Sora 停運背後的 AI 供應商風險

Sora 曾衝到約 100 萬用戶。後來又掉到 50 萬以下。更狠的是，它每天大概燒掉 100 萬美元算力。講白了，這種帳一算下去，產品再酷也會出事。

這件事很適合拿來看 AI 產品的死穴。模型可以很會秀。用戶也可能一開始很買單。但如果每次生成都很貴，流量又留不住，商業模式就會直接裂開。

我覺得這不是單一產品失敗。這是整個 AI 供應鏈都會碰到的問題。你買的是模型能力，但付的是伺服器和 GPU 的帳單。

先看 Sora 為何撐不住

先講最現實的數字。100 萬用戶聽起來很多。可是一旦掉到 50 萬以下，經濟模型就會變得很難看。尤其是影片生成這種工作，算力成本本來就高。

影片不是聊天。聊天回一段字，成本還能壓。影片生成要跑更大的模型，還要吃更長的推理時間。每多一分鐘，都是真金白銀在燒。

問題不只在成本高。問題還在用戶不一定會常回來。很多人是衝著新鮮感來試一次。拍幾支影片、分享一下、然後就放著不用。這種產品很容易爆紅，但很難養成日常使用。

• 峰值用戶：約 100 萬
• 後期用戶：低於 50 萬
• 每日算力燒錢：約 100 萬美元
• 主要工作負載：影片生成，AI 裡最貴的類型之一

這裡的重點很簡單。只要使用頻率不夠高，單次成本又太重，營收就很難追上支出。就算你有很漂亮的 demo，也不代表這個產品能活。

而且這種問題通常不是慢慢壞掉。它會突然爆。前面看起來像成長，後面一算帳，才發現每個用戶都在拖累毛利。

AI 供應商為什麼常被打臉

這種事不只發生在 Sora。很多 AI 供應商都會遇到同一個坑。你賣的是 API、訂閱，或是某種使用額度。但真正付錢給雲端和晶片廠的，是你自己。

這個落差很要命。因為收入通常是固定的，成本卻跟著實際使用量跑。只要用戶一多，或每次請求一重，帳單就會往上飛。

再來是產品型態的差別。聊天工具可以靠高頻使用撐營收。影片工具卻常常是低頻、重度、偶發。這代表留存率和變現方式都更難做。

像 Anthropic、OpenAI、Google Gemini 這類產品，都得一直算推理成本。只是影片比文字更兇。文字像小吃店。影片像開火鍋店。不是不能做，是成本結構完全不同。

“Every cloud has a silver lining.” — Anais Nin

這句話很適合拿來看 AI 產品。表面上是成長。背後可能是成本炸裂。你看到的是漂亮畫面，財務看到的是 GPU 帳單。

所以供應商真正該管的，不是只有模型準不準。還要管每次輸出到底花多少錢。這才是能不能活下去的核心。

跟便宜 AI 產品比，差很多

如果拿 Sora 跟文字型 AI 比，差距很直觀。文字回覆通常很便宜。就算是長文，也比影片生成省太多。這也是為什麼很多公司先做聊天，再碰影片。

圖片生成也比影片好養。雖然圖片比文字貴，但至少還能控制在可接受範圍。影片就不一樣了。它的輸出更大，運算更重，等待時間也更長。

這會直接影響商業模式。文字工具比較容易塞進訂閱方案。影片工具如果沒有很強的付費理由，很容易變成一次性玩具。你可能很想玩，但不一定會一直付錢。

• 文字生成：單次成本低，適合訂閱制
• 圖片生成：比文字貴，但仍可控
• 影片生成：算力最高，最難大規模收費
• 留存表現：日常工作工具通常高於創意新奇工具

再看開發者角度，差別更明顯。你如果用 OpenAI API，一定要先算每個任務的成本。不要只看 prototype。prototype 看起來都很香，真的上線才知道帳單有多兇。

這也解釋了為什麼很多團隊會先做聊天、摘要、搜尋這些低成本功能。因為這些功能比較能撐住大量請求。影片或高解析生成，通常只能當高價功能。

對開發者來說，風險不只在模型

很多人以為 AI 風險只在模型準不準。其實更麻煩的是供應商風險。你一旦把產品綁在單一平台上，就等於把價格、政策、停機、配額，全交給對方決定。

這件事在台灣團隊特別要小心。很多新創很愛先接一個 API 就開幹。速度是快啦。可是等到價格調整，或模型下架，整個產品線就會被卡住。

所以比較實際的做法，是先設成本上限。再來做使用量控管。最後留一條 fallback 路線。不要把所有功能都押在同一顆模型上。

像 Hugging Face Transformers 和 PyTorch 這類工具，就是很多團隊的備援選項。不是因為它們最便宜，而是因為你能自己掌握更多主控權。

我覺得最該做的不是追最強模型，而是看單位經濟。每個 active user 花多少？每次輸出花多少？用戶三天後還回來嗎？這些數字，比 demo 好看太多了。

這波其實在提醒整個產業

AI 產業現在很像早期雲端時代。大家都在拼速度，拼功能，拼曝光。可是最後活下來的，通常不是最會喊口號的，而是最會算帳的。

影片生成尤其如此。因為它同時吃模型、吃 GPU、吃頻寬、吃等待時間。只要有一個環節卡住，體驗就會掉。只要體驗掉，留存就會掉。留存一掉，成本就更難攤平。

所以我會把 Sora 的停運，看成一個很直接的警告。AI 產品不是只看效果。還要看成本曲線。尤其是當你把產品做給一般消費者時，付費意願通常沒有你想像中高。

這也是為什麼很多團隊現在會把 AI 功能拆小。先從文字、搜尋、助理開始。等成本模型穩了，再碰影片或多模態。這不是保守。這是活下去的方法。

結尾：先算帳，再談酷不酷

如果你正在做 AI 產品，我的建議很直接。先算每個功能的成本。再算留存。最後才看成長。順序顛倒，通常會很慘。

接下來 12 個月，真正能活下來的 AI 服務，應該都會有一件事很像：它們不一定最炫，但一定知道自己每次呼叫 API 到底燒多少錢。你如果現在還沒算這筆帳，真的該開始了。