AI 需求把雲端支出推高 29%

全球雲端基礎設施支出在 Q4 2025 衝到 1109 億美元。年增 29%。這不是小波動，是整個市場一起加碼。

說白了，錢主要花在 AI。訓練、推論、資料處理，全部都在吃伺服器和 GPU。雲端大廠只能跟著擴容量，不然客戶一多就塞車。

問題也很直接。企業一邊喊要上 AI，一邊又盯著成本。結果就是雲端支出往上跑，採購團隊卻還在算每個 Token 的成本。

為什麼帳單一直變大

這波支出成長，核心就是容量。AWS、Google Cloud、Microsoft Azure 這些 hyperscaler，現在買的不只是機器，是整套 AI 基礎設施。

AI 訓練很吃 GPU。推論也不便宜，尤其是高頻請求、長上下文、RAG 這些場景。你如果把模型放進產品主流程，雲端帳單通常會先嚇你一跳。

另一個原因是企業工作負載沒有停。傳統 SaaS、資料倉儲、串流分析、備份與災難復原，這些都還在。AI 只是把原本就不低的雲端支出，再往上疊一層。

• GPU 採購和機房建置同步增加
• 推論流量把即時算力需求拉高
• 企業把更多資料搬上雲
• 大型模型服務吃掉更多網路與儲存資源

誰在付錢，誰在賺錢

這筆錢不是平均分。Microsoft、Amazon、Google 這類大廠，因為掌握雲端、AI 平台和銷售通路，最容易把需求轉成營收。

但客戶端的感受通常沒那麼美好。很多團隊會先做 PoC，再發現正式上線後成本比預期高 2 倍，甚至 3 倍。這時候大家才開始認真看 cache、batching、量化和模型路由。

NVIDIA 也在這波裡面吃到大量需求。因為雲端擴容的核心硬體，很多還是繞不開它的 GPU 生態。講白了，雲端大廠買卡，最後還是得看供應鏈。

“The AI boom is very real, and it’s very expensive.” — Satya Nadella

跟其他雲端時期比，這次有什麼不同

以前雲端成長，主力是搬遷和數位轉型。現在不一樣，AI 是直接吃算力。差別在於，傳統雲端多半是穩定流量，AI 則是高峰明顯，而且單次請求成本高很多。

另一個差別是投資節奏。過去企業常常先省錢，再慢慢上雲。現在很多公司是先買算力，再想怎麼把產品做出來。這種順序，會讓支出先衝很快。

如果把幾家主要供應商放一起看，差距也很明顯。Oracle Cloud 主打資料庫與企業客戶。DigitalOcean 則偏中小團隊。IBM Cloud 走的是既有企業關係。AI 時代的錢，還是更偏向能拿到大規模 GPU 與網路資源的人。

• 傳統雲端：搬遷、儲存、SaaS 為主
• AI 雲端：GPU、推論、向量資料庫為主
• 傳統工作負載：成本相對可預測
• AI 工作負載：成本波動更大

台灣團隊該怎麼看

對台灣開發者來說，這代表兩件事。第一，AI 產品不只要看模型效果，也要看雲端成本。第二，架構能力會變重要，因為省 10% 成本，可能直接影響毛利。

很多團隊現在都在改做法。有人把大模型請求拆成多段。有人先用小模型過濾，再丟大模型。也有人把熱門內容快取起來，避免每次都重算。這些都不是花招，是生存技能。

如果你在做 SaaS、客服、搜尋或內容生成，我會建議你先算三個數字：每次請求成本、每月峰值流量、以及模型切換後的節省幅度。這三個數字，比 Demo 好不好看更重要。

接下來會怎麼走

我覺得接下來半年，雲端支出還會繼續偏高。原因很簡單，AI 需求沒有退燒，企業也還在試著把它塞進產品和內部流程。

真正的變數是效率。如果模型更省 Token，或推論硬體更便宜，雲端帳單才可能慢下來。反過來說，只要大家還在拼命上 AI，雲端大廠的資本支出就很難停。

對開發者來說，現在最實際的問題不是「要不要用 AI」，而是「怎麼用得不爆預算」。先把成本算清楚，再談規模，會比較像在做生意，不是在燒錢。