8 月 21 日，a16z 的週報放了四張圖。一張講法務，一張講 token，一張講 Zapier，一張講水泥。前三張在同一個章節裡，第四張在另一個章節，中間隔著一段講 Uber 車資的內容。
一句話結論：a16z 數據顯示法務職能的 Codex 採用率半年升 108 倍、agent 的 token 消耗是人類的近 5 倍（逾 85% 來自快取），而 Zapier、n8n、Make 的網站流量同步雙位數下跌。但這四件事不是同一條因果鏈：a16z 自己畫了三支箭頭、把一支標為假設，還有一支是轉述者補上去的。
把它們排在一起，會拼出一個很誘人的故事：白領用 AI 自動化自己的工作 → agent 瘋狂燒 token → token 吃記憶體 → 記憶體要蓋資料中心 → 資料中心把水泥工的時薪抬高 50% → 而白領原本用來自動化自己的那些工具，反而被 agent 吃掉了。
這個故事很好賣。問題是，這條鏈裡有幾支箭頭是 a16z 自己畫的，有幾支是轉述的人（包括我）補上去的。這篇文章會把數據講完，然後老實把箭頭的歸屬列成一張表。因為中文圈這兩天在傳這份報告時，已經傳錯了數字。
（本文數據截至 2026 年 8 月。原始報告：a16z《Charts of the Week: Winds of Thematic Change》，2026-08-21，作者 Moses Sternstein。）
為什麼是法務，不是工程師？
因為工程師早就在用了，成長空間反而小。a16z 的原文寫得很直接：
「Legal workers have increased their Codex adoption by a staggering 108x since February of 2026.」
（法務人員的 Codex 採用率自 2026 年 2 月起，增加了驚人的 108 倍。）
Codex 本來是拿來寫程式的。現在成長最快的使用者，是一群不寫程式的人。a16z 的判斷是「知識工作者整體都在變得更進階，但沒有一個比得上法務」。
先修正一個常見的窄化。原文寫的是 Legal workers，指整個法務職能，涵蓋企業法務、法務營運、合規、法務助理等，不等於「執業律師」。中文圈普遍譯成「律師」，讀起來更聳動，但把範圍縮小了。本文以下一律稱「法務」。
但這裡有兩個坑，多數中文轉述都跳過了。
坑一：108 倍是成長倍數，不是佔有率。從 1 個人變成 108 個人，也是 108 倍。這個數字說的是斜率，不是規模。文中沒有給出法務使用 Codex 的絕對基數，所以「律師都在用 AI 了」這個推論，這份報告支撐不起來。
坑二：a16z 自己就加了但書。緊接著那句 108 倍，原文下一句是：
「Query how much of this shift is driven by the broader Codex rollout, but either way, Legal stands out from the pack.」
（這個轉變有多少是因為 Codex 本身鋪得更廣，值得存疑；但無論如何，法務都明顯領先其他職能。）
翻成白話：可能不是法務特別想用 AI，而是 Codex 剛好開放給更多人用了，法務只是剛好被算進來。連寫報告的人都留了這一手，轉述的人卻通常把它刪掉，因為留著就沒那麼聳動。
我的看法是：留著反而更有說服力。一個敢寫出自己數據弱點的來源，比一個只給你漂亮數字的來源可信得多。想了解 Codex 這個工具本身的架構，可以看我之前寫的OpenAI Codex harness 拆解。
agent 到底比人燒掉多少 token？
將近 5 倍，而且結構完全不同。這組數字來自 OpenRouter（製圖者 Peter Walker），由 a16z 引用：
| 指標 | 數字 | 原始來源 |
|---|---|---|
| agent 相對人類的 token 消耗 | 近 5 倍 | OpenRouter |
| agent 用量自 2026 年 2 月起的成長 | 約 14 倍 | OpenRouter |
| agent token 消耗中來自「快取提示」的比例 | 逾 85% | OpenRouter |
| 典型企業 vs 前 10% 企業的 token 產出差距（全行業） | 約 8 倍 | OpenAI |
| 全行業前 10% 企業，相對自己 2025 年 4 月的成長 | 逾 17 倍 | OpenAI |
| 同一差距，限資訊科技業 | 近 12 倍 | OpenAI |
| 資訊科技業前 10% 企業，相對自己一年多前的成長 | 32.5 倍 | OpenAI |
表格最後兩行最容易被壓成一句話寫錯。「近 12 倍」是企業之間的差距；「32.5 倍」是前 10% 企業相對自己一年多前的成長。這是兩個完全不同的比較對象。原文一句話裡放了兩個倍數，只要壓縮就會出錯。
另外一組數字對做自動化的人特別有意義：前 10% 企業的 Plug-in 與 Skills 採用率，分別是一般企業的約 2 倍與 6 倍。但 a16z 補了一句常被略過的話——即使是這群重度使用者，距離 OpenAI 自己內部的採用水準都還很遠。也就是說，現在被視為「用得很兇」的企業，其實還在起跑階段。（Skills 生態的分層，我在Agent Skills 生態五層拆過。）
