AI 基本面沒有熄火，
但獲利池正在重排。

這次 OpenRouter 訊號值得重視，但它比較像是通路與模型組合的警報器，不是全市場需求翻空的定論。原因很簡單：OpenRouter 本身是「無訂閱、以 API 路由為主」的聚合通路，官方首頁顯示其規模雖然已達 200T+ 月 Token、1,000 萬以上全球使用者、70+ providers、400+ models，但它仍然只觀察得到一部分價格敏感、路由導向、開發者導向的流量；同一時間，OpenAI 官方已公開 超過 9 億週活、5,000 萬以上消費者訂閱戶、900 萬以上付費商務使用者，且公司表示企業收入已超過總收入的 40%，API 每分鐘處理超過 150 億 token。這代表即使 OpenRouter 某一週的高價模型消費額下滑，也不能直接推出「全球 AI 需求結構性轉弱」；它更可能是在反映高價模型占比下降、工作負載重新路由、企業從直營 API/雲平台/席次制吸收需求。1

從更大的通路看，OpenAI 與 Anthropic 的公開與半公開數據都還不支持「總需求已反轉」這個強結論。OpenAI 官方在 2026 年 3 月表示公司已達 每月 20 億美元收入，換算年化約 240 億美元；Reuters 之後又引述 The Information 稱 2026 年 2 月底 OpenAI 年化收入已超過 250 億美元。Anthropic 則在自家募資公告中依序揭露：2026 年 2 月 run-rate 140 億美元、4 月超過 300 億美元、5 月更跨越 470 億美元；同時，Anthropic 公開表示在 AWS 上已有 10 萬以上客戶 使用 Claude，且年化花費超過 100 萬美元的客戶數，從 2 月的 500+ 快速增加到 4 月的 1,000+。這些數字都不是經審計 GAAP 收入，但至少說明：領先模型公司的整體商業化規模，遠大於 OpenRouter 可以捕捉到的那塊 API 路由樣本。2

目前最合理的市場定位，不是「AI 熄火」，而是擴張中的價格通縮與通路重分配。價格面確實在下行：Anthropic 官方價目表顯示，從 Haiku 4.5、Sonnet 5、Opus 4.8/5 到 Fable 5，價差非常大；Sonnet 5 還有到 2026 年 8 月底的導入期優惠價。Reuters 也報導，Anthropic 在推出 Claude Opus 5 時，把價格定在 Fable 5 的一半；DeepSeek 更在 2025 年底把離峰價格最多再砍 75%。另一方面，折扣與有效單價也更複雜：Anthropic 官方文件明示 Batch API 5 折、cache read 僅為 base input 的 0.1 倍，OpenAI 也提供自動 prompt caching 與 cached-input 定價。因此，Token 量沒有爆增，不代表工作量沒增；收入增速放緩，也不必然代表使用量放緩，常常只是有效價格與模型組合先跌得更快。3

同時，算力投資並沒有跟著 OpenRouter 的短期波動一起熄火，這正是本研究最重要的結論之一。Microsoft 在 2026 財年第四季法說揭露 2026 全年 CapEx 約 1,750 億美元，且下一季資本支出還會超過 500 億美元；Alphabet 在 2026 年第二季把全年 CapEx 指引上調到 1,950–2,050 億美元，並直言需求仍供不應求；Meta 最新指引是 1,300–1,450 億美元；Oracle 最近四季資本支出已達 556.6 億美元；Amazon 則表示過去 12 個月因 AI 投資使採購不動產與設備淨額年增 593 億美元。在硬體端，NVIDIA 最新官方季度資料中心收入達 752 億美元、年增 92%；SK hynix 2026 年第二季亦明言高價值 AI 記憶體需求強勁、並已和約 10 個關鍵客戶簽長約；TSMC 2026 年第二季營收達 402 億美元，第三季營收指引續創高檔。這些一手資料都顯示：就算模型層面每 Token 變現能力承壓，雲端與硬體層的投資循環仍在延續。4

