想像一個違反直覺的問題：人會為加薪、升職而談判跳槽，AI既不領薪也不養家，理應是最便宜的「勞動力」。然而現實是，AI正在經歷一場無聲的「加薪潮」。這不是演算法的集體罷工，而是整個AI基礎設施的成本——從晶片、記憶體到電力與雲端部署——正全面飆升。

近月市場已出現DRAM、NAND與NOR Flash同步供不應求，高頻寬記憶體HBM4亦傳出調價信號。AI變貴，不只體現在模型訓練的鉅額開支，更反映在伺服器、加速晶片、冷卻系統、維護及電力消耗上，形成連鎖式成本上升。對企業而言，這意味著採用AI的邊際成本正在提高，過去假設「算力幾乎免費」的商業模式需要重新審視。

機械人一定跟漲？不一定

那麼，機械人是否必然跟著變貴？答案是「會，但非線性傳導」。機械人的硬件成本確實受晶片、感測器等關鍵零件影響，但其最終售價還取決於三大商業變數：

1. 量產規模：出貨量愈大，分攤研發與模具成本的能力愈強。

2. 模組化設計：可互換的零部件降低了升級與維修成本。

3. 租賃與訂閱模式：企業不再需要一次性鉅額資本支出，而是按使用付費，大幅降低導入門檻。

以商用服務機械人為例，從接待、送餐到清潔、巡邏，不同用途的產品成本結構差異極大。有些型號會因高階感測器漲價而變貴，但另一些標準化、大規模生產的機型，反而因供應鏈成熟而更易導入。換句話說，AI成本上行不會均勻地推高所有機械人價格——企業採購時需更加精細地分析總擁有成本。

預算分配新常態：人 vs. 機器

站在企業營運角度，「同一筆預算，付給人還是付給AI／機械人」將成為常態比較。這不只是技術選擇，更是資本配置決策。財務長與營運長需要建立新的評估框架：

• 可標準化、重複性高的工作：AI與機械人具有明顯成本優勢，即使算力漲價，仍遠低於人力。

• 需要判斷、協作、情緒理解與倫理決策的工作：目前AI難以全面複製，這些崗位的價值反而會上升。

企業的致勝關鍵：駕馭技術的人

未來最稀缺的，不一定是寫出最強程式碼的工程師，而是能把AI帶進現場、轉化為實際商業成果的人。技術愈進步，能駕馭技術的人才愈值錢。企業應重新設計招聘與培訓策略：從「擔心被AI取代」轉向「培養人機協作能力」。內部晉升的重點也將不再是純技術深度，而是跨部門整合、商業直覺與技術落地的複合技能。

撰文：托寶智能方案行政總裁 王嘉敏（Jazzy）