PC花了15年才做到的事，3年搞定
價格崩盤，支出為何反而暴增？金融圈、科學家、企業家都在說同一句話。
前言
各位訂閱者，我們從2002年美國報社的股價圖表開始聊起吧。
報社的業績預估值直到2007年都還很健康。但股價從2002年開始就一路崩跌。在業績真正崩潰的前5年，市場就已經先拋售了。而結果證明，這個判斷是對的。
[圖表 1：報社股票在業績崩潰前5年就被拋售]
現在，軟體股正在上演同樣的故事。論調是：「業績目前還撐得住，但AI終將摧毀SaaS。就像報社那次一樣，應該提前拋售。」事實上，軟體企業未來12個月的自由現金流倍數1已降至2014年以來的最低水平。
但真的是同一個故事嗎？先說結論：這組數據指向的方向不是崩潰，而是恰恰相反。智能的價格正以比PC快五倍的速度下跌，而價格越低，人們反而越廣泛、越多場景地使用AI。今天，我們就來追跡這個悖論的結構。
市場為何提前拋售
先來看看軟體拋售的實際樣貌。人們常說「軟體大屠殺」，但打開數據一看，並非無差別的恐慌性拋售。這個常被稱為「SaaS末日」（SaaSpocalypse）的現象，在經濟類YouTuber和金融網紅之間被頻繁提及，卻從未得到過嚴謹的分析。大家不過是拿下跌的股價硬套一個現象，製造一堆噪音罷了。看看下面的圖表。
[圖表 2：軟體的選擇性拋售，IGV各分位報酬率]
將美國軟體ETF IGV2的成分股按報酬率分位排列，年初時上四分位和下四分位的走勢還差不多。但從2026年1月起開始分化，如今上四分位和下四分位之間已拉開約50個百分點的差距。上四分位甚至是正報酬。
有意思的是，這個差距與營收成長率幾乎沒有關聯。成長率很高的大型股反而落在最底層分位。市場關注的不是當下的成長，而是「在AI時代，這家公司的護城河是否還能守住」。網路安全、可觀測性、垂直SaaS被歸為能倖存的一側，而水平平台和通用工具則被歸為危險的一側。
換句話說，市場傳遞的信號不是「軟體完了」，而是 「光是『軟體』這個身份，已經不再是護城河了」。而支撐這個判斷的關鍵變數，正是下一節的主角——智能的價格。
營收暴增85%的公司說「訂閱制已死」· 第148期 · 奧茲知識漫談當軟體開始替人完成工作，定價邏輯正在改變智能的價格，比PC快五倍地墜落
[圖表 3：智能價格正在快速下跌]
高盛將1980年代PC普及週期與2022年以來的AI週期的價格下跌速度疊加對比。PC價格指數降到某一水平花了超過15年，而LLM價格指數用大約3年就完成了同等幅度的下跌。如果考慮性能，用「單位價格的智能」指數來看，下跌速度更陡峭。處理100萬個token3——大約相當於750張A4紙的文字量——的成本，在3年內縮減到了幾十分之一。
這裡有兩種截然不同的解讀。悲觀派這樣說：「前沿模型的訓練成本越來越高，但客戶沒有理由非得用最新模型。退而求其次用更便宜的舊模型或開放權重模型4，前沿開發就不可持續了。」
樂觀派則看得不同。價格越低，能應用的場景就越多，最終總需求會壓過價格下跌的影響。這就是19世紀經濟學家傑文斯在煤炭中發現的那個模式——傑文斯悖論5。
如果覺得似曾相識，沒錯。我們在第2期就討論過這個悖論。那次是個人桌面上的故事：AI讓每項任務變快了，但工作總量反而增加，下班時間沒有提前——UC伯克利的研究人員稱之為「工作強化」。今天，我們要把同樣的悖論放大到整個市場的視角來觀察。看看在個人提示詞中發生的事，是否也在國家層級的支出數據中如實重現。
哪邊對，數據可以驗證。
越便宜，越花錢
[圖表 4：美國家庭AI付費訂閱滲透率與月均支出]
根據PNC銀行的支付數據，截至2026年4月，美國家庭中使用AI付費訂閱的比例為2.2%。絕對數字還很小，但3年來曲線一路向上，沒有任何回調。更引人注目的是訂閱家庭的月均支出——從今年初以來增長了約25%，達到31美元。單位價格暴跌，但每個家庭的支出反而在增加。