真正需要警戒的，不是「用量是不是還在成長」這個單一問題，而是三個分岔是否擴大。第一，模型公司收入可能因價格競爭與通路分潤而低於市場預期；第二，企業 ROI 雖已在幾個場景被驗證，例如客服、受限知識工作、部分軟體開發，但仍未普遍轉成可持續的預算擴張；第三，算力需求 可能繼續由推理強度、Agent、多模態與私有部署帶動，即使平台 API 單價下滑。NBER 的客服研究顯示生成式 AI 可使問題處理效率平均提高約 15%；HBS 與 BCG 的實驗顯示 GPT-4 幫助顧問完成 12.2% 更多任務、速度快 25.1%、品質高 40%；GitHub 與 Accenture 的 Copilot 研究則給出「最多快 55%」的開發效率提升。不過 Reuters 對企業導入現況的追蹤同時指出，許多公司仍卡在資料整合、工作流程改造與回報落地，這表示 AI 的經濟價值不是假的，但也還沒有廣泛成熟到足以支撐市場上所有 CapEx 想像。5

本研究的總結因此是：OpenRouter 的警訊可信，但只能當成「價格壓力與通路偏誤放大鏡」，不能當成全市場景氣翻轉的判決書。 現階段最貼切的 AI 景氣分類是：擴張延續、變現結構改變、價格持續通縮、硬體需求與模型收入開始脫鉤。未來 6–12 個月最重要的領先指標，不是單一平台 Token，而是 OpenAI/Anthropic 的商務使用者與高消費客戶數、AWS Bedrock/Microsoft Foundry/Google Cloud 的 AI 消費成長、企業席次活躍率與續約、以及 hyperscaler CapEx 與 GPU 供應鏈的實際訂單與利用率。6

原始文章的核心方法，不應被稱為「模型公司營收估算」，而應更精確地稱為：以 OpenRouter 公開 Token 與掛牌價，重建某一聚合通路的名目消費額 proxy。這個方法的方向性不是完全錯，但它同時混淆了至少四個概念：平台 gross spend、模型供應商可認列收入、雲平台轉售收入、以及公司整體商業化收入。OpenRouter 官方首頁明確寫出它是統一 LLM 介面、提供更好價格與 uptime，且沒有訂閱制；Anthropic 官方文件則明示，在 Claude Platform on AWS 與 Microsoft Foundry 中，帳單是以 CCU 經 AWS Marketplace 或 Azure Marketplace 出帳，使用量先按標準 token 價格換算，再套入折扣後轉為 CCU；OpenAI 與 Anthropic 也都存在 cache、batch、長上下文、區域加價、企業議價等要素。因此，以 OpenRouter 清單價乘總 Token，只能得到未折扣、未拆通路、未拆計費細項的名目消費估值，不能直接稱為 OpenAI 或 Anthropic 的實際營收。7

你提供的第一張 M Science 圖，本身其實已經告訴我們它不能被拿去外推整體市場。圖上可直接讀到：資料位置在 Public Cloud Deep Dive Dashboard 的 Token Usage 視圖，條件是 Provider = Anthropic、Model = Claude 5 Fable、Metric = Indexed Tokens、Date Granularity = Day，資料截至 2026/7/25、更新於 2026/7/26。這種圖的意義是「某單一模型、某單一資料蒐集口徑、某一段時間內的相對強弱」，而不是絕對 Token，更不是收入。更關鍵的是，Anthropic 官方在 2026/6/30 發文說明，Claude Fable 5 與 Mythos 5 曾因 6/12 的美國出口管制 被暫停全球使用，直到 7/1 才恢復。因此，這張圖中的大幅波動至少有一部分是政策事件與產品可用性衝擊，而非純需求趨勢。8

你提供的第二張圖，標題直接寫著 coding tool downloads, 7-day moving avg，圖例則是 openai/codex Nodejs、anthropic-ai/claude-code Nodejs、google/gemini-cli Nodejs。這張圖很適合拿來觀察開發者安裝熱度，但不能直接代換成活躍用戶、付費席次或企業席次。原因不是資料錯，而是口徑不同：npm / Node.js 下載量天然會混入重複安裝、CI/CD、自動更新、套件鏡像與一次性試用。就研究用途而言，這種指標最多只能當成「開發者注意力與工具採用方向」的代理變數，不能當成收入或 ROI 的直接證據。這一點與 GitHub 官方對 Copilot 的研究結論也一致：真正可用來討論效益的，是完成任務速度、接受率、合併時間與活躍度，而不是單純下載數。9

