多用一度電,能不能多創造一度電價格的價值?

原稿用「電力=演算力=貨幣」串起比特幣和AI。它抓到數位工作依賴實體資源,卻把投入、產出與價值畫成太整齊的等號。

本文原發表於2018年,後來曾增補AI工具的討論;以下是2026年11月重新查核後的版本,不把現在的觀察偽裝成2018年已知的事。我要保留「演算本位」這個提問,但將它明確放在作者的比喻位置。

TL;DR:比特幣的工作量證明會耗用運算資源,並不承諾每度電兌換固定數量的幣。AI算力可形成部分成本,也不能替醫療、法律或知識成果決定價值。電力、硬體和平台重要,但成本、售價與有用成果需要分開核對。「演算本位」在本文是思考基礎設施影響力的比喻,不是已成立的貨幣制度或投資報酬保證。

一、比特幣耗電,不等於以電力兌換貨幣

比特幣白皮書的工作量證明涉及尋找符合條件的雜湊,並討論難度調整、區塊獎勵與交易費。[1] 這支持運算需要資源,不支持原稿「投入多少電,就換回多少比特幣」的固定等式。

參與者的結果還會受競爭、設備效率、難度、獎勵規則和幣價等條件影響。多耗電不是按比例獲利的保證,也不產生以某個電價贖回比特幣的權利。

這裡用白皮書釐清設計概念,不把2008年文件當作2026年全部協議與挖礦收益說明。本文沒有試算設備回本,也不提供買幣或挖礦建議。

原稿比較2017年挖礦與愛爾蘭全年用電,缺少能追溯的估算、年份和範圍,本次撤下,不用另一個國家的數字替代。

二、算得出投入,不等於算出了成果的價值

訓練或執行模型可記錄GPU時間、服務費及用電等投入。這有助於估成本,卻不能單獨回答一份診斷、一段法律分析或一份市場報告值得多少。

一份便宜的報告,若錯誤很多、無法使用,仍可能增加查核與重作的負擔。相反地,算力投入相似的兩個成果,也可能在正確性、適用性和責任要求上差很多。這些是判斷價值時要問的問題,不是本文量出的產業平均。

因此,我撤下「知識被演算後,價格就自然浮現」的說法。可量化的投入很重要,成果是否解決問題、誰願意支付,以及誰承擔後果,仍須另外判斷。

把成本、售價與價值分開,才有辦法檢查AI是否改善工作,而不只是產生更多檔案。

三、電力是必要資源,不是唯一成本

IEA在2025年《Energy and AI》報告估計,2024年全球資料中心用電約415TWh;報告的2030年預測約945TWh。[2] 前者是全部資料中心的歷史估計,不是AI單獨用電;後者是當時的預測,不是已實現的觀察量。

這提醒我,數位服務並非沒有能源代價。但也不能把原稿另一句「算力成本歸根結底就是電費」留下。硬體、使用率、網路、冷卻、維護與人力,都可能進入實際成本;租用服務時,也不能把費用當成自家電表讀值。

本文沒有足夠資料替每種服務分配成本比例,也不由上述預測推算某家公司必然獲利。能源依賴與商業回報,是不同層次的問題。

想比較兩個方案,至少要先對齊工作量、品質門檻、計算期間與費用範圍。

四、演算本位是比喻,不是已成立的貨幣制度

原稿把金本位、美元與演算力排成必然接班的歷史線,還把GPU供應寫成新印鈔機。這裡改正:掌握重要投入,可能影響交易條件,但不等於取得發行法定貨幣的權力,或控制所有服務的價格。

英格蘭銀行的貨幣說明,用銀行貸款創造存款解釋英國制度,並指出資本與支付結算的限制。[3] 這也提醒我們,貨幣創造不等於財富創造;不能只靠「耗用了多少能量」解釋現代貨幣。

若要嚴格談某種算力本位,至少要說明誰發行、如何計價、能否兌換,以及承諾由誰履行。原稿沒有提出這套制度,本文也沒有證據宣告它已到來。

我仍用這個比喻問:當工作越依賴計算資源,誰有權取得、如何選擇供應者,以及中斷時怎麼辦?這是作者的分析入口,不是貨幣學上的定論。

五、創業者要比較完整的交付成本

原稿以「三人一週變成一人一天」描述AI效益,卻沒有留下可核對的任務、品質與工時紀錄。本次不把它保留成我的實證成果,也不拿來推論所有老闆都能立即算出回報。

若要做一次實際比較,我會先列明同一份交付的範圍,再分開記錄資料準備、工具使用、人工覆核、修改與後續維護。人員時間和服務費需要算進去;節省的時間能否轉成收入或其他效益,還得看工作安排。

這是我提出的管理方法,並非本文已做完的對照實驗。若沒有紀錄,應寫成待驗證的預期,不以故事的流暢度補齊數字。

AI對新人工作入口的影響也需要看實際聘僱與訓練機會,不能由一份API帳單直接推算整個勞動市場。

四格漫畫:多用一度電,能不能多創造一度電價格的價值?我會先列明同一份交付的範圍,再分開記錄資料準備、工具使用、人工覆核、修改與後續維護。人員時間和服務費需要算進去;節省的時間能否轉成收入或其他效益,還得看工作安排。這是我提出的管理方法,並非本文已做完的對照實驗。先看完整成本,再看交付品質,最後才討論誰受益。

六、能調動多少算力之外,還要問它完成什麼

回到個人,我仍認為辨識值得處理的問題、設計分析方式,以及核對AI產出,是值得練習的能力。這是作者的工作建議,不是保證收入或職業安全的公式。

流量與平台也一樣。計算資源可以支持傳播,但有曝光不必然有廣告收入,有收入也不自動證明社會價值。原稿那條從才華一路通往貨幣的必然箭頭,應留出需求、制度和結果的不確定性。

對我而言,「演算本位」最有用的地方,是提醒我們看見知識工作背後的資源與依賴。它最容易誤導的地方,則是讓投入看起來天然值得。

下一次談AI能替工作創造多少價值,我想先看完整成本,再看交付品質,最後才討論誰受益。電表提供一種紀錄,不能替我們完成後面所有判斷。

資料來源與閱讀界線(查核至2026年11月3日)

  1. Satoshi Nakamoto,比特幣白皮書,2008年;第4節工作量證明、第6節獎勵,用來釐清概念,不是2026年完整協議、設備收益或投資適合性查核。
  2. IEA,Energy and AI:Executive summary,2025年報告;資料中心歷史用電估計、能源依賴及2030年預測。未把全部資料中心算成AI,未檢驗預測是否實現或更新為2026年能源盤點。
  3. 英格蘭銀行,How is money created?,頁面更新於2019年10月1日;英國銀行存款創造與限制的制度說明,不把當時比例當全球今日現況。本文不提供個人財務建議。