備的歷史購置款在每個使用期全部追加一次。電力公司支付的燃料購價是交易鏈中的貨幣流，其背後燃料與發電的真實資源投入需按研究邊界消除中間交易重複計量。 對兩個行為者 $a,b$， $T_{a\to b,t}$ 為 $a$ 在 $t$ 期支付給 $b$ 的貨幣轉移。對閉合集合 $\mathcal A$ 定義淨金融流出： $$ F_{a,t}=\sum_{b\in\mathcal A}T_{a\to b,t}-\sum_{b\in\mathcal A}T_{b\to a,t}. $$ 則 $\sum_a F_{a,t}=0$。這**不是**說交易沒有福利效果，也不表示每個個體的資源機會成本為零，而是貨幣支付不能作為另一項獨立的物理耗用，加到 $R_t$ 之上。跨國或跨研究邊界的支付須補上邊界外對手方，否則閉合恆等式不可直接使用。 ### 1.4 「誰付錢」有四種不同答案 - **付款者**：當下刷卡或轉帳的使用者、企業、雲端平台或政府。 - **融資者**：先提供資金，使供應商得以建造容量或承擔虧損的股東、債權人或其他資本來源。 - **經濟承擔者**：在市場調整與契約分配後，實際承受收益減少、風險損失或消費限制的人；需透過反事實識別，而不能直接由付款者推定。 - **資源機會成本承擔者**：被排擠的替代用途或遭受未內部化環境影響的群體。即使未曾收到帳單，也可能具有可測的福利變化。 因此，「AI 由投資人買單」可能指公司以資金挹注支付現金缺口；不等於投資人在經濟上注定虧損，因為其回報仍可能來自未來利潤、資產價值或其他合法收益。 ## 2．文獻與當期公開事實：如何避免把產業投資當成補貼證據 ### 2.1 平台低價的多重經濟動機 Rochet 與 Tirole（2003）的雙邊市場分析指出，平台需要考量不同參與側的需求、外部性及整體獲利，而非每一側都按同一種成本加成定價 [R01]。這是理解多產品平台、開發者生態、雲端市集與工具訂閱的一個已有理論基礎。但雙邊市場論述**不自動證明某特定 AI 服務正在被其他業務補貼**；只有可觀察到的跨邊收入、成本分攤和相關反事實，才有資格支持特定歸因。 ### 2.2 免費抵免是確實存在的商業安排 Google Cloud 官方免費試用文件列明，在所述資格與限制下，符合條件的新帳戶可使用 90 天、面額 300 美元的迎新抵免；官方亦明確說明部分服務不適用抵免，例如相關文件指出第三方代管模型及特定 API 計費不能一概用該抵免支付 [R02]。Microsoft for Startups 官方文件列出對符合條件的新創公司提供逐步擴大的 Azure 促銷額度；AWS Activate 也有分層的合格新創抵免計畫 [R03–R04]。 這些是**使用者支出可能被折扣、平台行銷或生態培育資金降低的制度證據**；它們本身不揭露提供一單位模型推理的實際成本，也不能用抵免面額推算企業真正虧損額。是否由供應商承擔、由合作夥伴報銷，或由特定計畫共同融資，須檢視具體合約。 ### 2.3 大型企業資本支出與折舊存在可觀察的時間差 Alphabet 截至 2026 年 9 月 30 日的 10-Q 報告列示：2026 年前九個月資本支出約 1,320 億美元，而同期間其不動產與設備折舊約 220 億美元；另列示未開始租約的未來租金承諾約 1,305 億美元 [R05]。這些數額具有不同會計意義：**資本支出是特定期間投資現金投入，折舊是已投入使用資產的期間費用配置，尚未開始租賃的未來承諾又是其他時間區間的合約義務。** 三者不能簡單相加成同年度 AI 推理成本。Alphabet 的資產也服務多種產品，不能整筆歸到前沿模型推理。 微軟 2026 財政年度年報列示其全年不動產及設備折舊費用約 343 億美元，並說明部分伺服器及網路設備資產具有二至六年的預估使用年限 [R06]。Amazon 在 2025 年 10-K 說明調整部分伺服器與網路設備預估使用年限後，使該年度折舊與攤銷費用增加約 14 億美元 [R07]。這顯示經濟服務年限、會計假設與資產老化風險會改變期間費用，即使當下推理需求或牌價沒有同步變化。 Meta 截至 2026 年 9 月 30 日的季度報告預估其 2026 年資本支出約為 1,350–1,450 億美元，明確指向 AI 努力與核心業務，不應全數算作獨立 AI 推理支出 [R08]。以上公開數據只是「高資本投入存在、財務時間帳不得混算」的例證，不提供模型級成本、推理毛利或補貼率。 ### 2.4 能源與公共成本是另一本帳 國際能源總署《Energy and AI》報告於其基準情境估計，全球**資料中心**用電需求至 2030 年可能達約 945 TWh，並指出 AI 是成長的重要驅動因素之一 [R09]。此數字涵蓋資料中心整體，不可寫成「AI 推理耗電 945 TWh」；能源需求上升也不代表每單位有效成果能源效率下降。