三兆參數的模型要免費開源了，去年那張一百萬的地端 AI 報價單現在值多少

抽屜裡那張單子

有位老闆的抽屜裡放著一張去年簽不下去的報價單。

系統商來簡報過兩次，說要幫他把二十幾年的報價單、工單、驗收單全部整理進一套地端 AI 系統，以後業務要查「這個客戶三年前這顆件報多少」不用再翻紙箱，老師傅退休前的那些判斷也能慢慢問出來存進去。簡報做得很好，他也真的心動。最後一頁寫著一個總價，一百多萬，底下一行小字：含三年軟體授權與維護。

他把單子收進抽屜，到現在一年多了。

不是嫌貴。他這輩子買過的機台沒有一台比這便宜。他卡住的是另一件事：他不知道這一百多萬裡面，哪一部分明年還會值這個錢。

他買沖床的時候知道自己在買什麼，一台沖床十年後還是沖床，折舊怎麼算心裡有數。但這張單子上寫的東西，他連名字都看不太懂，只隱約感覺到這個行業變得很快，怕的是今天簽下去，明年同業用三分之一的價錢買到更好的。

這個直覺是對的。而且比他想的更複雜一點——因為那張報價單裡，有一半正在快速變便宜，另一半正在變貴。

一張單子裡有兩種完全相反的走勢

你不會用五年前的鋼價報今天的件。同樣的道理，地端 AI 的報價單不該用一個總價去看，因為它裡面混了兩種方向相反的東西。

把它拆成四塊：

大部分系統商給你的是一個數字。你要做的第一件事，是要求它變成四個數字。

為什麼現在特別要這樣看？因為這兩邊的落差，最近一週同時出現了新的證據。

這一邊在崩價：大腦本身已經快要不是該付錢的地方

十月二十四日，月之暗面發表了 Kimi K3.1 Pro，官方定位為「迄今能力最強的 3 兆參數級開放權重模型」。最關鍵的一句話在後面：完整模型權重將在 11 月 4 日前開源。

翻成白話——這套 AI 的「大腦」，兩週內任何人都可以免費下載回去，裝在自己工廠的機房裡跑。

它強到什麼程度？根據該篇報導，在一項測試編碼能力的公開評測 Terminal-Bench 4.0 上，它拿到 65.7%，贏過 GPT-6 Astra 的 58.2%，只小輸 Claude Opus 5.5 的 66.4%。不到一個百分點的差距。另外它能一次讀進約一百萬個 token 的內容，大致相當於你把好幾年份的工單和規格書一次倒給它看。

你不需要記住這些名字。你只需要記住一件事：那些要收你年費的頂尖閉源模型，和你可以免費抓回機房裡的開源模型，差距已經小到用一般工廠的應用場景根本量不出來。

所以回頭看那張報價單。如果上面有一筆「AI 模型授權費，每年 XX 萬」，你要問的問題是：這筆錢我付的是什麼？

付「大腦」本身？那東西現在免費。

付「有人幫我把大腦調到認得我的料號、看得懂我的圖號、知道我們廠裡 B 級品的判定標準」？這個該付，而且值得付。但這是工時，不是授權。工時是一次性的，授權是年年收的，兩者差很多。

另一邊在漲價：你在搶資料中心剩下的料

同一天，另一則消息方向完全相反。

根據報導，亞馬遜執行長 Andy Jassy 表示，AWS 2026 年的大型運算產能已經全數被預訂，2027 年大部分產能也已售罄，甚至 2028 年都有相當比例的產能被客戶承諾下來。他同時指出，資料中心、電力及記憶體資源都相當有限，而且不認為這些短缺會在 2027 年結束，部分零組件的供應限制甚至可能持續數年。

要知道，亞馬遜 2026 年預計投入約 2,200 億美元在資料中心、伺服器與網路設備上。砸這種錢下去，結論還是「無法完全滿足市場需求」。

缺到什麼地步？輝達在 GTC 大會上推的新東西，重點不是算得更快，而是怎麼用更少的電算一樣多——其 DSX MaxLPS 軟體宣稱在維持相同運算產出下最多可降低 30% 用電量。另一邊，美國商務部宣布依《晶片與科學法案》與四家企業簽署意向書，提供最高 3.89 億美元補助，投入高壓功率半導體等技術，應用涵蓋 AI 資料中心與電網基礎設施。

當整個產業的重心從「買更多」轉向「同樣的電怎麼擠出更多產出」，意思很清楚：東西不夠。

這跟你的報價單有什麼關係？關係就在硬體那一欄。你要買的 GPU 伺服器，用的是同一批記憶體、同一條供應鏈、同一群正在搶貨的人。你不是跟隔壁工廠搶，你是在跟那些把 2028 年產能都包下來的人搶剩下的。