你提供的第三張 OpenRouter Anthropic 圖則更有研究價值，因為它顯示了模型組合本身。圖上 2026/7/23 的 Anthropic processed tokens 總量約 867B，主要由 Claude Opus 4.8、Opus 4.7、Sonnet 5、Sonnet 4.6 與 Fable 5 組成。若只做一個最基本、可重現的敏感度測試，並採用 Anthropic 官方 API 清單價、忽略 cache、batch、vision、web search、企業折扣與 Marketplace 分潤，那麼以這個 867B token、按模型別價格重算，日名目消費額大約會落在：90/10 input/output 比例約 508 萬美元、80/20 約 653 萬美元、60/40 約 943 萬美元。這個結果非常重要，因為它證明了原文的核心直覺——Token 小掉，名目消費額可以大掉——在數學上完全可能成立；但它同時也證明，這個成立的是平台名目消費 proxy，不是模型公司已認列營收。10

如果把同一批 Token 的模型組合往便宜模型移動，金額會明顯改變。以 Anthropic 官方牌價為例，Fable 5 是 $10/$50 每百萬 input/output token，而 Sonnet 5 的導入期價格是 $2/$10；在同樣的 input/output 結構下，前者的名目單價約為後者的 5 倍。這代表即使總 Token 幾乎不變，只要路由從 Fable/Opus 類高價模型轉向 Sonnet/Haiku，或再進一步轉向更便宜的 DeepSeek、Kimi 等模型，名目消費額就會先被壓縮。Reuters 也確認了外部價格壓力正在發生：Anthropic 新推出的 Claude Opus 5 把價格壓到 Fable 5 的一半，而 DeepSeek 對部份 API 使用情境又進一步祭出最多 75% 的離峰折扣。原文把這個現象解讀為「價格最佳化與模型路由」，這部分是合理的；但把它直接升級成「AI 基本面惡化」就超出證據能支撐的範圍了。11

綜合稽核後，我對原文的判定是：【已確認事實】OpenRouter 上確實存在高價模型占比回落時，消費額比 Token 掉得更快的情況；【合理估算】用 OpenRouter Token × 掛牌價可以做方向性 proxy；【分析推論】近期現象更像價格通縮與模型組合下沉，而不是全市場需求熄火；【待驗證假說】是否已經演變成全球 AI 需求結構性降溫；【資料不足】OpenRouter 全站完整歷史 raw data、平台內免費/零價流量、企業私下折扣、以及與直營 API、雲端通路之間可對照的同口徑資料。 這也是為什麼我把原文界定為「有價值的警訊」，但不是已證成的市場結論。12

若把研究範圍從 OpenRouter 擴大到全通路，市場結構立刻不同。OpenAI 官方已公開說明：ChatGPT 目前有 9 億以上週活、5,000 萬以上消費者訂閱戶、900 萬以上付費商務使用者，而且企業收入已占總收入 超過 40%；OpenAI 還表示其 API 每分鐘處理 150 億以上 token。單就這個官方 API 數字做算術換算，若該速率能持續一整天，等於每天超過 21.6T token，30 天就是約 648T token，已經遠高於 OpenRouter 官網首頁揭露的 200T+ 月 Token。這不代表 OpenRouter 無用，反而剛好說明：OpenRouter 是重要樣本，但不是市場全集。13

企業使用也不只發生在直營 API。OpenAI 在 2025 年 11 月曾說明，其「直接使用 OpenAI 的 business customers」已超過 100 萬家，這個口徑同時包含 ChatGPT for Work 與 direct consumption developer platform；到 2026 年 2 月與 3 月，公司又進一步指出「900 萬以上付費商務使用者」與「企業收入已超過 40%」。同樣地，Anthropic 不只經營自家 API，也同時存在 Claude Pro、Max、Team、Enterprise，以及 AWS、Google Cloud、Microsoft Foundry 等雲端通路；Anthropic 官網列出的 Team 價格為 $20 或 $25 每席/月 起，Enterprise 則是 $20/席/月加 API rates。因此，若只看 OpenRouter 或只看 first-party API，就會低估大量席次制、工作區制、轉售制與內嵌式使用。14