為什麼「快取」會變成水泥？
因為快取的本質是記憶體。這是整條鏈裡最技術、也最關鍵的一環，而且這支箭頭是 a16z 自己畫的，不是我補的。
人跟 agent 用 AI 的方式不一樣。人是「問一句、答一句」；agent 是朝著一個目標反覆迭代。第一次的提示裡塞滿了昂貴的前置內容（政策、流程、程式規範、專案背景），之後 agent 每跑一輪，就在這個基礎上增量地讀寫，把內容不斷疊進快取。
快取 token 比前置 token 便宜得多——這是好事，讓 agent 在經濟上跑得動。但便宜的代價是：它按定義就是吃記憶體的。a16z 的原句是：
「You see, now, why high bandwidth memory especially is in such hot demand—all those agents busily at work… need memory to cook.」
（你現在明白為什麼高頻寬記憶體的需求這麼火熱了——那些忙著工作的 agent，需要記憶體才煮得動。）
想省 token 的人可以順帶看看caveman 那篇「省 65% token 的真相」。它示範了同一件事的另一面：省 token 常常是拿別的東西去換。
資料中心把水泥工的時薪推到多少？
從 28–32 美元推到 45 美元，外加每日 150 美元差旅津貼。這段引用自達拉斯聯準銀行的報告，是一位重工業承包商的原話：
「我們付給熟練混凝土工的時薪是 28–32 美元，我認為這已經很有競爭力了。資料中心開的是每小時 45 美元，外加每天 150 美元的差旅津貼。」
a16z 把這算成大約 50% 的薪資溢價。其他幾組數字同樣具體：
- 新墨西哥州、懷俄明州：資料中心佔全部民間非住宅建築支出約 60%。兩州在建容量其實不到 3 GW，但因為當地本來就沒蓋什麼，佔比就被撐得極高。
- 賓州：約 3 GW 的資料中心，佔非住宅支出將近 30%。
- 德州：興建容量遠高於前三者，但只佔總支出 10%，因為德州什麼都在蓋。
- Indeed 數據：資料中心的薪資溢價，從設施經理的 64% 到電機工程師的 10%。
- ADP 數據：建築業、製造業、天然資源／礦業的跳槽者加薪幅度，比留任者高 6–9.5 個百分點，遠高於其他任何產業。
注意百分比的分母。新墨西哥州那個 60% 聽起來像「資料中心佔領了一州」，但 a16z 自己解釋得很清楚：分母太小才是主因，不是分子太大。把它寫成「資料中心佔了新墨西哥州六成建設」在技術上沒錯，但會讓人誤判規模。
如果你關心的是這條鏈上的投資標的，我拆過幾家直接吃這波電力需求的公司：Constellation Energy（CEG）、Vistra（VST）、GE Vernova（GEV）。
Zapier、n8n、Make 真的在死嗎？
不知道。報告能證明的只有一件事：這三家的網站流量在跌。
a16z 引用 Similarweb 的數據：n8n、Zapier、Make 三家都早於大型語言模型出現，目前仍以造訪量計主導整個自動化領域，但每一家在過去 12 週的滾動基礎上都出現雙位數下跌。唯一在成長的是 Gumloop——2023 年成立、定位「AI 原生 agent builder」。
這裡有兩層必須說清楚，否則就是把代理指標當成結論。
第一層：跌的是網站造訪量，不是營收、不是付費席次、不是工作流執行次數。一個成熟的 B2B 產品完全可以流量下跌而客戶不動。老用戶不需要每天上官網，他們直接用產品。用流量推論營收，是這份數據撐不起來的跳躍。
第二層：a16z 自己把這段標記成假設，不是結論。原文的措辭是「agents may be decreasing demand for legacy automation and workflow tools」（agent 可能正在降低對傳統自動化工具的需求），而且收在這句：
「It’s still far too early to stick a fork in Zapier et al—they have AI at their disposal, too, after all—but agents have barely arrived, and they’re already beginning to change the landscape in substantial ways.」
（要為 Zapier 這些公司蓋棺論定還太早，畢竟它們手上也有 AI；但 agent 才剛登場，就已經開始大幅改變這個版圖了。）
這句要整句一起讀。a16z 不是在替 Zapier 說話，它同時認為 agent 的衝擊是真的，只是還太早下定論。只引前半句會過度樂觀，只引後半句會過度悲觀。
如果你正在用或考慮用這類工具，這份數據不構成換掉它的理由。我之前寫的n8n 自架工作流自動化教學裡的判斷到今天仍然成立：選型要看你的工作流長什麼樣，不是看誰的官網流量在漲。
這條因果鏈，哪幾支箭頭是 a16z 畫的？
