林上倫律師專文》当你问 AI 今天中午吃什麼，世界正在为这个提问重新規劃能源版圖

律师林上伦拆解 AI Token 的经济本质，Token 不是可投资的数字资产，而是像「度」一样的用量计算单位。每一次提问背后是从发电厂、电网、数据中心到显卡的完整能源链在运转，数据中心把电力转换成可计价的 Token 服务。黄仁勋反复警告能源不够用，是站在供应链前线看到的真实缺口。
（前情提要：白毛股神Serenity再喊单SIVE！拿下820万镁军用订单，Ka波段晶片卡进美军卫星供应链）
（背景补充：Amazon 开放 AI 设计周边：给 Alexa 一句话印出客制化 T 恤＋Prime 直送到家）

最近全球科技圈最常出现、却也最容易被误解的一个词，叫做 AI Token。当你每一次开启对话方块输入一个问题，背后其实是一整条从发电厂、电网、数据中心一路串到显卡的能源产业链在替你运转，而 Token 就是用来计量这整段过程的单位。

如果把这件事拆开来看，市面上最常被讨论、也最常被误解的，其实是衍生的四个问题 Token 到底是不是一种钱？17 美元的 ChatGPT 订阅费，真的就涵盖所有成本吗？数据中心既然这么重要，为什么有些设在矽谷与科学园区，有些却设在沙漠或峡湾旁边？以及，为什么黄仁勋会反复强调未来能源一定会不够用？这四个问题串起来，刚好就是理解 AI 经济的关键。

AI Token 到底是不是一种钱

市场上开始出现把 Token 描述成某种新型态资产的说法，甚至已经有「AI Token 投资」这类话术在流通。很多人第一次听到 Token 这个词，会自然联想到加密货币里面的 Token，或者觉得它是不是一种可以累积、可以增值、可以拿来兑换什么东西的数字资产。但回到本质来看，AI 领域里的 Token，比比较接近一个用量刻度，而不是一个可以储存或交易的价值载体。

先从最基本的单位感讲起。Token 在 Output（生成）端的换算，会因语言出现明显差异。英文方面，1 个 Token 大约等于 0.75 个英文单字，或是约 4 个英文字母。像「apple」这类常见短单字，通常就是 1 个 Token；但「hamburger」这种较长的单字，AI 会在底层把它拆成「ham」、「bur」、「ger」三段，等于要花掉 2 到 3 个 Tokens。中文方面相对耗用更多，因为繁体中文在底层编码上占用空间较大，1 个 Token 大约只能换到 0.5 到 1 个中文字。常见的「我」、「的」通常维持 1 个 Token 就能处理，但笔画复杂或罕见的字，可能单一一个字就需要被切成 2 到 3 个 Tokens。

如果换到 Input（读取）端，1 个 Token 的份量微小到连一句完整的话都称不上。为了让「读取档案」这件事有具体感，业界通常会用 1,000 个 Tokens 作为比较好理解的基准：阅读英档案时，1,000 个 Tokens 大约等于 750 个英文单字，差不多是 1.5 页的 A4 Word 档案；阅读中档案时，1,000 个 Tokens 大约等于 500 到 800 个中文字，差不多是半页 A4 的短篇文章，或是一篇普通长度的新闻报道。当你把一份十几页的合约丢给 AI 看，光是读完就已经消耗了好几万个 Token，而这还没包含它要生成回复所消耗的部分。

更重要的是，Token 分为 Input Token 与 Output Token 两种，每一种都有独立且相当精准的计价方式。Input 是 AI 读取你丢进去的档案、影片、语音去理解内容所消耗的份量；Output 则是 AI 为你生成文字、图片、程式码所消耗的份量。两者都不是抽象的概念，而是现在主要大厂（OpenAI、Google、Anthropic 等）对外收费时，以每百万 Token 计价的具体刻度。目前的行情，大约是每 100 万个 Token，定价为几块美元。

