第一次聽黃仁勳談 AI Factory，說 AI 工廠生產的是 Token，我其實沒有完全聽懂。
因為我們過去熟悉的軟體，大多是訂閱制：每個月付一筆錢，買帳號、買功能，接下來就盡量用。很像吃到飽，用多用少好像都一樣。
所以我當時真正的問題是：
為什麼不能像一般軟體一樣，收一筆固定月費就好？
直到我開始用 AI 寫文章、做分析、整理資料、設計網站，甚至一起完成專案，我才慢慢理解：
AI 不只是讓你使用一套軟體，而是在替你完成工作。
傳統軟體賣使用權，AI 開始賣工作量
傳統 SaaS 賣的是一套標準功能。你買登入權限，自己操作、輸入資料，再自己判斷下一步。
AI 不太一樣。每次請它讀資料、分析問題、寫內容、改程式或操作工具，都會產生新的運算。任務越複雜、資料越多、來回修改越多，成本就越高。
Token 是衡量模型使用量的重要單位之一。它不等於人的工時，但很像 AI 世界裡的用量表；除了輸入與輸出，實際成本還可能包含推理、工具呼叫、圖片、語音與其他運算。
以前我看到 Token，只覺得那是難懂的技術費用。現在我看到的，是數位人力完成工作時留下的成本紀錄。
Token 是底層成本表，不是對客戶的最終報價單
但理解 Token 之後，更重要的是不要把成本和價格混在一起：
我們不能把 Token 成本直接當成客戶價格。
客戶通常不在意做一個網站用了十萬、五十萬還是一百萬 Token。他在意的是：
- 網站能不能準時上線？
- 能不能帶來詢問或訂單？
- 能不能減少團隊重複工作？
- 能不能讓原本做不到的事情變成做得到？
- 出現錯誤時，有沒有人負責修正？
所以我現在會把 AI 計價拆成三層：
- 底層成本：Token、圖片、語音、工具呼叫或運算量。
- 服務用量：完成幾次分析、處理幾個案件、進行幾段對話或執行幾項任務。
- 商業成果：完成一個網站、建立客服流程、交付市場報告，或替某個部門省下多少工時。
Token 決定部分成本，任務決定服務範圍，價值決定最終價格。
SaaS 不會消失，但吃到飽模式會開始改變
我不認為 SaaS 會消失，也不認為每套軟體都會把 Token 帳單直接丟給客戶。更可能發生的是定價開始分層：基本功能收訂閱費，大量使用 AI 時按用量收費；如果 AI 能獨立完成工作，再按任務、案件、對話或成果計價。
基本訂閱費＋AI 使用量＋專案服務費＋成果獎勵。
這比完全吃到飽更合理。每家公司的資料量、任務複雜度與使用頻率差很多；全部收同一個月費，對使用少的客戶不公平，也可能讓服務提供者承擔失控的成本。
AI 讓軟體從「買一套標準工具」，逐漸走向「購買一段可以衡量的數位產能」。
高度客製化，可能成為新的標準服務
過去做客製化軟體很貴。每個客戶都要重新訪談、規劃、設計、開發和測試；小企業買不起，軟體公司也很難同時服務大量不同需求。
AI 正在降低其中一部分成本。
同一套底層能力，可以因應不同產業、資料、流程與品牌語氣，快速產生不同版本。未來的軟體可能不再要求所有企業適應同一套固定流程，而是讓系統更快適應每家企業的工作方式。
但客製化不會變成零成本。需求訪談、資料整理、流程整合、測試驗收、人工判斷、資安與維護，仍然要有人負責。真正的改變是：更小的團隊，也有機會完成以前需要更多人力才能完成的工作。
老闆不該只問 Token 花了多少
導入 AI 之後，很多老闆第一個問題是：「這個月用了多少 Token？」這要問，但不能只問這個。
把 Token 壓到最低，不等於價值最大。有時候多用一些 Token，反而能完成更多工作、提高品質、減少錯誤，甚至接下原本沒有能力承接的訂單。
企業更應該回答三個問題：
- AI 每個月替我們省下多少人力工時？
- 這些工時原本對應多少成本與產能？
- 如果沒有 AI，我們是否還能接住同樣的訂單與成長機會？
所以真正要計算的，不只是 Token 成本，而是整體投資報酬：
AI ROI＝（節省成本＋新增價值＋避免損失－AI 總投資）÷ AI 總投資
這裡的 AI 總投資，也不只是 Token，還包括工具訂閱、資料整理、系統整合、教育訓練、人工審核、維護與資安治理。
未來賣的不是軟體，而是可被驗收的工作成果
以前我們問的是：「這套軟體一個月多少錢？」
未來我們可能會更常問：「這套 AI 每個月可以替我完成多少工作？」
這就是我現在對 Token 經濟的理解：Token 不是客戶價值，但它讓 AI 的工作量可以被測量。工作量可測量，成本才容易管理；成果可驗收，服務才有機會重新定價。
未來真正有競爭力的公司，不會只告訴客戶用了多少 Token，而會說清楚完成了哪些工作、節省多少時間、增加多少產能，以及創造了什麼可以驗收的成果。
Token 是 AI 的底層成本表。
任務是服務的計價單位。
成果，才是客戶願意付錢的真正理由。