電網擴容、地區負擔、排放與用水等問題，應在 AICAP-06 中用不同地點、時段與增量反事實細算；本文只確立不得與使用者電費帳重複計價。 ## 3．五種常被統稱「補貼」的不同機制 ### 3.1 機制 A：真正的成本下降 若模型優化使每單位被接受成果所需計算、電力與人類審查減少，即使價格同步降低，也可能有： $$ \Delta P<0,\qquad \Delta C^{\mathrm{resource}}<0. $$ 這一結果不需要假設有人在背後負擔差額；可能是生產率進步。若任務品質變更、延遲較高或需求組成不同，則不得直接推論。這是成本表象研究必須保留的正向反例。 ### 3.2 機制 B：促銷、抵免與用戶獲取投資 平台可以將某個服務的牌價減免，降低用戶現金支出，期待提升採用率、未來收入、資料回饋或其他合法商業價值。經濟上應分開記錄：抵免的公告面額、實際合格使用量、平台實際支付的變動資源、可歸屬的行銷取得成本及後續留存收益。 若抵免由平台自行提供，其面額並非一筆從外部流入的現金。若抵免由第三方報銷，其現金流另有支付者；兩種狀態不可混寫。抵免可能是費用折讓、行銷支出或其他形式的會計項目，其確認方式依契約及適用準則而異。 ### 3.3 機制 C：內部交叉支持與多產品定價 一家企業可同時提供高毛利、低毛利和短期負毛利業務。若在可辯護成本分攤下，業務 B 的淨貢獻用來承擔業務 A 的短期缺口，可描述為「組合內交叉支持」。但若兩項業務共用基礎設施，共同固定成本如何分攤具任意性，則不能僅憑一張產品平均成本表斷定 A 一定在接受補貼。 分析應至少同時揭露：（一）A 的增量貢獻是否為正；（二）分攤共同成本後是否為負；（三）B 的貢獻是否足以支持全部共同投入；（四）改變分攤方法，結論是否反轉。必要時提供增量成本、可避免成本、固定成本配置與整體盈餘四個平行欄位。 ### 3.4 機制 D：跨期投資與未來收益預期 新平台在早期投入大量研發與設備，可能在當期呈現負自由現金流，期待未來由規模、使用率或新產品收入改善。這是**投資先行**，不是成本消失；也不是在尚未觀察最終結果前就能稱為永久虧損。若投資最終未回收，損失可能由股東、債權人或其他依契約負擔的人承受。 同理，一家公司可以已有獲利業務資助新 AI 事業，既可能是跨事業投資，也可能是維持網路效應或替代既有產品風險的策略。是否在經濟上合理，需比較事前可得資訊、可行替代方案與事後實際結果，而不是只看某一季費用。 ### 3.5 機制 E：公共支持與未內部化外部性 政府可能透過稅負減免、公共基礎設施、直接補助或研發支援影響數位產業投資；也可能出現電網、供水、排放等未由服務價格完整反映的公共負擔。但**有公共支出不必然等於存在對特定 AI 供應商的淨補貼**。需要識別項目、受益資格、參照情境、增量資源及財政歸宿。 若僅說「伺服器需要電力，所以社會替 AI 付錢」，會忽略供應商已可能支付商業電價與用電契約。只有被未充分反映在市場價格中的額外損害、公共財政承擔或風險移轉，才需要另行建立外部性或財政歸屬分析。 ## 4．資本攤銷：哪一筆成本屬於哪一年？ ### 4.1 經濟資產服務流與會計折舊的區分 假設一套運算設備在時點零以 $K_0$ 購入，未來各期提供運算容量 $s_t$。在經濟意義上，資產持有者必須考量設備折耗、技術淘汰、維修、資金機會成本與期末殘值。會計折舊 $D_t^{\mathrm{book}}$ 則依報表規則與預估使用年限分期認列；兩者不必一致。 若以 $A_t^{\mathrm{service}}$ 表示運算設備的經濟資本服務成本，則對任務成本可以採取： $$ C_{d,t}^{\mathrm{economic}}=C_{d,t}^{\mathrm{operating}}+\alpha_{d,t}A_t^{\mathrm{service}}+C_{d,t}^{\mathrm{other}}, $$ 其中 $\alpha_{d,t}$ 是對同一可用資產服務流的分配比例，總分配不得超出相關服務量的合理範圍。**不可**另把 $K_0$ 的全額無差別加入每一年的 $C_{d,t}^{\mathrm{economic}}$。若研究的是各年現金流，則可在 $t=0$ 列出 $K_0$，但在該現金流量表中不將無現金流的折舊作為同一設備的再次付款。 ### 4.2 資產服務流不是任意平均分攤 單一加速器可支援不同模型、不同租戶與不同峰值時段。若以 token 數平均攤銷，可能低估長上下文、重推理、低延遲服務的容量成本；若按 GPU 時間分攤，也可能忽略設備記憶體、儲存、網路及可靠性保留。應依研究目的給出多個成本驅動因子，並對成本歸屬不確定性做區間，而不假裝存在完美的通用分攤率。 ### 4.3 折舊政策會改變報表，不一定改變物理事件 同一設備若由五年直線折舊改為四年，帳面單年度費用將改變；但設備在該年是否真的消耗更多電力、是否真的承擔更高故障率，不能由會計政策變更直接推出。