AI 超級週期是巨頭的資本遊戲：史丹佛這堂課，教中小電商老闆別追熱點、先守住你的「護城河」
2026 年，四大雲端巨頭（Amazon、Google、Meta、Microsoft）光是蓋 AI 基礎設施的資本支出（capex，capital expenditure），加起來預計要燒掉大約 7,250 億美元。
比 2025 年的 4,100 億暴增 77%。分析師還說，2027 年這個數字有機會突破 1 兆美元。（數字為多家券商與分析師預估，見 Tom's Hardware 彙整報導。）
我知道你看到這種數字，第一個反應通常是焦慮。
「大家都在 all in AI，我這間小店是不是要被時代輾過去了？」
先深呼吸。這篇文章想跟你聊的，剛好相反。
這 7,250 億美元裡，沒有一分錢是為了幫你多賣一件衣服。這是巨頭的資本遊戲，不是你的。而真正跟你這間中小電商有關、卻幾乎沒人講白的，只有三件事。
這些觀點，我是從史丹佛大學一堂課整理出來的。課程叫 Stanford MS&E435《Economics of the AI Supercycle》（AI 超級週期的經濟學），來賓是 Databricks 共同創辦人暨執行長 Ali Ghodsi，主持人是創投 Altimeter Capital 合夥人、同時在史丹佛兼課的 Apoorv Agrawal。一個是蓋資料平台的實戰派（Ali Ghodsi 本身是分散式系統學者、Apache Spark 的共同作者），一個是天天在看錢往哪流的投資人。他們聊的東西很硬，是總體經濟、是產業結構。但我把它翻成中小電商老闆聽得懂的話，你會發現，這堂課根本是在替你消焦慮。
第一件事：你被嚇到的那些話，是「隧道視野」
Ghodsi 在課堂上講了一個詞，我特別有感：tunnel vision（隧道視野）。
意思是，當一件事在社群上炒得火熱，你會只盯著那條窄窄的隧道看，忘了外面的世界長什麼樣子。
你在 Twitter（現在叫 X）上看到的那些話：「軟體業要死了」「AI 一年內取代所有客服」「不會用 AI 的人會被淘汰」。Ghodsi 的判斷很直接：這些多半是社群噪音催出來的集體恐慌，不是理性判斷。
他甚至搬出 AI 學界的老前輩、加州大學柏克萊分校教授 Michael Jordan（對，跟籃球明星同名，但這位是機器學習的宗師級人物）的觀點。Michael Jordan 有一篇很有名的文章叫〈The Revolution Hasn't Happened Yet〉（革命還沒發生），核心意思是：現在的大型語言模型，本質上是一台「統計預測引擎」，把一堆繁瑣的流程搬到晶片上跑而已。所謂「超級智慧（superintelligence）」很大程度是被神話出來的敘事，反而讓大家分心。
重點是什麼？
越焦慮，你越容易做錯決定。
我自己就踩過這種坑。不是 AI，是早年的工具訂閱。那幾年每次看到同業在用什麼新工具、上什麼新平台，我就怕落後，手滑訂一堆。結果一半的工具我根本沒時間打開，帳單倒是月月準時來。那種「別人都在跑，我不跑不行」的恐慌，花的都是你自己的真金白銀。
現在 AI 這波，恐慌的規模只會更大。因為新聞天天在報巨頭燒錢、模型改版、誰又超越誰。
但你要看清楚：那個賽道上跑的是 Nvidia、OpenAI、Anthropic、幾家雲端巨頭。他們在比誰的算力大、誰的資料中心蓋得快。這場資本軍備競賽的勝負，跟你這間蝦皮加官網的保養品小店，八竿子打不著。
你知道最反直覺的是什麼嗎？
AI 的「原料」正在崩價。根據多家 LLM API 定價比較的統計，過去一年多，大型語言模型（LLM，Large Language Model）的 API 使用價格整體掉了大約六到八成。開源模型一路追上來，是壓低價格的重要推力之一，OpenAI、Google、Anthropic 這一兩年也都各自調降過模型價格。
這對你是好消息。以前你想在客服、商品文案上用 AI，成本高得讓人卻步；現在同樣的東西，便宜到你不用白不用。
但這裡有個陷阱，帶我們進到第二件事。
