「OpenAI預計2026年至2030年累計自由現金流為負約2780億美元。」
這個數字看起來已經不像一家公司的預算，更像一個小國的國家級工程。[1][2]
但使用者看到同一個數字，反應可能完全相反：
這麼龐大的基礎設施，個人居然只靠月費就能使用？
調查、寫作、程式開發、文件分析、方案比較、原型、修改、重新驗證，甚至小到根本不值得找人外包的問題，都可以在同一個介面裡連續完成。
如果每一件事都分別交給真人，可能還沒算人工費，專案管理就先爆炸。
核心變化不只是「AI比較便宜」。
而是巨大的運算資本被共享、知識工作的最小購買單位大幅縮小、不同專業之間的交接成本也被壓低。
1. 先不要把2780億美元理解成一年虧損
Reuters援引Financial Times報導，OpenAI預計2026年至2030年累計消耗約2780億美元現金。[1][2]
這是五年累計負自由現金流的預測，不是某一年已經出現2780億美元淨損。
FT報導的內部預測同時認為，OpenAI營收可能從2026年的約360億美元增至2030年的約3500億美元，而到2030年底累計支出可能達到約8560億美元。[2]
所以故事不是簡單的「沒有客戶」。
更接近：
營收也高速增長，但運算、資料中心、電力、網路與研發投入增長得更快。
因此不能把公司整體現金消耗除以聊天次數，直接當成單次對話成本。大規模前置投資與多一次請求的邊際成本並不是同一件事。
2. 為什麼使用者仍可能獲得巨大的消費者剩餘
經濟學把一個人願意支付的最高價格與實際支付價格之間的差額稱為消費者剩餘。
如果AI每月只提供一點方便，而價格也差不多，剩餘就小。
如果同樣的月費可以大量減少外包、等待、重複工作和機會成本，剩餘就可能很大。
這不是OpenAI的成本。
但AI訂閱確實很容易出現這種差額，因為個人不可能獨自承擔的固定成本，被大量使用者共同分攤。
一般人不會自己訓練前沿模型、建立GPU叢集、接上搜尋與儲存、維護安全、語音、圖片與模型更新。
訂閱讓個人只在需要時租用這個巨型系統的一小部分。
有點像不用在家裡蓋發電廠就能插電，只是這次插座流出來的是調查、文字、程式、圖片和推理。
3. 真正被打碎的也許不是外包價格，而是最小發包單位
AI以前當然也能外包。
但把工作交給真人，每次都有固定摩擦：
找人、說明目標、提供資料、談範圍、等待、驗收、要求修改，再交給下一個專業角色。
所以沒有人會為了五分鐘的小事，每次都正式找一位專家。
「只幫我核實這個數字。」 「只試這一小段程式。」 「根據剛才的討論再給三個版本。」 「這條路失敗了，退回去換一條。」
工作本身很小，發包流程卻更大。
AI改變了這個邊界。
知識工作的最小批量變得非常小。
價值不只是大專案變便宜，更是過去小到不能單獨買的微型知識工作，現在可以連續執行幾十次、幾百次。
「有點意思，但不值得找人」變成「現在就試」。
4. 研究員、寫作者、工程師與專案經理之間的脈絡搬運變少
人類團隊即使每個人都很優秀，交接也會掉資訊。
研究員先查。 交給寫作者。 再把規格交給工程師。 品質檢查發現問題。 又重新追溯最初意圖。
如果同一個AI工作空間可以保留脈絡，從調查一路走到寫作、程式、驗證和修改，部分協調成本就會消失。
所以「AI取代五個人」不是最準確的算法。
更大的價值有時是：
少幾次傳遞、少幾次解釋、少幾次等待、少幾次重新載入脈絡。
這也是為什麼重度使用者會把它看成小型研發部門，而不是聊天機器人。
5. 生產力提升已經有實驗證據
對5179名客服人員的研究發現，生成式AI助手讓以每小時解決問題數衡量的生產力平均提高約14%，對經驗少、原本生產力較低的人效果更大。[3]
一項讓453名大學教育背景專業人士完成寫作任務的隨機實驗發現，ChatGPT讓完成時間平均縮短40%，品質提高18%。[4]
對758名BCG顧問的實驗則顯示，在AI能力邊界內的任務上，參與者快了25%以上，人類評分表現高了40%以上；但在能力邊界外的任務上，AI也可能提高錯誤率。[5]
所以不是「AI讓所有工作翻倍」。
而是對適合的工作，只要人能驗證，速度與品質都可能明顯改善。
重度使用者會把這種改善反覆套用到調查、寫作、程式、比較和原型。
6. 重度使用者買的不是答案，而是循環
偶爾用的人買答案。
重度使用者買的是：
問題 → 調查 → 假設 → 草稿 → 程式 → 測試 → 修改 → 保存 → 下一個問題。
最大優勢是下一步的啟動成本很低。
想到就試，失敗就換，昨天的材料今天繼續用。
原本因為「重新找人解釋太麻煩」而死亡的小任務，現在能活下來。
所以AI投資報酬率可以看：
- 多做了多少實驗
- 完成了多少原本會放棄的小任務
- 減少多少等待
- 消除多少交接
- 從想法到原型縮短多少時間
而不是只看生成了多少字。
7. 每月500美元的消息確實出現了，但還不是官方現行價格