若使用年限修正反映真正更快的淘汰，經濟資本服務成本也可能改變；需要從硬體效能、殘值與替代收益核實，而非純粹以會計數值決定。 ### 4.4 訓練、研發、推理與更新不得混算 模型研發、首次訓練、推理部署和後續更新，有不同用途、受益時間與可歸屬服務。若某模型訓練所用資本服務已計入訓練成本並分期配置，不能又把相同運算的設備使用時間作為推理成本重複計算。即使採用不同假設，也須在帳本中保留 `cost_event_id` 和 `allocated_to` 欄位。AICAP-02 已處理能力持有與訓練成本的區分，本篇只處理跨主體和跨期歸屬。 ## 5．跨期融資：有資金支付，不等於資源憑空生成 ### 5.1 現金流量恆等式 令 $B_t$ 為企業期初現金， $U_t$ 為當期顧客實際現金收入， $H_t$ 為其他業務淨現金收入， $E_t$ 為新增股本融資， $N_t$ 為新增債務現金流入， $O_t$ 為營運現金支出， $K_t$ 為當期資本支出， $S_t$ 為實付還本付息及其他融資支出。在不另納入稅、投資交易和其他科目時，工作性簡式為： $$ B_{t+1}=B_t+U_t+H_t+E_t+N_t-O_t-K_t-S_t. $$ 這是特定項目齊全時的**現金約束**，不是會計利潤公式。若還有股利、稅款、租賃本金、併購、應收帳款變動或匯差，必須增列；不能用這個簡式推算上市企業完整現金流量表。 企業即使在當期 $U_t0$，稱該產品線在該規則下**期間成本未完全回收**；不能逕稱有非法補貼、虧本促銷或負社會淨收益。若改用可避免成本 $C_{j,t}^{\mathrm{avoidable}}$，有可能出現： $$ C_{j,t}^{\mathrm{avoidable}}x>0$，則組合在扣除該集合的共同成本 $F$ 前具有 $y-x$ 的正貢獻；是否最終獲利取決於 $F$。 **證明。**兩產品貢獻相加為 $(-x)+y=y-x>0$ ；扣除共同成本後為 $y-x-F$。若 $F>y-x$，整體仍可虧損；若 $F10$。因此面額對增量資源成本沒有一般性的等值約束。證畢。 **解讀。**抵免的使用價值、平台行銷成本、稅務認列、會計費用和實際新增資源耗用可以不同。若第三方提供抵免付款，還需追加付款來源帳。 ### 命題六：首期現金流不足以決定投資可持續性 **敘述。**在有固定資本投入 $K_0$ 、有限期現金流 $CF_t$ 與貼現率 $r$ 的投資中，期初現金流為負不必然意味整體淨現值為負。定義： $$ NPV=-K_0+\sum_{t=1}^{T}\frac{CF_t}{(1+r)^t}+\frac{TV_T}{(1+r)^T}, $$ 其中 $TV_T$ 是避免重複計算的期末剩餘價值，可為零。 **反例。**若 $K_0=10$ 百萬、往後五年每年淨營運現金流 3 百萬、 $TV_T=0$ 、 $r=10\%$，則 NPV 約為正 1.372 百萬。期初現金流為負，整項投資仍可具有正淨現值。若改為 $r=25\%$，其他參數不變，NPV 約為負 1.932 百萬。證畢。 **必要限制。**這不是對任何 AI 企業或產品的價值評估；實際還需品質、技術淘汰、容量需求、稅、融資約束、產品更新與終值情境。使用現金流折現時，不得又把會計折舊從同一現金流扣一次。 ## 8．四組透明數值案例：低價如何由不同機制形成 ### 8.1 案例 A：面額 500 美元的促銷抵免 **假設，非任何現實平台財務數據。**一個初創團隊使用 100 次合格服務，每次標價 5 美元，取得實際可核銷的抵免 500 美元，所以用戶現金支付零。假定供應端新增實際資源成本每次 0.40 美元，合計 40 美元；另有按一致方法歸屬於此批服務的固定成本 100 美元。則： | 項目 | 假設金額（美元） | 應如何解釋 | |---|---:|---| | 標價合計 | 500 | 交易面的名目計價 | | 已核銷抵免 | 500 | 使用者付款減免，不是供應商收到的現金 | | 使用者實付 | 0 | 使用者當期現金價格 | | 新增資源耗用 | 40 | 此批呼叫造成的假定增量資源成本 | | 固定成本歸屬 | 100 | 特定分攤規則下的資本等分配成本 | | 該批全歸屬成本 | 140 | 不等於抵免面額；亦不能證明平台整體虧損 | 若平台另有收益可抵這筆投入，不影響使用者的零付款；若此用量本來就會在未用容量內發生，促銷的增量產能成本甚至可能低於全攤銷成本。研究者不能把 500 + 140 當作 640 美元的社會資源耗用，也不能把 500 美元等同 500 美元平台損失。 ### 8.2 案例 B：真正跨產品支持與整體成本 **假設。**產品 A 每件收入 0.80 美元、可比較成本 1.10 美元，成交 1,000 件；產品 B 每件收入 6.00 美元、可比較成本 3.50 美元，成交 200 件。