雲端轉售通路的權重，現在比多數散戶想像得還大。Amazon 在 2026 年第一季財報正式寫出：Bedrock 在該季處理的 tokens 超過以往所有年度總和，客戶 spend 季增 170%；同時 Anthropic 已有 10 萬以上客戶 透過 Bedrock 使用 Claude。Anthropic 官方也進一步揭露，Claude Platform on AWS 與 Claude in Microsoft Foundry 都是先依標準 token/feature 價格折算，再用 CCU 透過 AWS Marketplace 或 Azure Marketplace 計費。這意味著最終使用者同樣是在買「Claude」，但營收在會計上到底由誰以 gross 或 net 認列、何時認列、折扣如何分攤，外部投資人其實很難精準看穿。也因此，平台外顯 Token 與模型供應商最終收入之間，本來就不應畫等號。15

更重要的是，終端用戶常常根本不是向模型公司買單，而是向應用層買單。Microsoft 在 2026 財年第四季法說公開表示，付費 Microsoft 365 Copilot 席次已超過 3,000 萬，而且季增新增席次超過倍數成長；同場法說也揭露，年化使用量達 1 兆 token 的 Foundry 客戶數年增 4 倍，Agent 365 已在數萬家公司登記接近 4,000 萬個 agents。這類用量不會完整出現在 OpenRouter，甚至也未必完整出現在某一家模型公司的直營 API 對外數據裡。換言之，需求可能仍高速成長，但價值池正在從單一模型 API 轉向應用層、工作平台與雲端平台共同分食。16

從 Anthropic 的角度看，這個「全通路地圖」更加明顯。Anthropic 在 2026 年 2 月自述 run-rate 已達 140 億美元，並說明兩年前年化花費逾 100 萬美元的客戶只有十幾家，如今已超過 500 家；到 2026 年 4 月，公司又表示 run-rate 已超過 300 億美元、百萬美元級客戶已超過 1,000 家；5 月 Series H 公告更把 run-rate 提升到 470 億美元以上。這些增量的主力並不是一般消費者聊天，而是企業級 API、Claude Code、雲平台轉售與大型企業部署。Reuters 去年就曾引述知情人士指出，Anthropic 約 80% 收入來自企業客戶，並有 30 萬以上 business and enterprise customers。雖然這些數字不是審計報表，但方向已相當清楚：Anthropic 的收入結構，比 OpenAI 更傾向企業與開發者。17

因此，對「有多少企業透過非 API 方式使用 OpenAI 與 Anthropic 模型」這個問題，我的直接回答是：OpenAI 至少是數百萬到千萬級商務席次規模；Anthropic 則確認有大批 Team/Enterprise 與雲端轉售客戶，但公開資料不足以給出可靠席次總數。 更精確地說，OpenAI 已明確揭露 900 萬以上付費商務使用者，這本身就是一個非常大的「非 OpenRouter、且多數非純直營 API」使用池；Anthropic 雖未公布座位數，但其 Team、Enterprise、Bedrock、Google Cloud、Foundry 全部並行，搭配 10 萬以上 Bedrock 客戶 與 1,000+ 百萬美元級客戶，足以確認它的非 API 工作區/轉售通路同樣舉足輕重。至於 Claude 的總付費訂閱戶或企業啟用席次，則仍是【資料不足，無法確認】。18

先看 OpenAI。就目前公開資料，最硬的三組數字來自公司自己：5,000 萬以上消費者訂閱戶、900 萬以上付費商務使用者、每月 20 億美元收入。這三組數字共同指向一件事：OpenAI 已不是單靠 API 在賺錢，而是同時有大型消費者訂閱池、企業席次、API、以及應用層分發。再往回看，Reuters 曾引述 OpenAI CFO 的說法，2025 年年內公司年化收入已突破 200 億美元；另一則 Reuters 報導則稱 OpenAI 2025 年實際收入約 130 億美元、支出約 80 億美元。如果把 2025 的實收與 2026 年 3 月的官方月營收對照，就可以看出速度仍然非常快，但同時也要清楚區分：130 億美元是實際年度收入，200–250 億美元以上則是年化 run-rate，不是同一個會計概念。19