所以从这个角度回头看，Token 比较像「度」这个单位：它是你使用 AI 服务的用量计算方式。你不会说自己今天用了 30 度电，因此拥有「30 度电的资产」；你也不会把自己跟台电消耗了多少度电这件事，理解成一种商品或货币。AI Token 的逻辑非常接近。

当然，未来 Token 是否会衍生出期货、预付额度、配额交易等金融化商品，这完全是有可能的，过去石油、电力、碳排都走过类似的路径。但回到本质来看，理解 Token 是「一个用来计算 AI 用量的单位」，会比把它当成一种独立的价值载体，更贴近它真正的角色。对一般用户来说，这个认知差距，会直接影响你如何看待下一个问题：AI 服务的订阅费。

每月 17 美元的订阅费涵盖所有成本吗

这大概是普通用户最直观的一个疑问。市面上 AI 服务的订阅费，从 ChatGPT Plus 的 20 美元、到各家企业版方案，价格看起来都还算亲民。所以很多人会自然认为，AI 的真实成本应该就跟这个订阅费差不多。但如果仔细看产业财报，事情并不完全是这样。

目前主流 AI 公司多半仍处于营运亏损状态，OpenAI、Google、Anthropic 的 AI 部门都还在重度投资阶段，营运资金有相当大的比例来自融资而非 AI 服务本身的获利。这代表现阶段的订阅费，并不完全等同于这项服务的真实成本。当一位重度用户整天请 AI 帮忙修图、长篇对话、生成大量内容时，他实际消耗的 Token 成本，可能已经超过月费所能涵盖的范围，差额目前主要由公司端与投资人承担。这是一个典型的「用户教育期」定价策略，目的是先培养使用习惯、扩大用户基础，未来几年是否会调整，是值得持续观察的方向。

而这种定价模式也带来一个有趣的现象：使用门槛几乎完全消失。过去要使用石油这个工业能源，你通常需要先拥有车辆、机械或厂房，整套消费行为自带经济筛选机制。但 AI 时代的入口几乎没有这种门槛。同样的 Token 用量，可能被用来产出一份尽职调查报告及并购合约、一份医学研究摘要，也可能被用来讨论午餐要吃什么、跟虚拟角色闲聊。两种使用情境消耗的算力与电力其实是同等级的，但所创造的社会价值差距相当大。

资料中心为什么选址天差地别

这是另一个很多人会困惑的地方。我们听过一些资料中心设在矽谷、设在科学园区等科技重镇，看起来像是高度尖端的科技设施。但同时又会看到许多新闻报道，杜拜在沙漠里盖资料中心、挪威在峡湾旁边盖资料中心、爱尔兰的乡间盖资料中心、甚至有公司在水力发电站旁边就直接盖了一个资料中心。这就让人疑惑：资料中心到底是不是一种高科技产物？

合理的理解是，这两种看法都各有道理。资料中心本身确实是高度专业化的基础设施，涉及散热工程、电力管理、网络架构、资安设计、先进晶片整合等多个技术领域，建置与维运的门槛并不低；台湾许多投入这个领域的企业，背后确实有相当深厚的工程能量，这也是为什么有些资料中心会选择设在科技聚落附近，以方便取得人才、客户与供应链的支援。

但从全球布局的角度来看，资料中心的选址逻辑还有另外一个关键因素：「它高度依赖稳定且相对便宜的电力供应。」当运算规模到了一定的等级，电费的差距就会直接决定营运成本的高低。所以我们会看到杜拜、阿布达比利用沙漠地区的太阳能资源、挪威运用水力与低温优势、爱尔兰利用相对宽松的能源政策，都成为全球资料中心的热点。换句话说，资料中心其实最在乎的优势是：「它是一个高度依赖能源条件的能源转换节点。哪里有稳定的电，哪里就有机会看到新的资料中心冒出来。」