兩產品在以下計算中尚未分攤公司共同固定費用。 | 項目 | A | B | 合計 | |---|---:|---:|---:| | 收入 | 800 | 1,200 | 2,000 | | 可比較成本 | 1,100 | 700 | 1,800 | | 產品貢獻 | -300 | +500 | +200 | 此時 B 的正貢獻足以覆蓋 A 的負貢獻，組合扣除共同成本前盈餘 200。若另有共同費用 300，整體仍虧 100；若共同費用 100，整體獲利 100。若 A 的所謂「成本 1.10」包含對其過量分配的共同費用，本表即不能直接作為交叉支持的證據，必須重新估算增量成本。 ### 8.3 案例 C：投資回收與貼現率反轉 **假設。**時點零投入 1,000 萬美元，未來五年每年取得淨營運現金流 300 萬美元，期末無另外計價殘值。 $$ NPV(r)=-10+3\frac{1-(1+r)^{-5}}{r} $$ 其中金額單位為百萬美元。當 $r=0.10$，年金因子約 3.790787， $NPV\approx1.372360$ ；當 $r=0.25$，年金因子約 2.68928， $NPV\approx-1.93216$。這顯示「總收入 1,500 萬大於初始投入 1,000 萬」不足以直接證明盈利，仍要考慮現金流時點、風險與機會成本；反過來，也不能因第一年大量購置設備便把整個專案判作必然無法回收。 ### 8.4 案例 D：相同使用者帳單、相反的社會成本結果 **假設。**一家小型遊戲工作室每個月向 AI 平台實付 200 美元，自己的人類審查與整合時間的機會成本為 700 美元；由同等驗收標準衡量，傳統替代流程所需真實資源成本為 6,000 美元。此處 200 美元是平台與工作室之間的金融轉移，不應在社會資源帳中與供應商實際資源投入重複相加。 - **世界 A：**供應商可歸屬實際資源成本 650 美元，工作室人類資源成本 700 美元，社會可比資源成本約 1,350 美元，明顯小於 6,000 美元。即使 200 美元用戶帳單低於平台成本，此任務仍有真實節省。 - **世界 B：**供應商可歸屬實際資源成本 8,000 美元，工作室人類資源成本 700 美元，社會可比資源成本約 8,700 美元，高於 6,000 美元。工作室仍看到同一張 200 美元帳單。 兩個世界在顧客付款與交付品質上的觀察值相同，卻具有相反的社會資源結論。這是本系列最重要的可辨識性要求之一。現實中取得供應端資源成本有困難，故需要以能力可比且資料揭露程度明確的代理測量，而不能挑選其中一種情境冒充所有 AI 生產的事實。 ## 9．時間錯位：今天便宜，誰在明天支付？ ### 9.1 成本發生時間、帳面認列時間與現金付款時間 資料中心可能在今年建造，明年啟用，多年提供容量，設備折舊在啟用後認列；建築或長期租約承諾又可能在後續數年實現付款。訓練成本與推理所帶來的收益也未必在同一財政年度。若研究把 2026 年的 CAPEX、2026 年的折舊、2027–2031 年租賃支付以及某個 API 當月收入全部加總到「2026 年每 token 社會成本」，將同時犯下時段錯位、資產錯位與產品歸屬錯誤。 ### 9.2 誰承擔失敗風險並非事前固定 某一平台可在數年內以低價擴大用戶，未來可能有三種結果： 1. 推理效率與需求成長足以使服務賺取經濟利潤，原有投資人得到回報。 2. 定價無法覆蓋資產與營運成本，產生虧損或重整，部分股東與債權人承擔損失。 3. 使用者體驗獲改善，但部分公共資源或第三方負擔未被價格完全內部化，需要獨立估計外部性。 三個結果可以混合，研究應避免用「早期便宜」直接推定其中任何一個已經發生。 ### 9.3 代際問題與長期公共投資 若資料中心、電網、供水或產業政策將成本延後支付，研究還需要區分私人合約義務和公共財政風險。未來納稅者是否實際承擔增量負擔，需證明公共支出來源、被排擠的其他公共用途、資產使用者與受益分配；不能因為某項公共設施和 AI 產業共同成長，便宣告全部成本轉移給未來世代。 ## 10．「誰承擔成本」需要因果識別，而不只是把財報貼在一起 ### 10.1 分攤不是歸因 對共享資料中心而言，若某模型佔全部請求的 10%，不能不經驗證就宣稱它應負擔全部 CAPEX 的 10%。不同請求使用運算、記憶體、網路與峰值容量的方式可能不同；某些容量原本就為其他產品保留。研究至少須同時比較三類分攤：依使用量；依可避免成本；依機會成本與峰值容量保留。若三種分攤得出的補貼方向不同，結論應明確標示「對分攤方法敏感」。 ### 10.2 價格調整的自然實驗 可選取同一服務在不同時間、計費條件或優惠退出前後的價格變化，觀察使用量、任務驗收率、客戶留存與服務品質。在具備比較組的條件下，檢驗折扣是否真正擴大有效成果，還是只是改變付款時點。