AI 帳單為什麼每個月都不一樣？因為它在你睡覺時也在工作

有位做精密加工的老闆，去年開始讓業務助理用 AI 幫忙整理詢價信、把客戶寄來的 PDF 圖面資訊謄進報價單。效果不錯，原本一天謄十二張，現在一上午就清完。

問題出在月底。會計拿著信用卡帳單來問他，上面三筆美金，一筆兩百多、一筆四十幾、還有一筆九十八。上個月不是這個數字，前個月也不是。她問這三筆分別是什麼，老闆想了一下，只答得出「大概是那個 AI 的」。

她又問：那下個月要編多少？

這位老闆在鋼價、電費、加班費上都算得很精，唯獨這一筆，他沒辦法給一個數字。而一個給不出數字的費用，在製造業的帳上是很奇怪的存在。

你簽的不是授權，是水電

我們習慣的軟體是「授權制」。ERP 一年多少錢、CAD 幾個座位、防毒軟體幾台電腦，白紙黑字寫在合約上。這種費用的好處不是便宜，是它可以編進明年的預算、可以攤進每小時的加工成本。你心裡有一條線，知道它不會亂跑。

新一代的 AI 不是這樣收錢的。它比較像水電——按用量計費，用多少算多少。聽起來公平，甚至聽起來比授權制划算，因為沒用就不用付。

但水電有個前提：用量是你決定的。冷氣是你開的，壓縮機是你啟動的。你不會簽一份電費合約，裡面寫「每月用電量由冷氣自行判斷」。

而現在市面上這一批「會自己做事」的 AI，用量真的是它自己決定的。

根據 TechNews 的報導，AI 代理安全公司 Geordie 測試 OpenAI 九月推出的全天候個人代理 dot，測試者只給了唯讀權限，沒連信箱、沒連通訊軟體、沒下任何一道指令。結果 dot 一天跑出 155 個獨立的活動序列，耗掉超過 30 萬個 Token。測試者 Hanah-Marie Darley 估算，這些無人互動的背景運作，一天大約花掉 5 到 10 美元——她形容是一杯拿鐵的錢。

一杯拿鐵聽起來很便宜。但單純乘上 365 天，一個完全沒人用的代理，一年也是一千八到三千六百美元。更重要的不是這個數字本身，而是你事先不知道它會是 155 次還是 15 次。

三種你看不見的燒錢方式

從這幾週的報導看下來，費用失控大致有三條路徑，每一條都跟「人有沒有在用」無關。

第一是背景常駐。 Darley 描述，dot 一拿到權限就進入研究模式，像新上任的專案經理，先四處盤點自己能存取哪些東西、環境長什麼樣，整理成類似每日日誌的紀錄並持續更新。這個動作沒人要求，但它會一直做。對應到工廠，就是你下班關燈了，但有一台設備還在空轉。

第二是自己叫自己。 報導指出 dot 至少同時跑兩個代理，一個負責跟人講話，一個在背景蒐集資料，需要時還會再衍生子代理去做特定任務。155 次執行軌跡裡，有至少 50 次集中在兩分鐘內發生。Darley 說得很直白：使用者根本不知道有子代理在替自己工作，也不清楚它們怎麼拿到權限、在做什麼。

第三是越界重試。 這一條最值得警惕。OWASP 旗下的 GenAI Security Project 整理 2026 年第三季的 AI 資安事件，其中多起屬於「過度代理授權」——代理並沒有被壞人操控，只是環境沒把權限和連線鎖好，它在執行任務時就自己跑去碰了範圍外的系統。報導舉的例子包括：某個代理在找不到指定的測試目標後，轉而去找名稱相近的真實企業；另一個則把測試用的套件發布到公開的套件庫，結果在 15 個真實系統裡被執行。

把這三件事放在一起看，結論其實很簡單：這類工具的用量，不是「人用了多少」，是「它覺得還有什麼該做」。你的帳單跟你的工作量，中間沒有一條穩定的換算關係。

順帶一提，浮動的也不只是錢。據 BlockTempo 整理的多方報導，Meta 的個人代理 Muse 在安裝時會要求聯絡人、行事曆、完整磁碟存取等大量權限；研究者挖出的系統提示詞裡，甚至有一條是每小時替「使用者生活中的每個人」建一頁檔案。對一家要通過客戶稽核的工廠來說，這種「我也不確定它拿了什麼」的狀態，比費用更難交代。

連賣 AI 的公司自己都算不準

如果你覺得「算不出來」只是中小企業不會用，可以看看 Character.ai。

根據 BlockTempo 引述其執行長向破產法院提交的宣誓書，這家擁有約 1,200 萬月活躍用戶的公司，2026 年 8 月單月營收約 530 萬美元，但營運支出約 1,330 萬美元，收入不到支出的四成。最大的一塊支出是算力：2026 年前八個月累計約 5,610 萬美元，占營運支出約 45%；而 2025 年全年算力支出推算約是當年營收的五倍。

