2026 年，Vibe Coding、AI Coding Agent 與各種 Agentic Workflow 快速進入企業。AI 不再只是回答問題，而是開始規劃任務、反覆推理、呼叫工具、存取知識，甚至調度其他 Agent。
當 Agent 能做的事情愈來愈多，一個新的管理問題也開始浮現：
企業究竟要用多少 AI 資源，才能完成一項工作？
Gartner 在 2026 年 8 月提出「Inference Paradox」，預測到 2028 年，每個 Agentic Workflow 的 AI inference cost 可能增加超過五倍。
值得注意的是，這個弔詭並不只是因為模型價格變化。新一代模型不只單價下降，也能用更少的 Token 完成同樣的工作，單位工作的 Token 成本因此持續改善，過去成本過高而難以落地的複雜工作流開始變得可行；但企業一旦大量導入，多次推理、工具調用與 Agent 之間的協作，又會快速放大整體資源消耗。真正的問題因此不是單次推論多少錢，而是一項工作究竟需要多少次推論與多少資源才能完成。
這裡消耗的也不只是 Token。AI Agent 真正進入企業流程之後，牽動的是模型、Memory、Compute、Network、Storage，甚至進一步延伸到 Power 與 Cooling。
所以企業真正需要回答的問題，正逐漸從：
「我們要用哪一個 AI？」
轉變成：
「什麼工作，值得配置什麼樣的 AI 資源？」
這不只是成本問題，而是一個 Architecture Decision。