若沒有供應商成本資料，仍只能估計用戶側效果與部分公開財務指標，不能由此聲稱識別了平台真實補貼。 ### 10.3 供應端利用率與設備年限的識別 若產能利用率與需求上升同時發生，平均分攤成本下降可能來自固定成本稀釋；但若延遲或失敗率上升，合格成果分母也會變化。若設備折舊年限改變，報表成本下降未必代表實際計算效率進步。研究應把設備世代、有效運算時間、容量壓力、峰值延遲、拒絕服務與品質一起控制。 ### 10.4 外部性研究不得偷渡政治結論 若研究電網升級、電價與資料中心選址，須取得特定地區、特定期間、具體工程與成本傳導證據。電力公司可能由契約對資料中心收費，也可能由公共費率分攤部分成本，且各地制度不同；不能由全球平均耗電量推出特定社區的淨負擔。 ## 11．可否證假說：讓理論有失敗的可能 以下假說均是**待檢驗研究設計**，不應在沒有測量時寫作「已被證明」。 **H1｜抵免面額不代表資源耗用。** 在控制合格服務組合後，促銷抵免面額與真實增量運算成本之比存在顯著變異；若長期各案例皆趨近 1 且其他因素均排除，此假說的經驗意義會減弱。 **H2｜價格不足以識別補貼。** 在相同成交價與交付品質的服務中，實際可避免成本與全分攤成本可能差異顯著；若開放成本資料證明同價服務的成本及融資來源總是一致，研究判斷需修正。 **H3｜交叉支持具有分攤敏感性。** 某些大型多產品 AI 服務的產品線盈餘方向，會隨共用基礎設施分攤方法改變；若多種嚴格方法均得相同符號，該產品線的結論更穩健。 **H4｜融資與單位經濟性不可混合。** 短期負現金流和長期經濟盈利能力的關聯，在控制投資階段與資金成本後不應是一對一；若負現金流穩定且完美預示長期失敗，需調整命題適用域。 **H5｜可比能力進步可使總體真實成本下降。** 對固定驗收門檻的部分任務，模型改良會使單位合格成果所需的總資源下降；若所有可比任務都顯示成本上升，則「AI 可能真正省成本」的實證範圍應收縮，而不是用補貼敘事迴避數據。 **H6｜財報認列調整與物理效率改善不相等。** 當資產估計使用年限被改動、其他條件無顯著變化時，帳面單位折舊可立即跳動而物理計算效率不必同步跳動；若同時出現技術淘汰，需以設備性能資料辨識共同原因。 **H7｜需求反彈與單位節省可以共存。** 每單位有效成果耗能下降時，總用電仍可能因工作量增加而上升；若總用電同步下降，反彈假說在該場景下不成立，不應強迫套用。 **H8｜公共成本的地區異質性。** 資料中心帶來的公共網路與能源成本在不同電價、契約與基礎設施條件下有顯著差異；若局部研究缺少成本計價資料，不應直接擴推為全社會平均值。 **H9｜人機協作的私人節約與社會節約可能方向不同。** 在可比成果標準下，使用者直接支出節省與真實資源節省的符號可能不一致；若充分揭露供應端成本後，所有研究樣本均同向，則表象悖論的實質範圍將受到限制。 **H10｜持續低價可由不同機制解釋。** 在同一服務上，若觀察到長期低價、正經濟利潤與上升的資源效率，則以「平台持續補貼」作唯一解釋應被否定；若觀察到長期負經濟利潤且無回收途徑，則以「純效率進步」作唯一解釋也應被否定。 ## 12．實證設計：四個互不冒充的研究層級 ### 12.1 L1｜可公開查得的價格與抵免 資料包括公開 API／訂閱價格、試用資格、抵免條款、價格調整日期、相同模型的品質與服務等級。可直接回答「哪位使用者在什麼條件下付多少」；不能直接回答平台推理成本。 ### 12.2 L2｜客戶端任務成本 以同一任務集合和驗收門檻，比較不用 AI、AI 訂閱、按量 API、混合模型等方案，記錄實付現金、人類工時、工具成本、失敗次數、驗收與重工。確保隨機任務分組、盲法驗收及相同的時間窗，避免僅測 AI 較擅長的任務。此層與 AICAP-01 直接對接。 ### 12.3 L3｜供應端可避免成本與全歸屬成本 理想資料包括每次請求資源用量、設備服務、容量保留、電力、運維、研發分配、服務中斷及各產品線收入。若只取得公開報表，應提供高度不確定的情境上下界及敏感度，不得宣稱模型級成本已被驗證。個別客戶帳單不能取代 L3。 ### 12.4 L4｜社會資源與分配 利用產業投入產出資料、能源與地方公共項目、勞動市場、資本機會成本和福利評估，建立不重複的資源耗用比較。應使用同一組反事實：若不提供相同 AI 服務，相關土地、資本、電力、勞動和使用者工作將如何配置？沒有反事實便不能斷言「資源只是被轉移」或「AI 必定更節省」。 ### 12.5 建議的識別流程 1. 鎖定任務、品質、對象與時間窗，將價格帳同資源帳隔離。 2. 建立每項交易、資產服務與實體資源事件的唯一 ID。 3. 辨別現金流、報表成本、資本成本與真實社會成本的不同期間。 4. 估計不同成本分攤法對結果符號的敏感性。 5. 以可接受成果為共同分母，比較 AI 與非 AI 的可行替代路線。 6. 對公共支持和未內部化外部性另行尋求直接證據。 7. 