以 OpenAI 為例，我給的區間判讀是：【已確認事實】商業化規模仍在高速擴張；【合理估算】2026 年上半年的 run-rate 大致落在 240–250 億美元以上；【分析推論】企業/商務收入已接近或超過 100 億美元年化；【待驗證假說】企業收入能否在 2026 年底與消費者收入達到 parity；【資料不足】直營 API、ChatGPT Business/Enterprise、以及雲端通路各自占比。 其中最關鍵的已確認事實，是 OpenAI 自己說「企業收入已超過 40%」，這表示在 20 億美元月收入的結構裡，企業相關收入至少已是非常顯著的一塊，不能再把 OpenAI 理解成只有 Plus/Pro 與 API 的公司。20

再看 Anthropic。它的資料型態與 OpenAI 不同：Anthropic 幾乎所有最重要財務數字，都來自募資公告與官方新聞稿，而不是定期財報。這種資料的優點是時效快，缺點是偏向 run-rate 與敘事、不是審計 GAAP。但就方向判讀，它的訊號其實非常強：2026 年 2 月官方說 run-rate 140 億美元、Claude Code run-rate 25 億美元以上；4 月上修到 300 億美元以上；5 月再到 470 億美元以上。同時，百萬美元級客戶從 500+ 迅速翻到 1,000+，Claude Code 商業訂閱自 2026 年初以來 成長 4 倍，企業使用已占 Claude Code 收入 過半。這些都說明，Anthropic 的商業引擎不是單純聊天訂閱，而是企業級 coding、agent、API 與轉售通路混合體。21

但 Anthropic 的不確定性也比 OpenAI 高。首先，Anthropic 沒有公開 Claude 的總訂閱戶數，也沒有像 OpenAI 那樣給出週活或商務使用者總座位數；其次，其對外講的是 annualized revenue run-rate，而不是認列收入。這意味著即使 2026 年 5 月 run-rate 已超過 470 億美元，也不能把它直接當成「2026 年全年收入會有 470 億美元」。不過，Anthropic 的公開營運細節仍足以反駁「OpenRouter 上高價模型掉量，所以 Anthropic 營收明顯轉弱」這個推論：公司自己同時公布 10 萬以上 Bedrock 客戶、超過 100 萬顆 Trainium2 晶片在訓練與服務 Claude、與 Amazon 簽到 5GW 級別的新算力合約，這些都比較像是需求持續爆量、只是通路與供應鏈結構變得更複雜。22

若把 OpenAI 與 Anthropic 並列比較，我的結論是：OpenAI 的優勢在消費者規模與多元分發，Anthropic 的優勢在企業與 coding 濃度。 OpenAI 目前有超大訂閱池與工作場景分發，Anthropic 則在企業與開發者端展現更高的客戶集中度與高 ARPU 特性。Reuters 在 2026 年 4 月也做過相似觀察：到 2026 年初，OpenAI 年化收入約 200 億美元，Anthropic 約 90 億美元，但 Anthropic 因 coding agent 與企業導入而快速追趕。這種格局意味著，OpenAI 在「量」上更全面，Anthropic 在「高價值商業使用」上更尖銳。所以從投資與景氣判讀角度，兩家的追蹤指標也應不同：OpenAI 要看商務使用者、企業收入占比與訂閱續增；Anthropic 要看百萬美元級客戶數、Claude Code run-rate、Bedrock 與 Foundry 的企業落地。23

至於「ChatGPT 與 Claude 的付費訂閱戶、企業席次及成長率為何」的直接回答，我給如下判定。ChatGPT：已確認至少 5,000 萬以上消費者訂閱戶、900 萬以上付費商務使用者，且 2026 年初新增訂閱創歷史高點；Claude：官方未公布總訂閱戶與企業席次，現有公開證據只能證明其商業化極快、企業客戶與高額客戶數大增，但無法給出可靠總席次。 這裡必須留白，否則就會把 Appfigures 的 mobile revenue proxy、媒體二手消息與企業客戶數混成同一件事。24

