SAP 凍結招聘、Rippling 燒掉數百萬美元：企業 AI 成本失控的警訊

2026 年 8 月第一週，兩則來自企業界的新聞以不同方式敲響了 AI 成本警鐘。德國軟體巨頭 SAP 被《Bloomberg》報導已凍結大部分招聘與差旅，理由是 AI 基礎設施的開銷正在急速膨脹，公司需要「在支出上保持紀律」。幾乎同一時間，HR 軟體公司 Rippling 透過 TechCrunch 詳細揭露了自家 AI 支出的真實面貌——燒掉數百萬美元後才發現，其 AI 支出已達到 R&D 部門人事預算的 40%，若按增速計算，隔年甚至將逼近 90%。

這兩起事件共同指向一個正在改變 AI 產業格局的根本趨勢：企業 AI 正從「技術狂歡期」進入「成本審視期」。對於正在導入或計畫導入 AI 的香港企業與在職人士而言，這是一個不容忽視的信號。

SAP：年營收 300 億歐元的巨頭也喊「太貴了」

根據《Bloomberg》報導，SAP 在內部會議中明確表示，需要「在支出上保持紀律」，並因此暫停了絕大多數非關鍵的招聘與商務差旅——除非是直接與 AI 相關的項目。考慮到 SAP 2025 年營收超過 340 億歐元，這家企業軟體龍頭的決定極具象徵意義：如果連 SAP 都覺得 AI 基礎設施成本難以負擔，那麼一般企業的壓力只會更大。

SAP 並非孤例。此前已有報導指出，多家企業開始限制員工的 AI 使用量，或尋找替代方案以降低 AI 推論成本。這與 2024 至 2025 年間企業爭相導入 AI 工具的狂熱形成了鮮明對比。

Rippling 的 AI 燒錢實錄：一個工程師月花 5 萬美元

Rippling 的經驗或許是最生動的案例。該公司首席產品長 Matt MacInnis 向 TechCrunch 透露，2026 年初 Rippling 全面擁抱 AI 後，到了 3 月的執行團隊會議上，財務長 Adam Swiecicki 公布了一個令所有人震驚的數字：Rippling 的 AI Token 支出已達到 R&D 部門人事預算的 40%——換句話說，公司在 AI Token 上的花費，相當於其技術團隊薪酬總額的四成。

更驚人的是細部數據：

AI 支出以每月 80% 的速度增長，若不干預，隔年 Token 支出將達到 R&D 人事預算的 90%。
10% 至 15% 的員工使用了約 60% 的 AI 總預算。
一位工程師的單月 AI 支出高達 50,000 美元。
在 4 月達到峰值——6,050 億個 Token——之後，7 月雖然用量回到 6,000 億 Token，但成本降至 4 月的 37%。

最後一項數據的關鍵，在於 Rippling 建立了自己的 AI 閘道器（AI Gateway），根據任務自動將請求路由到最具成本效益的模型。例如，他們發現 SpaceX 的 Grok 表現全面領先，但 Z.ai 的 GLM 5.2 在以 85% 更低成本的同時，效能幾乎不分軒輊。

趨勢分析：企業 AI 的三個關鍵教訓

1. 「預設用最強模型」是最昂貴的習慣

Rippling 的經驗顯示，許多員工預設使用最新、最貴的前沿模型處理所有任務——包括用 Anthropic Fable（原名 Claude Opus）做語法校對這類任務。這不僅浪費資源，也反映了 AI 工具缺乏成本感知設計的問題。

MacInnis 直言：「推論服務提供商（如 Anthropic 和 OpenAI）完全沒有動機幫助你控制支出。他們的每一個誘因都指向讓你的支出失控。」這意味著，企業不能依賴 AI 供應商來幫你省錢——你必須自己建立管控機制。

2. 多模型策略是成本管理的核心

Rippling 透過建立 AI 閘道器，實現了對不同模型的自動路由。他們發現，不同模型在特定任務上的性價比差異極大。使用最便宜的足夠好的模型，而非最新的旗艦模型，可以將成本降低 60% 以上。

對於香港企業而言，這意味著在導入 AI 時，不應只關注單一模型供應商，而應建立多元模型生態系統，並根據任務類型動態選擇合適的模型。

3. AI 投資回報率（ROI）必須可量化

Rippling 的 AI Spend Console 工具不僅追蹤支出，更重要的是將 Token 消耗與產出連結起來——例如，將 AI Token 使用量與工程師的程式碼提交次數、Pull Request 數量進行對比。MacInnis 強調：「如果我們無法將 G&A 和客戶部門的 Token 消耗與生產力掛鉤，那麼所有這一切對更廣大員工的可用性都將化為泡影。」

對香港企業與在職人士的啟示

第一，建立 AI 成本管控意識刻不容緩。 無論你的企業正在使用 ChatGPT、Claude、DeepSeek 還是其他 AI 工具，都應該立即開始追蹤以下指標：各部門的 AI 支出、人均 Token 消耗、以及每次 AI 查詢的成本效益比。如果等到 CFO 在會議上公布驚人的數字才行動，可能已經太遲。

第二，掌握 Prompt Engineering 與模型選擇技能。 知道「何時用便宜模型、何時用貴模型」是一項正在迅速增值的職場技能。能夠將複雜任務拆解並分配給不同模型，或在同一工作流程中混合使用多個模型以優化成本，這些能力將成為2026 年下半年的關鍵競爭力。

第三，AI 閘道器與治理架構將成為企業基礎設施新標配。 類似 Rippling 建立的自動路由與成本管控系統，預計將在未來 12 個月內從「競爭優勢」變成「行業標準」。香港企業在規劃 AI 架構時，應將成本治理納入核心設計，而非事後追加。

第四，對在職人士來說，「AI 效率專家」正在成為新職位。 能夠幫助企業在 AI 時代平衡效率與成本的專業人才——無論是透過 Prompt Engineering、Agentic Workflow 設計、還是模型選擇與成本優化——都將在就業市場上獲得顯著的溢價。

總結來說，SAP 與 Rippling 的事件標誌著一個重要轉折點：AI 不再只是關於「能做什麼」，更是關於「值得花多少錢去做」。對於重視效率與永續發展的香港企業，這正是重新審視 AI 策略、建立可持續 AI 成本模型的最佳時機。