第二件事：AI 幫不上忙的地方，才是你的護城河
模型變便宜、變成人人都拿得到的原料，那護城河到底在哪？
Ghodsi 給了一個我覺得非常值錢的答案：context（脈絡）。
他說，AI 沒有你公司的脈絡，就會犯一堆又蠢又沒用的錯。真正把生意做起來、讓 AI 能派上用場的關鍵，不在模型本身，而在你那些藏起來、沒被數位化的「脈絡」。
這句話翻成台灣中小電商的白話文，是這樣的。
想像一下你店裡那位做了十年的老員工，或是老闆娘自己。她腦袋裡裝著什麼？哪個供應商一到旺季就會拖貨、要提早兩週下單；哪一款 SKU 退貨率特別高，八成是尺寸標示的問題；哪一類客訴一上來，先道歉再送一張折價券就能安撫，硬碰硬只會被寫上黑特。
這些 know-how，不在任何一個 AI 模型裡。
這就是你的護城河。不是你的網站程式碼，不是你用哪套系統，而是你這些年累積下來的第一方資料，加上那些綁在人腦和 Excel 裡、外人偷不走的營運脈絡。
我在雨傘產業做了七年，從工廠業務做到品牌、做到百貨櫃哥，最懂這種「隱形資產」的價值。同一支傘，為什麼有的通路好賣、有的怎麼推都推不動？答案從來不在型錄上，在你跑過幾百趟通路、跟店長喝過幾次咖啡累積出來的手感裡。那種東西，新來的業務再聰明也得從頭磨。
現在 AI 時代，道理一模一樣。
Ghodsi 舉了一個企業界的例子。很多公司想導入 AI 做預測、做分析，結果卡在哪？卡在資料孤島。訂單在一個系統、客戶資料在另一個系統、後台又是另一套，光是把這些「連接器（connectors）」接起來就搞死人。他們公司 Databricks 做的很大一塊生意，其實就是幫企業把散落各處的資料打通。
聽起來很遙遠？一點都不。這根本是你每天的日常。
你早上打開電腦，蝦皮的訂單在一個後台，官網的訂單在另一個，LINE 官方帳號的客服對話又是一個地方，實體店的 POS 機收銀資料再一個。四座孤島，各說各話。
你想叫 AI 幫你看「哪些是只買一次就不回來的客人、該怎麼召回」，但你的資料根本沒打通，AI 看到的只是殘缺的半張臉，它給你的建議當然又蠢又沒用。
所以真正的護城河工程，是先把你的第一方資料整理、打通。這件事不性感，沒有新聞會報，但它才是 AI 時代你最該優先守住的東西。關於「為什麼第一方資料比模型更關鍵」，我之前寫過一篇 AI Agent 時代新護城河，可以搭配著看。想把老員工腦袋裡的 SOP 變成 AI 用得上的東西，也可以參考 Agent Skills 怎麼把團隊 SOP 變成 AI 技能包。
第三件事：生產力靠重組流程，不是貼一個 AI 上去
這是整堂課我最喜歡的部分，Ghodsi 搬出了一段科技史。
一百多年前，工廠從蒸汽機時代進到電力時代。你以為工廠一裝電動馬達，生產力就飛了？
沒有。
史丹佛經濟學者 Paul David 有一篇經典論文〈The Dynamo and the Computer〉（電力機與電腦，1990 年發表於《American Economic Review》）專門講這件事。工廠一開始只是把中央那台大蒸汽機，換成一台大電動馬達，其他照舊。天花板還是那套巨大的傳動軸、皮帶，一台馬達帶動全廠機器。結果生產力幾乎沒動。
真正的跳升，是等到工廠敢打掉重練：每台機器各配一顆自己的小馬達（當時叫 unit drive，單機驅動），重新規劃產線動線、重排廠房佈局之後，才發生。
這一等，等了大約三、四十年。
這也對應到經濟學家 Robert Solow 那句名言：「你到處都看得到電腦時代，就是在生產力數字裡看不到。」
Ghodsi 的意思很清楚：AI 也一樣。你以為裝了 AI 就會變強，但只換工具、不重組流程，生產力不會跳。
這就像從蒸汽機進化到電力，你光把動力來源換掉，卻不敢動那套老產線，等於白換。
翻成你的日常。你在 ERP 貼一個 AI、金流後台貼一個 AI、客服再貼一個 AI 聊天機器人，每個系統各自為政，你會很失望，因為生產力根本沒有你想像的跳升。
你知道為什麼嗎？
因為你只是把蒸汽機換成馬達，沒有重排產線。