企業端的數據也指向同一方向。YipitData分析了模型中繼平台OpenRouter的使用數據，發現開放式低價模型的token市占率相比年初增長了三倍，達到約60%。但同期前沿模型的token使用量也在增加，且每位使用者的token消耗增速遠超每位使用者的支出增速。不是便宜模型吃掉了貴模型，而是整個蛋糕變大了，總支出被推高了。
有一個值得參考的歷史數據。PC商用化數十年後的1997年，美國35~54歲成年人的PC擁有率也只有45%左右。現在按家庭計算已達90%，若加上手機則接近97%。科技的普及是沿著效用和價格兩個變數緩慢推進的，但最終會走到底。2.2%的滲透率看起來更像是起點，而非天花板。
不過，這裡有一個需要誠實面對的問題。製作圖表3中品質調整價格指數的研究團隊，在同一篇論文中的結論反而偏保守。Demirer研究團隊測量的短期價格彈性6僅略高於1，因此他們寫道：「傑文斯悖論發揮作用的空間有限。」簡單說，就是價格砍半，使用量大約翻一倍，總支出幾乎原地踏步。
那總支出的增長到底從哪來？我認為這才是這場爭論真正的核心。既有使用者花得更多（集約邊際）和不斷有新使用者加入（廣延邊際），是兩回事。研究團隊測量的是前者，而2.2%的家庭滲透率反映的是後者。目前的支出增長，很可能更多依賴新用戶的流入，而非傑文斯效應。
奧茲的視角
我認為這四張圖表其實講的是同一個故事。市場選擇性拋售軟體，和家庭增加AI支出，是同一件事的兩面。智能的價格崩盤，讓價值從 「能做出軟體」 轉向 「在更便宜的智能之上，能獨佔什麼」。
從我規劃GTM策略的經驗來看，新技術單價急跌的階段，企業最常犯的錯誤就是把價格下跌解讀為市場縮小。實際上，每次價格下降都會打開之前算不過來的應用場景，需求的表面積本身就在擴大。我在協助SaaS產品進入市場時看到的模式也是一樣的。價格門檻降低後進來的客群，最終貢獻了營收的大部分。
不過，報社股價圖表給我們的教訓依然有效。市場提前5年拋售，有時候是對的。差別在於：報社的需求被替代品吸走了，而軟體的需求正在擴張。被顛覆的不是需求本身，而是「誰來承接這些需求」的排序。 所以我把這個階段理解為產業的重新分配，而非終結。
結語
今天的故事用三句話總結：智能的價格正以比PC週期快五倍的速度下跌。但價格下跌並沒有殺死需求，反而同時推高了家庭支出和token消耗。市場對軟體的拋售，是在這個新格局中篩選誰能守住護城河。
所以現在該問的問題不是「AI會不會殺死軟體」，而是「在更便宜的智能之上，我的產品和組織能佔據什麼獨佔位置」。這在彼得·蒂爾的《從0到1》裡也是核心策略，至今依然適用。最近我在Y Combinator的一批項目中看到一個叫same.new的服務，非常驚訝。輸入一個URL，它就能直接複製該網站的設計和大致功能。雖然在版權和倫理上有些取捨，但一個號稱倡導企業家精神的Y Combinator會選中它，說不定正是一個新範式的轉折。
same.new各位訂閱者，你們的AI訂閱費跟一年前比是增加了還是減少了？多花在什麼上面了？又砍掉了什麼？歡迎在留言區分享。 我會考慮納入下一期的主題。
💬 AI支出的變化，歡迎留言分享 · 📨 如果覺得這篇分析有幫助，請轉給同事
（僅網頁版） 📬 想每週收到這類分析嗎？立即訂閱 我每週撰寫一份交叉分析科技、經濟與人文的電子報。
參考資料 & 延伸閱讀
核心來源
- Moses Sternstein, “Charts of the Week: Software’s Selective Sell-Off”, a16z New Media (Random Walk), 2026. 7. 17. ··· 本期的骨架就來自這篇文章。四張圖表全部出自此文。
