- 登入
- 註冊
用戶越多，AI 產品反而越不賺錢？
內容目錄
顯示
從用量成本，看懂自建模型與 API 的取捨
產品加入 AI 功能後，使用者反應很好，用量也持續增加。這本來是好消息，但到了月底，團隊卻發現：營收增加了，模型 API 的帳單也跟著上升，原本預期的利潤未必留下來。
直接串接大語言模型的 API，是許多團隊快速推出 AI 功能、驗證市場反應的方式。但它也把一種新的成本帶進產品：使用者每多問一次、生成一份內容，背後都可能多一筆推論費用。
這也讓 AI 功能的提供方式，成為產品方案的一部分。以 Notion 為例，2025 年 5 月推出的新方案，就將 Notion AI 納入 Business 與 Enterprise，官方當時公告這兩個方案包含無限制使用 AI。Notion 當時的版本公告
不過，Notion 並未將這次調整歸因於模型用量成本，因此不能把它當成「API 太貴」的直接證據。這個案例更適合提醒我們：AI 怎麼提供給用戶，會與方案包裝、定價及產品定位一起改變。Notion 產品公告
核心問題
用戶成長，為什麼不一定帶來更多利潤？
關鍵在於，收入和成本可能用不同的方式增加。
如果產品按人頭收取固定月費，但 AI 的費用取決於實際使用量，同樣付一份訂閱費的兩位客戶，背後的服務成本就可能差很多。
一位客戶偶爾生成摘要，另一位每天大量處理文件。收入相同，推論用量卻不相同。當重度使用者增加，而方案收入沒有同步反映使用強度，AI 成本就可能侵蝕毛利。
麥肯錫在 2025 年的分析指出，當 AI 讓軟體從「輔助工作」走向「主動執行工作」，商業模式也需要更貼近完成的任務與創造的價值。按人頭訂閱不會因此全面消失，但可能需要搭配用量額度、加購或其他計價方式。麥肯錫分析
因此，自建模型或調用 API，不只是工程選項，也會影響產品的定價、服務範圍與毛利結構。
關鍵洞察
真正需要比較的，不是「哪個模型比較便宜」，而是「在相同品質與服務要求下，哪種方式的總成本更合理」。
API 通常能降低前期投入，讓團隊保留彈性；自建則需要承擔較多部署與維運工作，換取對模型、資料與服務環境的掌控。
但這不是「自建只有固定成本，API 只有變動成本」的二選一。兩者都有持續支出，只是成本結構與負擔方式不同。
本文所說的「自建」，指自行部署與維運既有模型，而不是從零訓練一個大型語言模型。
自建像買房：先投入資源，也要持續維護
自行部署模型，就像買房。前期需要準備資源，後續也要負責管理、維修與擴充。
即使模型權重可以免費取得，讓它成為穩定的產品服務，仍需要 GPU 或雲端算力，以及部署、監控、資安、故障處理與效能優化等工作。若還需要微調模型，也要計入資料整理與訓練成本。
自建的優勢，是團隊可以更直接地控制服務環境，並依照自己的任務調整推論方式。當需求穩定、使用量足夠，而且算力能被有效利用時，每次服務的平均成本有機會降低。
但自建不代表用量增加後就不再花錢。需求超出原有容量，仍可能需要增加算力；流量不足時，閒置的設備或預留資源，也可能持續產生成本。
因此，使用量大只是條件之一，需求是否穩定、算力是否用得滿，同樣重要。
API 像租屋：前期負擔小，費用跟著使用方式走
直接調用 API，就像租屋。不必先投入完整的模型基礎設施，也不必自行承擔所有模型服務的維運工作。
對仍在驗證需求的團隊來說，這種方式通常更有彈性：可以先上線、觀察用量，再調整產品與模型選擇。
但「容易開始」不等於「長期成本可以忽略」。
模型費用可能隨輸入、輸出與呼叫次數增加。一次看似簡單的使用者操作，背後也可能包含多輪模型呼叫、工具操作或失敗重試。
如果只估算單次 API 的價格，卻沒有算清楚完成一次任務需要多少用量，就容易低估真正的服務成本。
不過，API 也不一定比自建昂貴。當需求仍小、流量波動大，或團隊缺乏維運能力時，API 可能反而是總成本較合理的選擇。
別只看帳單，先算清楚三件事
1. 每完成一次任務，實際要花多少成本？
不要只看模型單價，也要計入完成任務所需的全部呼叫、輸入輸出、重試與其他服務費用。
例如，「生成一份報告」可能不是一次模型回答，而是先讀取文件、整理資訊，再生成內容與檢查結果。產品應該追蹤的是整個任務的成本，而不只是其中一次呼叫。
2. 使用量增加後，收入能不能支撐成本？
觀察平均使用者之外，也要看重度使用者與尖峰情境。
如果少數客戶的用量遠高於其他人，固定月費是否仍能支撐服務？是否需要設定額度、分級方案或超額加購？這些都是產品設計問題，不應等帳單出現後才處理。
3. 自建的總成本，真的比 API 更合理嗎？
比較時，要把人力、算力、維運、備援、閒置容量與未來擴充一起算進去，也要確認兩種方案能否達到相同的品質、延遲與可靠性要求。
自建若無法滿足任務，即使推論單價較低，也不是等價的替代方案。
團隊不必一開始就押定單一路線。可以先用 API 驗證需求，再根據實際用量與服務要求，評估是否把部分穩定、高頻的任務轉向自行部署。
金句啟發
「API 買的是彈性，自建換的是掌控；真正該算清楚的，是每完成一次任務，產品能留下多少價值。」
延伸閱讀
[1] AI 如何改變 SaaS 的定價與商業模式｜Upgrading Software Business Models to Thrive in the AI Era（McKinsey，2025）
[2] 自建模型與 API 的成本比較｜OpenAI or DIY? Unveiling the True Cost of Self-hosting LLMs（VentureBeat，2024）
成本試算應使用當下的報價與實際工作負載，不宜直接沿用舊文章中的價格或流量門檻。
以上文章整理自【數創電子報 Vol.27】「用戶越多，公司反而虧？」從用量成本解析自建與買 API 的抉擇
重點整理
為什麼 AI 功能越多人用，產品卻不一定越賺錢？
因為收入與成本可能採用不同的計算方式。產品收取固定訂閱費，模型費用卻隨實際用量增加，重度使用者就可能帶來較高的服務成本。是否影響毛利，取決於定價、使用額度，以及每次任務的實際成本。
自建模型就能把 AI 成本固定下來嗎？
不能。自建需要前期投入，也有持續的算力、維運、備援與擴容支出。需求不足時，閒置資源還可能拉高平均成本。因此，自建的優勢不是「用量增加也不用花錢」，而是有機會透過部署與資源管理，改善成本與掌控度。
什麼情況下，自建可能比 API 划算？
當需求穩定、使用量足夠、算力利用率良好，而且團隊具備維運能力時，自建才較有機會降低總成本。比較前，必須先確認兩種方案達到相同的品質與服務要求，再把人力、基礎設施及持續支出一起計入。
