生成式AI與內容產業：當創作工業遇上算力成本
生成式AI正迅速改寫內容產業的供應鏈，但許多人看見的是「生成很快」，較少看見的是「運算很貴」。文字、圖片、聲音到影片，表面上都是把提示詞變成內容，背後卻是截然不同的成本曲線。以ChatGPT一類文字模型而言，成本主要落在推理，也就是每次回答時消耗的GPU算力、記憶體頻寬、資料中心電力與冷卻。OpenAI官方API定價顯示，文本模型通常按輸入與輸出token計費，例如GPT-4.1每百萬input tokens約2美元、每百萬output tokens約8美元；這種定價雖不等於ChatGPT前台真實成本，卻足以反映其商業邏輯：文字生成已逐步走向可細分、可優化、可規模化的單位成本管理。與此同時，Epoch AI估算，一次典型ChatGPT查詢的耗電量約0.3瓦時，顯示文字生成雖昂貴，卻已比早期市場想像更接近可承受區間。
但一旦從文字走向影片，成本結構立刻改觀。影片不是多幾個token那麼簡單，而是把時間維度、畫面一致性、物理運動、鏡頭切換與視覺細節全部納入推理過程。這代表模型不只要「寫答案」，還要「連續地生成世界」。也因此，Sora這類影片模型的成本，不再只是單次互動，而是高密度、長時長、多模態的推理負擔。市場分析曾估算，單支短片生成的GPU時間遠高於文字問答；媒體近日引述分析師說法，更把Sora的年度化運營壓力推到極高水位。即使外界數字未必完全精準，方向卻十分清楚：影片生成是生成式AI中最吃算力、也最難迅速壓低邊際成本的賽道。
這也說明，內容產業若全面導入生成式AI，真正的競爭不只在模型能力，而在誰能承擔推理成本。過去媒體、廣告、影視與遊戲產業的核心成本，主要是人力、版權、拍攝、後期與通路；如今則多了一項新支出：算力採購與基礎設施調度。換言之，AI不是單純替代勞動，而是把部分製作成本，從人力資本轉為機器資本，從創意工時轉為資料中心帳單。對內容平台而言，若使用者只是偶爾生成文字，訂閱費或廣告尚可支撐；但若大量開放高畫質影片生成，平台就必須面對「使用越熱、虧損越深」的反常現象。
從這個角度看，Sora近期的收縮與調整，就不只是產品命運，而是整個產業經濟學的提醒。OpenAI官方已確認，Sora 1自2026年3月13日起不再於美國提供；同時，3月中旬亦出現Sora影片生成故障事件。更關鍵的是，多家媒體在2026年3月24日至25日報道，OpenAI正停止Sora獨立影片應用，並把資本、算力與人才轉向企業產品、基礎模型與機器人相關研究。這些公開資訊至少透露三個可能原因：第一，影片生成的單位經濟性仍然吃緊；第二，消費級產品的留存與付費未必足以覆蓋高昂算力；第三，當算力本身稀缺時，企業自然會優先配置到回報更直接的業務。
這對內容產業的啟示十分現實：生成式AI未必先淘汰內容工作者，反而可能先淘汰「免費且無節制生成」的商業幻想。未來真正可持續的模式，不可能是讓所有人無限量生成，而是分層供應：低成本文字與圖片作為流量入口，高成本影片與複雜推理則轉向企業級、項目制、授權制或高訂閱門檻。
義合控股投資者關係部
（芯片與算力系列之42）