- Goldman Sachs Global Investment Research, “Costs of New Technology for End-Use Consumers”, 2026. 7. 10. ··· 直接對比PC與LLM價格下跌週期的核心依據。屬於付費研究報告，沒有公開連結，可在上述原文中查看圖表。
- PNC Research, Internal Data, 2026. 7. 13. ··· 美國家庭AI付費訂閱滲透率（2.2%）與月均支出（31美元）數據的來源。因屬銀行內部支付數據，原始資料不公開。
- YipitData對 OpenRouter token使用量的分析, 2026. ··· 同時展現開放權重模型市占率擴大與總消耗增長的數據。請注意OpenRouter的樣本可能偏向低價模型使用者。
反方論據（務必一併閱讀）
- Mert Demirer, Andrey Fradkin, Nadav Tadelis, Sida Peng, “The Emerging Market for Intelligence: Pricing, Supply, and Demand for LLMs”, NBER Working Paper 34608, 2025. 12. ··· 正是製作圖表3中品質調整價格指數的研究團隊。但該論文第五項發現指出，短期價格彈性僅略高於1，「傑文斯悖論的空間有限」。這個結論與本文正面衝突，建議搭配正文第三節一起閱讀。PDF全文也已公開。
背景知識
- William Stanley Jevons, The Coal Question, 1865. ··· 效率提升不會減少消費反而增加消費——這個悖論的原始出處。可在Econlib免費閱讀全文。
- U.S. Bureau of Labor Statistics, “Computer Ownership Up Sharply in the 1990s”. ··· 1997年35~54歲成年人PC擁有率45%數據的來源。
- Digitunity, “The United States Computer Ownership Gap Persists”. ··· 目前美國家庭電腦擁有率約90%的數據。
值得一併閱讀的往期
- 第2期：AI為何沒有減少工作量的結構性原因，160年前的煤炭與2025年提示詞的共同點 ··· 從個人工作與倦怠的角度解讀傑文斯悖論的那一期。搭配本期的市場數據一起讀，圖景就完整了。
각주
-
倍數（Multiple）：以企業獲利或現金流的幾倍來評估企業價值的倍數。倍數下降意味著同樣的獲利，市場給的估值比以前低了。 ↩
-
IGV：美國軟體企業的旗艦ETF（iShares Expanded Tech-Software Sector ETF）。相當於軟體行業的體溫計。 ↩
-
Token（詞元）：AI模型處理文字的最小單位。大約相當於1~2個字元、或一個英文單詞的一部分，AI使用費通常以token數量計價。 ↩
-
開放權重模型（Open-weight Model）：公開模型訓練產出（權重），任何人都可以下載使用的AI模型。營運成本遠低於商用API。 ↩
-
傑文斯悖論（Jevons Paradox）：資源使用效率提高，按理說消費應該減少，但實際上價格下降後使用場景增加，總消費反而上升的現象。最早在19世紀英國的煤炭中觀察到。 ↩
-
價格彈性（Price Elasticity）：價格下降1%時，需求量增加百分之幾的數值。這個值必須明顯大於1，總支出才會增加。接近1的話，價格降多少用量就增多少，最終花的錢幾乎不變。 ↩