如果只看「每 Token 收多少錢」，AI 產業明顯正在走向商品化。Anthropic 官方牌價從 Haiku 4.5 的 $1/$5、Sonnet 5 導入期 $2/$10、Opus 4.8/5 的 $5/$25 到 Fable 5 的 $10/$50 呈現清楚梯度；OpenAI 官方價格頁也展現類似趨勢，從 nano/mini 到高階 reasoning/pro 模型差距極大，而且 cached input、cache write、Batch API、regional processing 都會左右有效單價。Microsoft CFO 在最新法說更直接把model diversification 與 silicon efficiency稱為 margin lever；Reuters 也報導 Anthropic 把 Opus 5 定在 Fable 5 半價，以及 DeepSeek 以激進折扣搶量。這一切都表示：市場競爭已經從「誰最會 token maxxing」轉到「誰能提供最好 price-performance 與 routing economics」。25

但價格通縮不等於需求通縮。首先，同樣的工作不再需要同樣多的 token。Anthropic 文件指出，Claude 4.7 之後採用新 tokenizer，同樣文字可能多出約 30% token；OpenAI 的 prompt caching 與 Anthropic 的 cache read/refresh 機制都會讓同一個任務的有效費用下降；Anthropic 的 Batch API 更直接提供 5 折。其次，工作單位也變了：tool use、web search、computer use、vision、音訊與長上下文都會增加隱性 token、圖像 token 與額外費用，但這些不一定會在一些簡化版 public token chart 裡被完整呈現。Anthropic 官方甚至明示，web search 有額外每千次搜尋費、computer use 會增加系統 prompt 與 screenshot image token，而 Fable 5 的 raw thinking content 還不會回傳給使用者。這代表「可見 token」與「實際完成的計算工作」原本就不是一對一。26

企業 ROI 的問題也必須拆場景看。最強的一級證據來自可量化實驗：NBER 的客服研究顯示生成式 AI 使客服人員平均生產力提升約 15%，且對新手幫助更大；HBS 與 BCG 的研究顯示，在適合的顧問任務中，使用 GPT-4 的組別完成的任務數多 12.2%、速度快 25.1%、品質高 40%；GitHub 與 Accenture 的研究則顯示 Copilot 可讓開發任務完成速度最高快 55%。OpenAI 自己的 enterprise report 進一步聲稱，企業使用者普遍回報每天省下 40–60 分鐘。這些都能證明 AI 在客服、受限知識工作、部份 coding 任務裡確實產生了真價值。27

但把這些局部 ROI 直接外推到「整個企業 IT 預算會不斷擴張」就太快了。Reuters 去年年底採訪大量企業後明確點出，許多公司仍在等待更穩定、可整合、可衡量的結果；SAP 最新也因 AI 資料層收購與整合成本，下修 2026 年獲利目標，雖然 cloud backlog 仍強。換句話說，今天最真實的瓶頸，往往不是模型不夠強，而是資料品質、系統整合、治理合規、員工導入、工作流程改造，以及最終能否把提效變成收入或 headcount leverage。這就是我對 H9 的判斷：Agent 使用量很可能很高，但企業可驗證 ROI、續約與預算擴張的證據仍不足以完全消除未來需求風險。28

至於「模型收入與算力是否脫鉤」，目前答案偏向會，而且已經開始發生。Anthropic 在 2026 年 4 月與 Amazon 簽下 5GW 級別新算力承諾，並說自己已用上 100 萬顆以上 Trainium2；同月又和 Google、Broadcom 簽下 multiple gigawatts 的 TPU 容量，2027 年起陸續上線。OpenAI 方面，一邊跟 Amazon 敲定約 2GW Trainium 容量、2027 年起 ramp，一邊又跟 NVIDIA 擴大合作到 3GW dedicated inference + 2GW training 的 Rubin 系統。這些合約都說明：即使平台 API 價格壓縮、甚至某些通路的名目消費額短期回檔，訓練、後訓練、Agent、推理與私有/專屬部署的算力需求仍可能繼續上升。29