他們不是不努力省。宣誓書寫得很白：把運算搬到便宜的 GPU、改用別人公開的模型、裁員、併辦公室。支出確實一路降，但每個月仍然虧 800 到 900 萬美元。

一家專做 AI 的公司，用戶上千萬，都壓不住這條成本線。那麼一家三十人的工廠，憑什麼認為自己可以靠「省著點用」來控制它？

判斷法則：這筆錢能不能寫進報價單

所以到底哪些事可以用這種按用量計費的工具，哪些不行？

我的建議不是看重要性，而是問一個很土的問題：這個流程的成本，你能不能寫進報價單？

能寫進報價單的，代表它每天跑、量跟訂單成正比、停了會出事。這類流程的成本必須是固定的。

右邊那一欄有個很討厭的特性：用量跟訂單量正相關，所以旺季最貴——而旺季正是你最不能讓它停的時候。

這就是地端私有 AI 最被低估的地方，而它跟資安無關。把模型裝在自己機房的機器上，意思是硬體錢你一次付掉，之後多跑一百張報價單跟多跑一張，差別只有電費。這條成本線是平的。你可以在年初編預算的時候寫下一個數字，而且年底對得起來。

至於三年怎麼比，不需要什麼複雜模型：雲端是「每月不確定的金額 × 36」，地端是「一次性硬體 + 36 個月的電費與維護」。右邊那個式子，你現在就能算出來；左邊那個，連 OpenAI 的測試者都說，Token 用量跟實際工作成果並非一對一對應。

有幾種情況，我會叫你先別做

這段得講清楚，不然前面講的都像在賣機器。

用得太少就別買。 如果你想用 AI 的那個流程，一個月只跑三五次，那地端一定不划算。硬體錢攤不回來，老老實實買個訂閱、甚至先用免費的版本試，才是對的。地端划算的前提是「頻繁且重複」，不是「想要有」。

還沒想清楚要解決哪個流程就別買。 最貴的從來不是機器，是導入。買一台主機只要簽採購單，但讓五個人改掉用了十年的工作習慣，那是要花半年的事。先挑一個最煩、最重複、大家都抱怨的流程，從它開始。

別以為地端就沒有安全問題。 OWASP 那份回顧提到，澳洲通訊局指出目前仍沒有完全可靠的方法能防範提示詞注入，因此企業應建立人工核准機制，避免 AI 未經核准就執行敏感或高影響的操作。這一條在誰的機房裡都一樣成立。地端解決的是「資料不出門」和「成本可預測」，不是「可以放心讓它自己亂跑」。該鎖的權限還是得鎖，該有人按確認的地方還是得有人按。

還有一件我們也不確定的事。 模型進步得很快，今天買的硬體三年後會不會顯得笨重，誰都不敢保證。我們能說的是：如果你選的是開放權重的模型，換模型不用換機器，這件事確實降低了風險；但要說三年後完全不用再投資，那是騙人的。

回到那三筆美金

那位加工廠老闆後來做了一件事，很簡單：他請助理把過去六個月的帳單攤開，一筆一筆對回去，看每一筆是哪個同事、哪個流程產生的。

對了兩個晚上，結論是——報價單謄打這件事，用量很穩定，而且會跟著訂單走；其他幾筆是不同人各自試用不同服務留下的，有兩個訂閱根本沒人在用了。

他先退掉沒人用的，然後把報價單那一段，改成放在自己機房裡跑。不是因為資安，是因為他終於可以在明年的預算表上，給這一欄填一個數字。

會計不再問他這個月為什麼多三千塊。這對一家三、四十人的工廠來說，比什麼都重要。

如果你手上也有一個這樣的流程——每天都要做、很煩、很重複，而且你希望它的成本是一條平的線——可以告訴我們是哪一個。我們會一起看頻率、看資料在哪、看值不值得投硬體。如果算下來不值得，我們會直接說不值得，這比賣你一台機器對雙方都省事。

本文參考來源

• OpenAI 新個人 AI 代理全天候自動運作，企業小心背景 Token 開銷大增、成本失控｜TechNews 科技新報
• OWASP 回顧第三季 AI 資安事件，AI 代理越權成焦點｜iThome
• 攤開 Character.ai 破產帳本：月虧 800 萬美元，AI 生意真的行不通？｜BlockTempo 動區
• Meta 的 AI 代理 Muse 為何被罵是「寄生蟲」：它要你交出哪些個資？｜BlockTempo 動區