从这个角度回头看，资料中心其实是 AI 时代的关键节点之一：它把电力这个原本难以储存、难以跨境运输的能源，通过运算转换成 Token 这个可以被计价、可以被远距贩售的服务。所有用户上传的问题、企业送进来的档案、研究机构提交的资料，都会被资料中心处理，再依照消耗的 Token 数量回收费用。这也顺势带出了第四个、也是最关键的问题。

黄仁勋为什么一直说能源不够用

这几年 NVIDIA 创办人黄仁勋在多场公开演讲与访谈中，反复提到同一件事：未来能源一定会不够，AI 的发展瓶颈最终会落到电力上。很多人听到这句话，第一反应是觉得这是不是一种行销话术，或是 GPU 厂商的渲染。但如果把前面三个问题串起来看，就会发现他讲的这件事其实有相当扎实的产业逻辑在背后支撑。

从 Token 的角度看，每一次提问都对应一段运算，每一段运算都对应一段电力消耗。从订阅模式的角度看，现阶段补贴性的定价让用户没有节制使用的诱因，整体用量呈现几何级数的成长。从数据中心的角度看，全世界有能源条件的地区都在加速扩建算力设施，每一个新建的数据中心，都会在当地用电结构上占据可观比例。当这三个趋势同时发生，能源端的压力就会被快速放大。

这也是为什么黄仁勋会把能源议题讲得比 GPU 本身还重，因为 GPU 再强，没有足够的电也跑不动。对 NVIDIA 这样的公司来说，他们最清楚客户端的算力订单规模有多夸张，也最清楚这些算力背后对应的电力缺口有多大。所以他讲的「能源会不够」，本质上是站在供应链最前线看到的真实状况，而不是单纯的口号。

这也代表能源产业会是下一个世代值得长期关注的方向。全世界只要有条件的地区，不论是沙漠、水力丰沛区、适合风场的海岸线、具备核能发展空间的国家，都在积极扩张发电容量。中国因为拥有全世界规模庞大的绿电系统，在这个赛局中具备相当明显的能源优势；而台湾关于核能与绿电的政策讨论，也会在 AI 时代被重新放到更大的脉络里检视。可以预期的是，未来全球 AI 基础设施的整体用电量，会在未来几年内超越许多现有工业类别的耗电总和，现阶段全世界实际在使用 AI 的人口比例还在成长初期，需求曲线可预期会持续向上。

用户与投资人该怎么面对

综上来看，有两个方向值得长期关注。第一个方向，是 AI 基础建设的整体供应链。包括发电端、电网升级、资料中心建置、散热、先进封装以及核心算力供应链。这些领域的特点是订单能见度相对清晰，只要 AI 需求持续成长，能源与基础设施的缺口就会是结构性问题，而非短期波动。

第二个方向，是 Token 使用效率本身会成为一个重要的议题。当 Token 计价逐步透明化，用户会开始意识到不同任务之间的成本差异，企业与个人也会慢慢发展出更合理的使用习惯。

对于 AI 这个产业，可以掌握三个基本原则。第一，理解 Token 的本质是一个计价单位，这会让你在面对各种延伸性的金融化叙事时，更有判断依据。第二，正确看待资料中心的角色，它虽是高度专业的基础设施，但更是高度依赖能源供应的选址产业。第三，留意能源端的长期变化，因为它会逐步成为 AI 产业最关键的瓶颈与机会所在，这也是 AI 大老们一再提醒大家的核心讯息。

过去一年 AI 的发展速度，让很多人来不及理解它背后的成本结构。这不代表 AI 是泡沫，也不代表整个产业会崩盘，而是当一个新工业逐渐成熟时，计价方式、资源分配与基础建设都会慢慢进入新的平衡。AI 的需求曲线目前看来会持续向上，但伴随的能源与成本议题，也会越来越值得每一位用户、投资人、政策制定者认真看待。

Token 这个小小的单位，背后牵动的是发电厂、电网、资料中心、晶片、模型、应用，一直延伸到每一个用户的日常选择。理解它的本质，会让我们在面对 AI 时代时，更能看清楚机会与代价分别落在哪里。