所以我對 H3 到 H8 的總判讀是：H3 成立機率高，H4 成立機率中高，H7 成立機率高，H8 目前證據不足。 也就是說，AI 使用量大致仍在成長，但價格競爭與模型組合下沉，正讓每 Token 變現能力下降；同時，訂閱、企業席次與雲端轉售正在吸收部分壓力；而硬體需求在近 12 個月內仍很可能強於模型層面的名目收入增速。至於「效率改善最終是否會壓過任務量增長、使整體推論算力低於市場預期」，我認為現在證據仍不足，因為 hyperscaler 的一手 CapEx、NVIDIA 與記憶體廠的數據，還沒出現那種全面鬆動的樣子。30

我目前給五種情境的主觀機率如下：情境 A 使用量與變現同步高速成長 20%；情境 B 使用量成長但模型收入受價格壓縮 35%；情境 C API 放緩但企業訂閱與私有部署成長 25%；情境 D 使用量尚可但企業 ROI 不足 15%；情境 E 使用量、營收與算力同步轉弱 5%。 之所以把 B 與 C 放在最高權重，是因為現有一手資料同時展現了兩個方向：一邊是 OpenAI、Anthropic、Bedrock、Copilot、NVIDIA、TSMC、SK hynix 的需求與投資仍很強；另一邊則是價格急跌、路由優化、企業要更好的 price-performance，以及 ROI 尚未全面證成。這組合更像「景氣仍擴張，但獲利池在重排」，不像已進入總體反轉。31

若要做散戶也能持續更新的前瞻儀表板，我認為最可靠的 10 項公開指標是：OpenAI 的商務使用者數與企業收入占比、Anthropic 的百萬美元級客戶數與 run-rate、AWS Bedrock 的tokens 與客戶 spend 增速、Microsoft 的 M365 Copilot paid seats、Alphabet 的 Google Cloud backlog 與 AI 相關 CapEx、Microsoft 的 CapEx 與 Azure 成長、Meta 的 CapEx 指引、NVIDIA 的 資料中心收入與毛利、TSMC 的 AI 相關供應鏈展望，以及 SK hynix / Micron 的 HBM 與高頻寬記憶體需求評論。如果這些指標大多數同時維持上修，AI 多頭論述就更穩；如果模型價格繼續跌、OpenAI/Anthropic 高額客戶增長放慢、Bedrock/Foundry 消費鈍化、同時 hyperscaler 開始下修 2027–2028 CapEx，那才比較像市場真正要擔心的需求泡沫訊號。32

對投資層的分層含意，我的看法是這樣。模型公司短中期面臨最大 ASP 壓力，估值最依賴能否把 consumer、enterprise、API、channel 四條腿同時跑起來；hyperscaler 在目前階段仍是相對受惠者，因為企業若從自建機房改走雲、或從單一模型改走 routing，很多價值仍會留在雲平台；AI 應用軟體的分化會最大，真正有勝率的是能量化 ROI、能整合企業資料、能把 seats 變成工作流黏性的產品；GPU/HBM/先進封裝/伺服器/網通/電力/液冷仍處在近端景氣優勢，但它們也最怕 2027 年之後利用率與客戶 leasing/take-or-pay 出現裂縫。這不是空話，因為 Microsoft、Alphabet、Meta、Oracle、Amazon 都已把大筆現金流壓進 AI 基建，而 NVIDIA、TSMC、SK hynix 的財報暫時都還反映的是「現在的需求真實存在」。33