截至2026年9月25日，OpenAI官方資訊顯示ChatGPT Plus為每月20美元。[6]
Pro目前有100美元與200美元兩級。200美元級從9月10日起暫停新註冊與升級，但官方Help Center仍把它描述為最高Pro級別。[7]
9月24日，第三方網站TestingCatalog報導，在未公開的ChatGPT訂閱參照中出現了看似「Pro Max」與每月500美元的資訊。[8]
但必須劃清界線：
截至9月25日，OpenAI並沒有正式發布一個現行的500美元ChatGPT方案。
未公開字串可能改變、消失，或最後用不同價格推出。
如果未來真的出現高價方案，重度專業使用者的判斷也會轉向：它究竟替代了多少外包、等待、開發與協調成本。
8. API標價不是OpenAI的實際原價
OpenAI官方模型頁在9月25日列出的GPT-5.6 Sol API標準價格，是每100萬輸入token 4美元、輸出20美元。[9]
重度使用者可能用API零售價換算自己的使用量，再推論訂閱差額就是OpenAI的虧損。
這個推論不成立。
API價格是售價，不是公開的邊際成本。
ChatGPT還可以使用模型路由、小模型、快取、用量限制、共享基礎設施與其他最佳化。另一方面，2780億美元的公司級現金消耗預測又包含大型前置投資。
所以「看起來等於1000美元API零售用量」不能推出「OpenAI在這個使用者身上虧了1000美元」。
使用者應從自己的替代成本判斷價值：同樣的工作若靠人工、外包、設備與時間完成，要多少成本？
供應商成本與使用者價值是兩組不同數字。
9. 結論：AI時代最大的槓桿，更像是組織壓縮
OpenAI花巨額資金，個人卻覺得便宜，兩者並不矛盾。
企業與投資人先建立巨大的共享運算底座，使用者再透過訂閱租用一小部分。
但更大的變化不是智慧便宜了。
執行一個想法所需要的組織規模變小了。
調查5分鐘。 修改10分鐘。 寫程式20分鐘。 比較3分鐘。 立刻接續昨天的工作。 失敗後馬上換路線。
傳統外包市場很難處理這些工作，因為協調成本常常比工作本身還高。
AI把它們全部收進同一個入口。
供應商那一側，GPU、電力、資料中心、融資在燃燒。
個人這一側，只要按下訂閱按鈕，就能叫出調查、寫作、程式與反覆試驗。
資本主義突然開始把知識勞動的重型機械租給個人。
難怪大家怕漲價。
參考資料（9筆）
- Reuters, “OpenAI forecasts cash burn near $280 billion by 2030, FT reports,” 2026-09-18 reuters.com
- Financial Times, “OpenAI expects to burn $280bn by 2030,” 2026-09 ft.com
- Brynjolfsson E, Li D, Raymond LR. “Generative AI at Work.” NBER Working Paper 31161; published version in The Quarterly Journal of Economics, 2025 nber.org
- Noy S, Zhang W. “Experimental evidence on the productivity effects of generative artificial intelligence.” Science. 2023;381(6654):187-192. doi:10.1126/science.adh2586 pubmed.ncbi.nlm.nih.gov
- Harvard Business School / BCG, “Navigating the Jagged Technological Frontier,” field experiment with 758 consultants aiinstitute.hbs.edu
- OpenAI Help Center, “What is ChatGPT Plus?”, checked 2026-09-25 help.openai.com
- OpenAI Help Center, “About ChatGPT Pro tiers,” checked 2026-09-25 help.openai.com
- TestingCatalog, “OpenAI prepares new $500/month Pro Max plan for ChatGPT,” 2026-09-24 testingcatalog.com
- OpenAI API, “GPT-5.6 Sol Model,” checked 2026-09-25 developers.openai.com
