AI 推論成本下跌速度超越摩爾定律（Moore’s Law）所描述的晶片發展趨勢。AI 研究機構 Epoch AI 發表報告指出，在相同測試表現下，使用 AI 模型的成本自 2023 年起平均每季下跌約 47%，相當於每年便宜約 13 倍。這個跌速超越運算技術、DNA 排序及鋰電池。對企業而言，價格急跌也帶來一個問題：是否仍值得長期依賴單一 AI 供應商？
AI「思考」成本跌速冠絕多項科技
Epoch AI 在《The Plunging Price of Thought》報告中，將 AI 模型產生答案的能力比喻為「人工思考」（artificial thought），並比較多項科技的成本變化。研究估計，相同表現水平的 AI 推論成本自 2023 年起每季下跌約 47%。若把這個跌速延伸至約 5 年，累計降幅可達數十萬倍；不過報告主要分析的是約 3 年數據，較長時期的跌幅仍屬推算。
以平均每年跌價速度比較，AI 推論成本下降速度約為 DNA 排序的 4 倍、傳統運算技術的 6 倍、鋰電池的 18 倍，以及早期電力發展的 54 倍。Epoch AI 同時提醒，AI 服務持續演變，與電力或電池等產品並不完全相同，跨技術比較只能作為參考。
不足 18 個月成本下跌約 725 倍
報告以 GPQA Diamond 科學問答測試說明跌幅。Epoch AI 估計，OpenAI 於 2025 年 1 月推出的 o3 模型，每題平均花費 0.3 美元（約港幣 HK$2.34），可達到報告所採用的 75% 表現水平。不足 18 個月後推出的 GPT-5.6 Luna 達到相同水平，每題成本約 0.0004 美元（約港幣 HK$0.003）。按報告未經四捨五入的數據計算，成本下跌約 725 倍，相當於一輛售價 5 萬美元（約港幣 39 萬元）的新車，跌至約 69 美元（約港幣 HK$538）。
不過不同任務的跌價速度並不一致。數學測試所需成本每年下降約 16 至 19 倍，棋類等遊戲測試則下降約 7 至 10 倍。報告亦發現，某種表現水平剛達業界前沿時，其成本平均每季下跌 66%；約 2 年後，季度跌幅放緩至 32%。研究人員推測，廠商初期可憑領先表現收取較高價格，隨着競爭對手追上，價格便迅速回落。
價格急跌考驗訂閱服務價值
價格競爭令前沿 AI 供應商難以單靠模型表現維持溢價，晶片及電力等投入成本則可能增加經營壓力。不過 Epoch AI 的研究衡量的是特定測試表現所需的最低成本，並非所有企業或用戶實際支付的價格；報告亦沒有斷言 AI 訂閱制將難以維持。
報告提醒，廠商可能針對指定測試訓練模型，即所謂「Benchmaxxing」，令分數提升未必等同實際工作能力改善。研究採用部分較難預先準備的測試減低影響，但仍無法完全排除這項限制。
對用戶而言，便宜模型若已足以完成日常任務，持續選用最新旗艦模型的理由便會減少。惟價格並非唯一考慮：介面熟悉程度、現有工作流程整合，以及服務穩定性，同樣影響轉換供應商的決定。因此，價格急跌未必令訂閱服務失去價值，卻會促使供應商更清楚展示高價方案帶來甚麼實際效益。
對香港企業而言，成本下降可降低試用 AI 的門檻，讓中小企以較少預算測試客服、文件整理及內部知識搜尋等用途；但不宜只按公開測試分數或單次提問價格採購。企業可先用自身任務比較不同模型的準確度、總使用成本及與現有系統的整合難度，並在合約和技術架構上保留更換供應商的彈性。處理客戶或員工資料時，亦應一併評估資料保護及存取權限，避免表面上的運算成本節省，換來更高的轉換或管治成本。