先報告無法識別與區間，再報告有資料支持的方向性結論。 8. 保留能推翻研究者偏好的反例，而不要求所有觀測都顯示 AI 隱藏成本較高。 ## 13．最小資料契約與稽核表 ### 13.1 交易帳欄位 `transaction_id`、`actor_from`、`actor_to`、`product_id`、`service_class`、`time_paid`、`list_price`、`discount_eligible`、`credit_face`、`credit_redeemed`、`credit_funder`、`cash_paid`、`currency`、`tax_included`、`invoice_source`。 ### 13.2 資源事件帳欄位 `resource_event_id`、`asset_id`、`period_start`、`period_end`、`resource_type`、`physical_quantity`、`opportunity_unit_value`、`valuation_method`、`allocation_basis`、`allocations_sum`、`confidence_interval`、`already_embedded_in`。 ### 13.3 任務驗收帳欄位 `task_id`、`task_family`、`quality_threshold`、`accepted_quantity`、`human_review_minutes`、`tool_expenses`、`retries`、`quality_result`、`safety_risk_class`、`time_window`、`reference_non_ai_route`。 ### 13.4 資本與融資帳欄位 `capital_event_id`、`asset_class`、`acquisition_cost`、`cash_payment_date`、`in_service_date`、`expected_life`、`estimated_residual_value`、`depreciation_policy`、`economic_user_cost`、`finance_source`、`interest_terms`、`repayment_schedule`、`counterparty`、`contract_rights`。 ### 13.5 稽核中的十二種錯誤警報 | 代碼 | 錯誤 | 檢查方式 | |---|---|---| | E01 | 將抵免面額當實際 GPU 成本 | 核對增量物理耗用與帳面抵免 | | E02 | 將使用者付款與供應商同筆中間採購雙算 | 以交易對手關係消去中間交易 | | E03 | 將某年度 CAPEX 與折舊加成同一資產成本 | 明列現金流、費用與資產服務口徑 | | E04 | 跨年份資本承諾當成當期已付款 | 核對合約起始、付款與啟用時間 | | E05 | 將企業整體資料中心投資算到單一模型 | 建立產品、資產與工作負載映射 | | E06 | 只用平均分攤成本宣稱補貼 | 同報增量、可避免、全歸屬成本 | | E07 | 把融資現金流當服務營收 | 對照現金流量分類及股債條款 | | E08 | 把借款還本當二次資源耗用 | 分開金融轉移與資源事件 | | E09 | 忽略驗收失敗與人類審查 | 使用有效成果分母與全任務帳 | | E10 | 將「使用者未支付」推成「無人支付」 | 查促銷來源、共同收入與資金流 | | E11 | 將資料中心全部耗電視為 AI 推理 | 依工作負載、地點和服務邊界分配 | | E12 | 對未核實公共項目直接定性為補貼 | 要求反事實、合約、受益者與財政來源 | ## 14．與原有 EveMissLab 理論的界線 | 既有研究 | 本文承接 | 不重複主張 | |---|---|---| | AICAP-00 | 五層成本觀察、全域資源帳 | 不再次把系列規劃當作實證 | | AICAP-01 | 訂閱與 API 價格、驗收分母、任務品質 | 不以名義 Token 價格推斷完整成本 | | AICAP-02 | 算力租用與持有、容量利用、資本門檻 | 不重算設備性能或租買盈虧模型 | | CLATE-07 | 智能時間價格、驗證成本、算力錨定任務 | 不由成本歸屬直接推導人類工資 | | HACTS-02 | 到期額度、沉沒成本與人類時間主權 | 不把已付款未使用視為自動新增資源耗用 | | ANIE-02 | AI 原生遊戲產線、品質驗證交付 | 不把 AI 生成量當市場可交付價值 | | NCAT／負成本套利 | 全成本、成本轉化與反向效果 | 不把價格差異自動宣稱負成本套利 | | DHTT／雙手張力論 | 資本集中與產業治理張力 | 不作規範性政策排名 | | EWDT／AI 經濟耦合相關研究 | 經濟域、資金與價值的轉化 | 不以單一供應商數據直接一般化社會結構 | | EveMissLab-AICostLedger | 可追溯成本事件與帳本資料的實作可能性 | 不以工具存在代表所有成本均已量到 | 本篇尚不足以推導 AI 對工資、總體物價、GDP、能源平衡、國家稅負或貧富差距的單一定量結論。