聯發科回應 Token 額度調降傳聞,OpenAI 建議企業改算任務總成本

聯發科回應 Token 額度調降傳聞,OpenAI 建議企業改算任務總成本

2026/10/25

聯發科針對工程師 AI 工具 Token 額度遭調降的傳聞回應,將依任務複雜度自動匹配不同模型,以更具效益的使用模式支撐長期需求。OpenAI 東南亞暨台灣大型企業客戶總監王曉凡則建議,企業不應只看 Token 單價,而要衡量完成任務的總成本。

聯發科近日傳出內部工程師使用的 AI 工具 Token 額度遭到調降,公司隨即對外回應,表示並非單純緊縮用量,而是會依照任務的複雜程度,自動匹配不同等級的模型,藉由更具效益的 Token 使用模式,長期支援持續擴大的 AI 需求。這起事件也讓「企業 AI 成本該怎麼算」成為產業熱議話題。

生成式 AI 導入企業已從試驗階段走向日常工作流程,工程師撰寫程式、整理文件、分析資料都開始仰賴大型語言模型。然而 AI 愈用愈廣,帳單也跟著水漲船高。Token 是語言模型計價的基本單位,輸入與輸出的文字量都會被換算成 Token 計費,當數千名員工同時大量使用,企業每月支出便可能快速攀升,如何在效益與成本之間取得平衡,成為管理層必須面對的課題。

OpenAI 東南亞暨台灣大型企業客戶總監王曉凡在 2026 AI 大師論壇上分享觀察。她表示,企業最常提出的疑問有兩類,一是模型更新速度愈來愈快,幾乎每個月都有新進展,企業到底該怎麼追;二是公司內部已經開始試用 AI,大家也覺得有幫助,但究竟該如何向管理層證明實質的 ROI 與商業價值。王曉凡認為,企業不應只看 Token 價格,而要衡量完成一項任務的總成本,並且重新設計工作流程。

從這個角度來看,聯發科「依任務複雜度匹配模型」的做法,正與總成本思維相互呼應。業界分析人士指出,並非每項工作都需要動用最強大、也最昂貴的旗艦模型,簡單的摘要、翻譯或格式整理,交給輕量模型即可完成;複雜的推理、架構設計或除錯,才值得投入高階模型。透過分流機制,企業可以在不犧牲產出品質的前提下,降低整體支出。此外,若能把 AI 嵌入重新設計後的流程,而不是只當成單點工具,節省下來的人力時間往往遠比 Token 帳單更具意義。

換言之,總成本的計算範圍應包含模型費用、系統整合、人員訓練、結果驗證與錯誤修正所耗費的時間。若一個較便宜的模型需要員工反覆修改提示詞、檢查錯誤,實際成本反而可能高於直接使用較強的模型。企業在評估時,應以「完成一項任務需要多少總投入」為單位,而非單看每百萬 Token 的報價。

對台灣科技業而言,此事反映出 AI 導入已進入「精算期」。過去企業多以開放額度鼓勵員工嘗試,如今則需要建立用量監控、模型分級與成效評估機制。這也意味著 IT 部門與財務部門的角色將更加緊密,AI 支出將被納入與雲端費用同等級的管理框架。對員工而言,熟悉不同模型的強項並懂得選用合適工具,也將成為新的職場能力。

AI 成本管理不再只是技術問題,而是經營管理問題。聯發科的調整與 OpenAI 的建議共同指向一個方向:企業衡量 AI 的標準,正從「花了多少 Token」轉向「完成多少有價值的工作」。