兩位主管問阿峰老師同一句話：現在導入 AI，是不是買在山頂？
你不是 AMD 的股東，也不是 OpenAI 的債權人。這題答對了沒有獎金。阿峰老師：真正該問的是另一題。
最近，兩位高階主管問了阿峰老師同一句話，連用字都差不多：
「老師，現在導入 AI，會不會是買在山頂？」
這封信不會告訴你答案是「會」或「不會」。會告訴你為什麼這題不值得回答，以及力氣該放哪。
📢 就在明天！8/6（四）19:00｜阿峰老師 × Kent：企業 AI 落地實戰分享會
應用 × 基礎設施——阿峰老師講你怎麼把 AI 用起來，Kent 講他怎麼幫企業接上 AI 模型。
線上 Google Meet，免費，目前已有 68 人報名。
👉 立即報名
7 月 22 日那一天，兩則打對台的新聞
說「錢還在進場」的那一則：AMD 宣布與 Anthropic 策略合作，部署最高 2GW 的 Instinct MI450。加上先前的 OpenAI（2025 年 10 月）與 Meta（2026 年 2 月）各 6GW，AMD 對三家前沿 AI 公司的累計承諾來到約 14GW。大廠在用十年為單位下注。
說「這是泡沫」的那一則：同一天，一篇調查報導引述日經的追查——五家超大雲端業者用 SPV 把約 1.65 兆美元的債務挪出資產負債表，比帳面上的還多。帳面漂亮，不代表體質健康。
（來源：AMD 與 Anthropic 合作新聞稿／Futurism 調查報導）
先別急著選邊站。這兩則新聞不是同一件事，但它們問的是同一個問題。
錢，是從哪邊流到哪邊
多數報導只抄了 14GW 這個總數。真正值得看的是錢的流向。
在 AMD 那份宣布 2GW 合作的新聞稿裡，還有另一段：AMD 承諾對 Anthropic 做最高 50 億美元的股權投資——是上限，時程與條件都沒有揭露。
外界普遍質疑的結構是這樣：供應商出錢投資客戶，客戶再拿這筆錢回頭跟供應商下單。
換成你的公司：你投資了一家供應商，那家供應商拿你的錢跟你買貨。兩邊業績都很漂亮——但這筆生意到底是不是真的？
這在會計上完全合法。但它讓一件事變得很難判斷：帳面上的錢，有多少是真的？
那篇講「債務藏在表外」的報導，問的就是這個問題——只是對象是另外五家公司。
而這裡最要命的地方，不是它可能是泡沫。是連華爾街都算不出來。連他們都算不出，你更不可能。
所以，別把公司的 AI 決策押在這題的答案上。
這種事發生過
2000 年的光纖泡沫，公司倒了一票，當年那批被認為嚴重過剩的光纖，後來撐起了整個串流時代。泡沫破掉的是估值，不是基礎建設。
所以「AI 是不是泡沫」這題，答案很可能是：是泡沫，而且該蓋的東西還是會蓋完。 兩件事同時成立。
問題是——這個答案對你完全沒有用。
真正該問的，不是「會不會破」
阿峰老師帶過 400 多家企業做 AI 培訓，看過最常見的一種卡住，就是老闆把兩個完全不同的問題混成同一題：
產業題：AI 產業會不會泡沫化？
答對了沒有獎金。你不是 AMD 的股東，也不是 OpenAI 的債權人。
自己題：我的團隊用不用 AI，一年後差多少？
差距不是一次拉開的，是每天一點點，一年後你才會嚇一跳。
第一題是總體經濟，你影響不了也預測不準。第二題是你手上的方向盤。
你賭的不是產業，是你自己的生產力。 就算明天 AI 公司股價全部腰斬，你的業務用 AI 寫一封開發信的時間也不會變回三十分鐘。能力一旦長出來，不會跟著股價一起蒸發。
一個反方向的證據：工具還在變便宜
如果 AI 產業真的在崩，工具應該愈來愈貴才對。實際發生的是相反的事。七月底 Anthropic 發表 Claude Opus 5，價格維持前一代水準沒漲（$5／$25，跟 Opus 4.8 完全一樣），能力明顯跳升（來源：Anthropic 官方發布）。而公開的評測資料還顯示：把推理檔位開到最高，某些項目分數沒有更好，成本反而更高——日常任務用中等檔位就綽綽有餘（完整解析）。
不管上游那些錢怎麼繞，下游使用者拿到的東西是實實在在變好、變便宜。所以「再等等看」其實是最貴的選項——觀望的成本不是等泡沫破了才一次結算，是每天都在扣。
台灣企業現在能做什麼
不要因為看不懂總體經濟，就把手上能做的事也停掉。下面這三件事，跟 AI 產業的估值一點關係都沒有：
① 先算一題數學，不要先買授權
挑一個團隊裡最常重複的流程——週報、開發信、會議記錄都可以——算清楚現在每週花掉幾個人、幾小時。這件事本身就能丟給 AI：把上個月的週報整批貼進去，叫它列出「每份週報裡重複出現的段落」。跑完你就知道哪些是真的在做事，哪些只是在搬字。
沒有這條基準線，三個月後成效永遠各說各話：老闆覺得沒感覺，員工覺得白忙。
② 把預算放在「會用」，不是「買到」
阿峰老師看過太多企業花二十萬買了整團隊授權，半年後一半的人還在把 AI 當 Google 用——問一句、得一句、關掉。工具不是護城河，你們公司的流程怎麼跟 AI 接起來才是。
③ 從非工程職開始，不是從 IT 開始
104 在 2026 年 6 月的 AI 人才趨勢報告裡，需求成長最猛的不是工程師：專案／產品管理 +263%、業務銷售 +248%、行銷 +165%。AI 落地的主戰場已經從機房移到辦公室——如果你的 AI 專案還掛在資訊部門當技術案子做，方向可能就偏了。
這幾件事，泡沫破了要做，不破也要做。
你的團隊，現在卡在哪一關？
看完上面三件事，如果心裡浮出的是「道理我懂，但不知道從我們公司哪個流程開始」——這是阿峰老師在 400 多家企業裡聽到最多的一句話。
直接回信，回一句話就好：
你的團隊現在最想丟給 AI、但一直沒動手的那件事是什麼？
公司職務有寫更好，沒寫也沒關係。阿峰老師會親自回。下一期會挑幾個最多人卡住的，直接在信裡拆解。
想先看做法，官網有企業內訓的實際案例：www.autolab.cloud
本週文章
📄 提示詞就是交辦單：一個公式讓 AI 一次聽懂你要什麼
角色 ＋ 任務 ＋ 背景 ＋ 格式。把 AI 當成很聰明但完全不認識你公司的新人，交辦單就知道怎麼寫了。
https://www.autolab.cloud/blog/prompt-is-a-work-order
— 阿峰老師
P.S. 這封信之前斷了一個多月。原因很老實：四月的時候阿峰老師想每天「手寫」一封，結果讀者還沒累，自己先陣亡了。
這次不一樣的地方，是把整條產線自動化了——選題、素材、排版都有系統在跑，人只負責最不能外包的那部分：觀點。
節奏定在每週一、三、五早上各一封。上週日那封考 AI 繁體中文的是第一封，這是第二封。