OpenAI 的 Sora 停止服務證明：AI 不是贏在聲量，而是算得過單位經濟

Sora 停止服務說明了一件事：再大的 AI 聲量，只要單位經濟不成立，就撐不起產品。

OpenAI 關掉 Sora，不是產品願景失敗，而是提醒市場：AI 影片只要同時碰上推論、儲存、審核與分發，生意就會變得很殘酷。投資人和媒體最愛把驚豔 demo 當成必然成功的證據，但一個燒錢速度快過留存與變現速度的產品，從來不是平台，而是負債。結論很直接：聲量付不起 GPU 帳單。

第一個論點

單位經濟決定模型能不能變成生意。影片生成比文字和圖片生成更吃算力，解析度越高、秒數越長，延遲、記憶體壓力與服務成本就一起上升。若產品必須靠高訂閱價才能活下去，但消費者又期待接近免費的體驗，數學在第一天就會失敗。

這個問題不是理論推演。許多消費級 AI 工具都曾在短時間內拿到大量註冊，但最後卡在留存不足，無法覆蓋每次請求的服務成本。真正的考驗不是「大家有沒有玩過一次」，而是「願不願意在新鮮感退去後繼續付費」。對影片生成來說，從「哇」到「值得付錢」之間的落差，比多數創辦人承認的還大。

第二個論點

分發能力救不了錯誤的成本結構。OpenAI 擁有科技業最強的分發引擎之一，但就算如此，也無法拯救一個經濟模型倒掛的產品。因為龐大流量只會讓虧損更快放大，只要每次互動都很貴，成長就不等於可行性，病毒式擴散也可能只是把燒錢速度加倍。

AI 產品最危險的假設，就是「先有採用，再自然變現」。事實並不是這樣。如果核心工作流程的服務成本還是太高，公司最後只是替好奇心買單。文字助理可以靠訂閱與企業合約吸收便宜請求，但影片生成的成本曲線更陡，資產更大，容錯空間也更小。這就是為什麼同樣叫 AI，商業難度卻差很多。

反方可能怎麼說

最強的反對意見是：前沿產品本來就會先賠錢。搜尋、雲端、智慧型手機在早期也常被認為不划算，等到規模起來才變成大生意。照這個邏輯，現在就停止一個旗艦級影片模型，等於在市場成熟前先放棄類別主導權。若長期目標是掌握生成式影片，那短期虧損就是入場費。

這個說法有道理，而且它說對了一件事：有些產品值得給時間。但時間不是無限補貼。若一個模型需要長期高額補助，卻看不出推論成本下降、留存變高、買單者願意付費的路徑，那它就不是暫時投資，而是結構性問題。公司必須證明自己能把每次生成變便宜，並且把便宜轉成持續收入；否則繼續做下去不是策略，是拖延。

更準確的說法是：Sora 也許沒有失敗在研究，卻很可能失敗在產品化。研究成果可以很重要，但公司不能把研究價值和商業價值混為一談。demo 可以改變市場想像，卻仍然可能太貴、太慢、太難規模化。投資人和客戶買的是產品，不是論文。

你能做什麼

如果你是工程師，先優化每一次有用輸出的成本，而不是只追 benchmark。若你是 PM，上市前就把定價建立在真實服務成本上，不要等使用者進來後才補洞。若你是創辦人，把每個炫目的生成式功能都當成財務系統來設計，而不是先做出來再想怎麼收錢。AI 影片真正的贏家，不會是聲量最大的團隊，而是能把每一秒生成成本壓到足以反覆售出的團隊。