這部分，等不會比較便宜。

所以要分兩半談

知道了這件事，你走進下一次會議的姿態就不一樣了。

要求報價單分項，不接受一個總價。 四塊分開列：模型、硬體、導入工時、年度維護。如果對方說「我們習慣包在一起」，那你更要堅持，因為包在一起的目的通常就是不讓你看見裡面哪一塊在貶值。

模型相關的費用，爭取逐年重議，不要簽三年五年。 這不是刁難，你可以直說：開源模型進展太快，我不確定今天合理的價格明年還合不合理，所以這一項我們一年一談。好的系統商不會因為這個翻臉，因為他真正的價值本來就不在轉賣模型。

硬體這塊反過來，趁現在鎖價、鎖交期。 如果專案確定要做，把規格、價格、交貨時間寫死在合約裡，並且問清楚：交不出來怎麼辦。供應緊張的時候，交期的價值不輸價格。

導入工時要看他問了你什麼問題。 一個只問「你們有幾台電腦」的系統商，跟一個會問「你們報價單上的料號編法前兩碼代表什麼」「驗收單是誰簽的、簽完放哪」的系統商，報出來的工時可能一樣，但你買到的東西差很遠。地端 AI 真正的成本不在機器，在有沒有人願意花時間搞懂你廠裡的規矩。

最後問資料歸屬。 導入完成後，整理好的資料、調校好的設定，是不是你的？換廠商時帶不帶得走？你當初選地端就是不想資料外流，結果被綁在另一個人手上，那叫換個方式被綁。

有幾種情況，你今年該先不要簽

這段話對我們自己不利，但不講就不誠實。

如果你手上的資料還是散的，先別做。 報價單在業務的隨身碟、工單在紙箱、驗收單在 LINE 群組的照片裡、ISO 文件還有三個版本在跑——這種狀態下導入 AI，你買到的是一台很貴的、會把混亂複述一遍的機器。先花三個月把一種文件整理成固定格式，比先花一百萬有用得多。

如果你找不到一個廠內的人負責這件事，先別做。 不用是工程師，但要是一個熟業務流程、講話有份量、願意在半年內被煩的人。沒有這個人，系統裝好三個月就沒人用了，這是我們看過最常見的失敗方式。

如果你想一次解決三個問題，先砍成一個。 報價、排程、品檢一起上，通常三個都做不好。

還有一件我們自己也不確定的事：硬體什麼時候會鬆。前面引的那些說法，是業界目前的判斷，但沒有人能保證。如果明年記憶體突然緩解，今天鎖價的人就吃虧了。我們能說的只是——亞馬遜那段話的語氣，不像會很快轉向。你自己評估這個風險。

順帶一提，Jassy 也提到，雖然 AI 推論成本已明顯下降，但若要讓 AI 更廣泛導入企業應用，目前成本仍高出理想水準約一個數量級，也就是差不多十倍。這句話很值得老闆記著：方向是對的，但現在還不是「什麼都丟給 AI 做」的時候。挑對那一個流程，比做得多重要。

回到那張報價單

那位老闆的單子還在抽屜裡。

一年多過去，上面的總價其實已經不能看了——裡面那塊付給「模型」的錢，在這一年裡貶得比他想的還快；而那塊付給「機器」的錢，可能比當初還難買。

他的直覺沒錯，只是結論要修正一下：不是「再等等」，而是「分開談」。該談到降的那一半，用力談；該趁早鎖的那一半，不要拖。

而他真正要解決的事，其實一年多來一點都沒變——那位老師傅又老了一歲，報價還是要靠翻紙箱，年輕人還是不來。這些事不會因為你在等一個更好的價格而暫停。

如果你抽屜裡也有一張這樣的單子，可以把它拿出來，告訴我們你最想解決的那一個流程。我們會幫你看看它該拆成哪幾塊、哪一塊你被多算了。如果評估下來這件事今年不值得做，我們會直接說不值得。

本文參考來源

• Kimi K3.1 Pro 登場：3 兆參數開放權重新旗艦，編碼實測緊咬 Claude Opus 5.5（科技嗨玩KOC）
• AWS 產能預訂至 2028 年，亞馬遜示警電力、記憶體短缺難解（TechNews科技新報）
• AI 資料中心缺電怎麼辦？輝達從用電端下手，DSX 最高省電 30%（TechNews科技新報）
• 美國砸 3.89 億美元扶植功率半導體，鎖定 AI 資料中心與核融合應用（TechNews科技新報）