AI 成本控管新顯學：Coinbase 執行長主張「模型路由」策略，讓算力不再是瓶頸
編輯核心觀點
- ✦Coinbase 執行長 Brian Armstrong 透過將任務導向低成本模型，在代幣使用量呈現指數級增長的情況下，成功將 AI 營運成本維持在平穩水準。
- ✦Armstrong 預測未來 12 至 18 個月內，約 80% 的工作負載將轉移至成本低廉 99% 的模型上，僅在科學突破或代理編排等需要「智力極大化」的場景才使用頂級模型。
- ✦科技界對此策略反應兩極，部分人士認為這是 AI 應用分層的必然趨勢，但也有觀點質疑其極端程度，並強調「智慧配置」將成為企業未來的核心競爭力。
AI 成本控管：從「追求極致」到「精準路由」
隨著 AI 應用熱潮從單純的「代幣消耗競賽（tokenmaxxing）」轉向追求營運效率，企業如何平衡 AI 效能與每月帳單成為關鍵。Coinbase 執行長 Brian Armstrong 近期於社群平台 X 分享了該公司的 AI 策略：不盲目追求最新模型，而是將提示詞（prompt）精準路由至合適的低成本模型。
Armstrong 指出，雖然如 Opus 4.8 或 GPT-5.5 等頂級模型具備強大效能，但其代幣消耗量驚人，且容易觸發速率限制。透過將任務分流，Coinbase 在代幣使用量呈現指數級增長的同時，成功將 AI 相關成本維持在相對平穩的狀態。
Armstrong 預測：「未來 12 到 18 個月內，80% 的工作負載將在成本低廉 99% 的模型上運行。」
他認為，只有在涉及科學研究突破或複雜的代理編排（agent orchestration）等需要「智力極大化（IQ maxing）」的場景時，才需要動用最頂尖的模型。Armstrong 總結道：「這讓我認為，未來的限制因素將是能源與算力，而非模型本身。」
科技圈的觀點分歧
這項策略引起了科技界領袖的廣泛討論。Hugging Face 共同創辦人 Julien Chaumond 表示，模型路由技術近期確實受到高度關注。Harvey 共同創辦人 Winston Weinberg 則強調，「智慧配置（Intelligence allocation）」將成為企業極為重要的能力。
然而，並非所有人都完全認同。Box 執行長 Aaron Levie 認為 Armstrong 的數據略顯極端，但他認同 AI 使用場景將出現分層：高階任務由頂級模型處理，而高頻次、大流量的任務則交由低成本模型完成。
這股追求效率的風潮，與過去矽谷創業圈崇尚的「盡情消耗代幣」文化形成鮮明對比。過去，科技領袖常以高額的 AI 帳單為傲，甚至有創業加速器建議創業者不必限制代幣使用。然而，隨著市場回歸理性，Glean 共同創辦人 Tony Gentilcore 評論稱，Armstrong 的觀點非常精準，並指出目前僅有金融市場仍試圖將頂級模型的價格無限放大推算。