正確的做法，是先把前面講的資料孤島打通，然後重新設計流程：讓 AI 拿得到完整的客戶脈絡，讓它能一路從「發現這個客人快流失」，串到「自動草擬召回訊息、掛好折扣碼」，而不是在四個斷掉的系統之間各做各的。這種跨系統打通，大公司也還在摸索，我之前解讀 Salesforce Headless 360 就是在講這件事。
以前你要的是「哪個工具最厲害」，現在你要的是「我的流程該怎麼重排，才配得上這些工具」。
這是心態的轉變，也是慢功夫。
Ghodsi 最後提到一個人：Jeff Bezos。他說 Bezos 之所以是 Bezos，是因為他永遠在看長線，不被眼前的市場炒作牽著走。這波 AI，你也該用這種眼光看。
給中小電商老闆的 5 個行動建議
講了這麼多，切入重點。你現在該做什麼？
► 第一：先列出你本月最頭痛的 3 個營運痛點，再決定 AI 要解哪一個。 別對著「軟體要死了」的貼文焦慮，也別照著網紅的工具清單一個一個裝。巨頭燒 7,250 億美元的軍備競賽，是他們的資本遊戲，不是你的戰場。你的戰場在你的顧客和訂單裡。
► 第二：盤點你店裡的「脈絡」在哪。 那些藏在老員工腦袋、老闆娘經驗、散落 Excel 裡的 know-how，是你的護城河。先把它們寫下來、數位化，這比買任何 AI 工具都重要。
► 第三：先打通資料孤島，再談 AI。 蝦皮、官網、LINE、POS 的資料如果還各說各話，你導入的 AI 只會給你又蠢又沒用的建議。資料先通，AI 才有意義。
► 第四：用便宜的 AI 做對的事。 模型原料在崩價，你不需要追最貴最新的。用平價模型把回客訴、寫商品描述、整理資料這些苦工自動化，省下的錢和時間，投在整理你的第一方資料上。
► 第五：別只換工具，要重排流程。 導入 AI 前先問自己：我的作業流程願不願意跟著改？如果只是把 AI 貼在舊流程上，你會跟那些只換馬達、不重排產線的工廠一樣，白忙一場。
最後，一句話收尾
如果你問我，這波 AI 超級週期對中小電商最大的意義是什麼？
答案不是「你要趕快追上巨頭」。是「你終於有藉口，好好整理你這些年沒空整理的家底」。
巨頭在天上燒他們的錢，蓋他們的算力工廠。你在地上，把你的顧客資料、你的營運脈絡、你的流程，一塊一塊重新排好。
三、四十年前那些先重排產線的工廠，後來多半都拉開了差距。這一次，輪到你了。
常見問題 FAQ
Q1：什麼是「AI 超級週期」（AI Supercycle）？
指 AI 技術在未來數十年，透過基礎設施投資、應用落地與組織架構升級，對經濟持續產生深遠影響的長週期。目前最外顯的一面，是雲端巨頭在資料中心與算力上的巨額資本支出（2026 年四大巨頭合計約 7,250 億美元）。但史丹佛這堂課的重點是提醒大家：資本狂潮只是表象，真正的價值要等組織重組後、經過數十年才會完全兌現。
Q2：AI 會讓軟體業（SaaS）消失、我的官網系統會被淘汰嗎？
Ghodsi 的判斷是不會。開發門檻降低確實讓做軟體更容易，但具備資料規模與流程耦合的軟體公司，護城河反而更深。對你來說，該顧的重點不是換掉哪套系統，而是你的第一方資料與營運脈絡有沒有持續累積起來。
Q3：中小電商在 AI 時代的護城河到底是什麼？
不是程式碼、不是你用哪個模型，而是你累積的第一方資料（顧客、訂單、行為），加上那些藏在人腦和流程裡、外人偷不走的營運脈絡（context）。AI 幫不上忙的地方，正是你最該顧好的地方。
Q4：我現在該不該把客服、小編換成 AI？
別急著「換掉」，先想「重排」。如果只是把 AI 聊天機器人貼在斷裂的舊流程上，效果會讓你失望。先打通資料、把老員工的脈絡數位化，再讓 AI 在完整脈絡上工作，才會真正提升生產力。這就像工廠當年，不是換了馬達就變強，而是重排產線後才跳升。
協作聲明與免責
這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。
內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。
