AI Coding 還在長，硬體估值為何先跌？關鍵在定價權
AI Coding 是這一輪最早證明有人願意付費的應用之一。奇怪的是，Cursor 等產品收入仍成長，市場卻開始下修硬體與閉源模型估值。問題不在需求消失，而在價值如何分配。
市場交易的是驚喜，不是絕對成長
報告引用 Cursor 的年度經常性收入路徑，顯示商業化仍在擴張。但只要企業席次、用量或續約沒有持續上修市場預期，投資人就會重新估算每一美元算力能產生多少軟體收入。這不是基本面反轉，而是估值模型從夢想版切回損益表版。
Token 用量是需求指標，Token 單價卻是變現指標。用量上升、價格下降時，收入未必等比例增加；若同時需要更昂貴的推理算力，毛利甚至可能落後於用戶成長。只看 MAU 或調用量，很容易把熱鬧誤認成現金流。
AI 應用成長的四個拆解指標
| 指標 | 看見什麼 | 最容易誤判的地方 | 較好的追蹤方式 |
|---|---|---|---|
| ARR | 付費規模 | 簽約不等於高毛利 | 淨留存、毛利、回收期 |
| Token 用量 | 實際使用需求 | 用量可能靠降價換來 | 單位收入與推理成本 |
| 模型排名 | 能力接近程度 | 榜單不等於企業可用性 | 可靠度、延遲、治理 |
| 席次／MAU | 滲透速度 | 活躍不等於關鍵工作流 | 日均使用、付費轉換、留存 |
開源模型壓縮的是閉源溢價
報告把 Kimi K3 進入主流模型排行榜前段，視為海外獲利模式重新定價的催化劑。當開源或低價模型把能力差距縮小，客戶更容易採取多模型路由，閉源供應商就更難單靠模型能力維持高價。
這不表示前沿模型沒有價值，而是價值來源必須往上移或往下沉：往上移到獨特研究能力與高難度任務，往下沉到企業資料、權限治理、工作流整合與可靠交付。夾在中間、只賣一般化 API 的服務，最容易遭遇價格競爭。
真正的護城河是切換成本與結果責任
AI Coding 產品的護城河不只在模型。IDE 入口、程式庫索引、團隊權限、評測資料、工作紀錄與部署流程，都會形成切換成本。當產品能為結果負責，而不只是交付一串 Token，定價權才比較穩。
因此，觀察應用公司不能只問『用了哪個模型』，而要問四件事：客戶是否持續付費、模型成本占收入多少、產品能否更換底層模型、每次使用是否累積專屬資料。答案越偏向後三者，模型商品化反而可能成為應用公司的毛利紅利。
用單位經濟看 AI Coding 是否真的賺錢
判斷 AI Coding 商業模式，至少要把每位付費用戶的收入、推理成本、客服成本與取得成本拆開。若月費固定，但重度用戶大量消耗高價模型，表面上的 ARR 成長可能伴隨毛利惡化；如果產品能依任務複雜度路由不同模型、使用快取與自建評測降低失敗重試，則模型降價反而能擴大毛利。真正重要的不是 Token 花得多不多，而是每一美元模型成本創造多少可收費成果。
企業版還要加入導入與續約成本。程式碼索引、權限設定、安全審查、內部教育與法務流程，可能讓第一年看起來很忙卻不賺錢；但一旦工具進入版本控制、測試與部署流程，續約與擴席的成本會明顯下降。這也是為什麼淨收入留存率比單純的新客數更重要：客戶願意增加席次與用量，才表示產品不只是工程師的新玩具，而是已經成為工作基礎設施。
台灣軟體團隊的機會不在再做一個聊天框
台灣團隊若直接與大型模型公司比通用能力，資金、資料與算力都不占優勢；比較可行的戰場，是進入具產業知識與責任邊界的垂直流程。例如製造業的規格比對、金融業的法遵檢核、零售業的商品資料治理，或中小企業的報價與採購。這些場景不只需要生成內容，還需要理解權限、例外、審核與歷史紀錄，正是通用模型最難單獨完成的部分。
商業上也不必只賣席次。若系統能明確降低工時、提高成交率或減少錯誤，可以採用基本訂閱加成果計價，把價格與客戶價值綁在一起。前提是企業必須保留評測資料與操作紀錄，證明結果確實由產品創造。開源模型的進步會讓底層能力愈來愈便宜，這對只賣模型包裝的人是壓力，對掌握場景、資料與分發的人反而是一份不斷下降的原料成本。
資料來源與策展方法
主要來源為廣發證券投資策略專題報告《誰將引領 AI 新敘事？》（2026 年 8 月 9 日）。本文依指定頁碼轉述、交叉計算並重新繪圖，不重製原報告版面；其中的預估值與情境假設，不等於公司財測。