放到台灣供應鏈來看，我會把較能被驗證的公司與環節分成四類。第一類是前沿模型與高階加速器直接受惠，代表是台積電；TSMC 2026 年第二季營收與第三季指引都維持高檔，管理階層持續把成長動能歸因於 AI 需求。第二類是雲端/資料中心系統與機櫃受惠，緯穎官方投資人頁已明示 2026 年第一季營收年增 62%、且因 AI 零組件漲價而調整採購與出貨模式。第三類是電力與散熱基礎設施受惠，台達電官網與投資人資訊明確聚焦 AI data center 的 power、HVDC 與 liquid cooling；康舒也公開展示面向 AI/HPC 的高瓦數 power shelf 與 HVDC 系統。第四類是資料中心 ASIC / 邊緣 AI 的中期受惠，MediaTek 已向 Reuters 表示其 data center AI ASIC 收入目標在 2027 年前後進入數十億美元等級。換句話說，若未來市場演變成「模型層 ASP 被壓縮，但企業私有部署與雲端基建繼續成長」，台灣供應鏈不一定同步轉弱，甚至可能硬體比模型層更晚反轉。34

最後，用一句話回答本研究最核心的景氣分類：現在的 AI 基本面最適合被歸類為「擴張中的價格通縮與結構轉移」，而不是「景氣反轉」。 要推翻這個判斷，需要看到更嚴格的反證：例如 OpenAI 與 Anthropic 的商務使用者、高額企業客戶與 run-rate 同步放慢；Bedrock/Foundry/Google Cloud 的 AI 消費與 backlog 出現連續性減速；Microsoft/Alphabet/Meta/Oracle 開始下修 AI 相關 CapEx；NVIDIA、TSMC、HBM 廠商第一次明確談到利用率或訂單遞延，而不只是 mix 轉換。只要這幾個環節還在擴張，OpenRouter 的單週下降就仍然應被解讀為局部價格訊號，而不是總市場終局。35

這份研究最重要的限制，是 OpenAI 與 Anthropic 都是私人公司，因此很多「最想知道的數字」其實沒有經審計、沒有固定口徑、也沒有季度表格可以反覆對照。OpenAI 對外同時存在實際收入、年化 run-rate、business users、business customers、consumer subscribers、weekly active users等不同口徑；Anthropic 對外則多半只公布run-rate、高額客戶數、Claude Code run-rate、雲端合作夥伴客戶數。因此，任何看起來很精確的分部收入拆解，如果沒有公司直接給出，就都只能算是合理估算，不能包裝成已確認事實。36

另一個限制是替代資料的偏誤。OpenRouter 偏向開發者與價格敏感客群；Appfigures / Sensor Tower 只抓 mobile app 商店，最多只能提供消費者訂閱的下限或方向，不能外推出 web 端與 enterprise；npm / Node.js 下載量反映工具安裝熱度，不等於活躍付費席次；公司自己的 customer story、ROI case study 往往帶有強烈 selection bias。這也是為什麼本報告把很多判斷標成「分析推論」或「資料不足」，而不是硬下結論。37

若你要把這套研究變成每週或每月可更新的監控系統，我建議用同一張 CSV schema 長期累積，至少包含：date, source, metric_name, metric_definition, company, channel, geography, unit, raw_value, YoY, QoQ_annualized, 4w_change, 13w_change, data_type, evidence_level, audited_flag, notes, event_flag。事件欄位至少要標示：新模型發布、價格調整、資料口徑改變、平台故障、雲通路上架、政策事件、重大客戶簽約/遷移。這樣才不會把 Fable 5 那種出口管制造成的短期中斷，誤判成需求崩落。以現狀來看，最值得你下次固定追蹤的日期與資料是：各家下一次財報中的 CapEx、backlog、AI revenue commentary；OpenAI 或 Anthropic 下一次公開的 商務使用者/高額客戶/run-rate 更新；以及 Bedrock、Foundry、Google Cloud 有沒有延續最近這波企業 AI 消費與交付節奏。38

本研究最後的保留意見是：目前可確認的是結構轉移，不是最終勝負。 OpenRouter 的近期下降，說明市場已進入更現實的第二階段——企業不再只追求最強模型，而是開始追求任務成功率、總成本、延遲、治理與通路便利性。這會壓縮模型層表面的 ASP，但不必然壓縮整個 AI 經濟活動。要證明 AI 多頭論述成立，需要看到企業席次、高額客戶、轉正式部署、雲端消費與硬體利用率持續同步向上；要證明 AI 投資過剩，則需要看到這幾條線開始一起破。到目前為止，後者還沒有獲得足夠的一手證據支持。39