相應研究需另外設定總體模型與可追溯資料，並和 AICAP-04（人機協作完整成本）、AICAP-05（智能能力與資本所有權）及 AICAP-06（能源與需求反彈）明確分工。 ## 15．方法學限制與研究倫理 **第一，成本資料不可觀測性。**大型模型供應商通常不會公開每項服務的實際加速器時間、模型權重投入、研發攤銷和個別成本配置；因此使用公開資料只能證明投資、折舊與促銷機制存在，不能直接驗證單一產品補貼額。 **第二，資料的觀測時間差。**本文引用 2026 年 9 月季報及 2025–2026 年度財報，對應不同財政期間；在後續研究更新時，應按「文件發表日、會計涵蓋期、數值定義」三者重新索引。 **第三，因果性與均衡回饋。**低價可能促進額外需求、提升使用率、增加設備投入，與原本供應端效率變化同時發生。只看相關性不能辨別定價策略、技術進步、競爭或政策衝擊。 **第四，歸屬的規範性選擇。**同一共享研發及資料中心成本可用多種方式分攤；某些成本分配沒有唯一「物理正確」答案。應呈現不同方法及對研究結論的影響。 **第五，財務來源與公共資料的限制。**如果供應商獲得雲端採購折扣、合作夥伴資本或專案優惠，公開報表未必提供可追溯到單一模型的細節。不存在證據不應被當成不存在機制，也不能以猜測補足未揭露內容。 **第六，社會成本估值的不確定性。**對環境、公共電網、當地生活或勞動替代的影響，只有在具體反事實與可測量資料下才適合給定貨幣估值；不應在缺乏資料時以推理成本的任意倍數假裝完成社會成本核算。 **第七，研究者位置與自我反證。**本系列由人與 AI 協力的低顯性成本經驗出發，存在將自己的生產體驗一般化的風險。論文刻意保留 AI 確實提高全社會資源效率、平台賺取正利潤以及無需額外補貼的反例，不將研究動機變成不可否證的定論。 ## 16．結論：低價不是沒有成本，高投資也不是沒有節約 本文的研究對象不是判斷 AI 應被形容成昂貴或便宜，而是建立一套讓兩個觀察都能同時成立、又能由證據分辨的經濟模型。低價使用者可以真實地節省外包與人類時間；供應商可以因高固定投資與規模共享承擔沉重的財務義務；投資者可以為未來獲利先行融資；其他產品的盈餘可以支持新服務擴張；公共資源的未內部化影響可能另外存在。這些不是同一種成本，不能相加形成煽動性的「真正價格」。 最嚴格的判斷標準是：在指定任務與品質、固定資本期間、跨主體付款路徑和完整資源事件集合之下，**服務確實創造了多少可接受成果，消耗多少真實資源，哪些主體因此淨受益或淨受損，以及此結論是否因時間窗、分攤方法或反事實改變而翻轉**。 若未來研究證明 AI 在大量可比任務上不需要交叉補貼，即能以較低的真實資源成本形成穩定利潤，本系列必須接受那是實質生產效率的勝利。若研究證明某些廉價智能服務長期由其他業務、資本損失或未計價公共資源支撐，則應明示其來源、受益者、時間與風險，而非籠統宣稱 AI 不便宜。 **價格是誰在此刻願意支付的數字；成本是哪些資源在時間中被使用的事實；而成本歸屬，才是誰有權使用、誰有能力持有、誰最終承擔風險的經濟關係。** --- ## 參考文獻及可稽核公開來源 以下文獻為可查閱的外部理論或一手資料。引用僅用於其明確支持的論點；公司整體財報不視為特定 AI 產品成本估算。引用之網頁訪查時間以 2026-11-03 為研究截止。 - **[R01]** Rochet, J.-C. & Tirole, J. (2003). *Platform Competition in Two-Sided Markets*. Journal of the European Economic Association, 1(4), 990–1029. DOI: https://doi.org/10.1162/154247603322493212 。用於平台價格結構與跨邊協調之理論背景；不直接證實任何 AI 廠商交叉補貼。 - **[R02]** Google Cloud, *Google Cloud 免費試用的常見問題* 及 *免費方案功能與試用優惠*。https://cloud.google.com/signup-faqs?hl=zh-TW ； https://docs.cloud.google.com/free/docs/free-cloud-features?hl=zh-Tw 。說明 90 天、300 美元試用額度及產品限制；不是模型推理成本的證據。 - **[R03]** Microsoft Learn, *Getting Started with Microsoft for Startups*. https://learn.microsoft.com/en-us/startups/standard-benefits/getting-started-microsoft-for-startups 。說明合格新創公司可取得的 Azure credits 及逐步擴充資格；不是資源耗用價格。 - **[R04]** Amazon Web Services, *AWS Activate Credits*. https://aws.amazon.com/startups/credits?lang=en-US 。說明分層新創促銷抵免及資格；實際適用範圍應以各服務條款為準。 - **[R05]** Alphabet Inc. (2026), *Form 10-Q for the quarter ended September 30, 2026*. U.S. SEC. https://www.sec.gov/Archives/edgar/data/1652044/000165204426000084/goog-20260930.htm 。資本支出、折舊、租賃承諾及財務時間窗。 - **[R06]** Microsoft Corporation (2026), *Fiscal Year 2026 Annual Report*, Note 6, Property and Equipment. https://www.microsoft.com/investor/reports/ar26/ 。設備及資產成本、折舊與使用年限。 - **[R07]** Amazon.com, Inc. (2025), *Form 10-K for the year ended December 31, 2025*. U.S. SEC. https://www.sec.gov/Archives/edgar/data/1018724/000101872426000004/amzn-20251231.htm 。伺服器年限、折舊估計修正和資本支出類別。 - **[R08]** Meta Platforms, Inc. (2026), *Form 10-Q for the quarter ended September 30, 2026*. U.S. SEC. https://www.sec.gov/Archives/edgar/data/1326801/000162828026066773/meta-20260930.htm 。AI 與核心業務之資本支出預估；非推理單品成本。 - **[R09]** International Energy Agency (2025), *Energy and AI — Executive Summary*. https://www.iea.org/reports/energy-and-ai/executive-summary 。資料中心整體電力需求前景；不可替代模型級能源帳。 ## 內部前置研究與文件溯源 - **[I01]** AICAP-00，〈AI 成本表象悖論：低價智能、超算資本與全域資源帳本〉，系列總綱 v0.1，2026-11-03。 - **[I02]** AICAP-01，〈價格不是成本：AI 訂閱、推理計價與有效成果的分母〉，研究稿 v0.1，2026-11-03。 - **[I03]** AICAP-02，〈智能租賃與超算資本：高固定成本、低邊際成本及持有門檻〉，研究稿 v0.1，2026-11-03。 - **[I04]** CLATE-07，〈智能時間價格與算力錨定工資〉，2026-09-30，既有研究脈絡。 - **[I05]** HACTS-02，〈額度重置與時間支配：當可用算力反向安排人類生活〉，既有研究脈絡。 - **[I06]** ANIE-02，〈季度單機產品制：AI 工業化、算力額度與品質交付率〉，既有研究脈絡。 **原稿效力說明：**以上 [I01]–[I06] 是研究連續性及概念接口，不替代外部實證；本篇未修改它們的內容、署名、已決狀態或原始檔案。 ## 正式原稿檢查與提交聲明 - 本文件以 UTF-8 直接保存，不從聊天畫面複製數學渲染結果，不進行 `unicode_escape` 類往返轉換。 - 數學內容的 canonical delimiter 一律使用 ` $...$ ` 和 `$$...$$`，不採用任何其他公式定界符。 - 所有數值示例均為可重現的**假設情境**，不是任何 AI 廠商未公開的實測成本。 - 對財務期間、產品歸屬、補貼概念、資本化和真實資源的關係均明列限制。 - 提交前應執行 UTF-8 讀取、YAML front matter、數學定界符、內文結構、連結語法、數值及來源審核；通過檢查後方可標記為已提交的正式來源文件。