五支裡有三支。這是本文最重要的一張表：同一份報告的四張圖串起來很順，但「順」不等於「作者這樣主張」。以下逐支箭頭標明歸屬。
| 因果箭頭 | 誰畫的 | 證據強度 |
|---|---|---|
| 法務等知識工作者大量採用 coding agent | ✅ a16z 數據 | 強，但附作者但書 |
| 採用率上升 → token 消耗的規模與結構改變 | ✅ a16z 自己明說 | 強（原文有明確過渡句） |
| agent 的 token 消耗遠高於人類，且以快取為主 | ✅ a16z 引 OpenRouter | 強 |
| 快取 token → 高頻寬記憶體需求 | ✅ a16z 自己明說 | 強（原文有整句） |
| 記憶體需求 → 資料中心興建潮 | ⚠️ 我補的 | 合理但未經作者主張，資料中心是另一章節 |
| 資料中心 → 藍領薪資上升 | ✅ a16z 整章論證 | 強（達拉斯聯準銀行、Indeed、ADP 三源） |
| agent → 傳統自動化工具需求下降 | ⚠️ a16z 明寫「may be」 | 弱，且僅有流量代理指標 |
| 企業因成本而縮手 | ⚠️ 不在此報告內（見下節） | 另有來源，需分開標註 |
a16z 串第一支箭頭時用的原句是：「The other implication from this shift to more sophisticated AI adoption is that it’s changing both the growth and composition of token consumption dramatically.」（更進階的 AI 採用還有另一個影響：它正在大幅改變 token 消耗的成長與結構。）這句話明確把「採用率」接到了「token 消耗」。
所以那個漂亮的閉環，真實狀態是：三段是作者論證的，一段是作者標為假設的，一段是我接的。它仍然是一個值得思考的框架，但它不是一份「a16z 證明了 AI 把白領的錢轉給了藍領」的報告。斷掉的那一節在中間：a16z 說了快取吃記憶體，也說了資料中心養活藍領，卻沒有把記憶體需求接到資料中心的興建潮上。那一步是我接的，你可以不同意。
企業已經開始縮手了嗎？中文圈傳錯的那個數字
是的，將近一半的企業已經縮減過 agent 部署。但這組數據不在 a16z 那份報告裡，而且中文圈這兩天流傳的版本有一個關鍵數字方向是反的。
先講清楚來源。KPMG 的 Q2 2026 研究其實有兩個不同的發布與樣本，經常被混成一份引用。要注意美國版是全球研究底下的國別切面（KPMG 原文：「The US insights are part of KPMG’s Global AI Pulse research」），不是各自獨立的兩個調查，但受訪樣本、營收門檻與收集期間都不同，數字不可以互相搭配使用：
| KPMG 全球版 《Global AI Pulse: Q2 2026》 | KPMG 美國版 《KPMG Quarterly AI Pulse Survey》Q2 2026 | |
|---|---|---|
| 樣本 | 20 國、逾 2,000 名高階主管，年營收 5,000 萬美元以上 | 204 名美國高階主管，年營收 10 億美元以上（逾三分之一達 100 億美元以上） |
| 調查期間 / 發布 | 2026 年第二季；外媒自 7 月 2 日起報導 | 2026 年 4/28–5/25 收集；6 月 24 日發布 |
| 關鍵數字 | 49% 已因成本高於效益而縮減 agent 部署 42% 對 AI 支出僅有部分可見度 33% 不夠理解 AI 成本結構 僅 7% 有明確 ROI | 僅 26% 對 AI 營運成本有完整即時可見度 35% 表示成本管理與經濟素養仍是障礙 僅 36% 導入了 token／用量控制 |
被傳錯的就是那個 35%。流傳的版本寫成「只有 35% 的企業說得出自己 AI 系統的實際運行成本」。實際上原文是：35% 的主管表示「成本管理與經濟素養仍是一項障礙」。這是有問題的那 35%，不是沒問題的那 35%，方向剛好相反。
真正對應「算得出成本」的數字是美國版的 26% 有完整即時可見度，或全球版的 42% 只有部分可見度。差別不小：26% 比 35% 難看得多，而且它才是對的。
另外全球版有一組對照很值得記：成本可見度高的企業，回報「已建立 ROI」的機率是其他企業的 5 倍（15% vs 3%）。換句話說，看得清成本的公司比較容易賺得到錢。這句話聽起來像廢話，但在那 204 家美國大型企業裡，只有 26% 具備完整即時的成本可見度。
最後一個我覺得最荒謬也最有畫面的細節，來自 KPMG 美國版：有些組織開始搞一種叫 「token-maxxing」 的做法——用獎勵機制和排行榜去鼓勵員工消耗更多 token，把用量當成 KPI 來衝。41% 的主管表示他們會考慮這樣做（另有 22% 明確反對、37% 持中立）。KPMG 自己把它形容為「一種有爭議的文化偏方」，並警告這是「典型的以活動量取代成果」的風險。
一邊是全球版的 49% 因為成本太高而縮減 agent，一邊是美國版的 41% 考慮用排行榜鼓勵大家多燒 token。必須說清楚：這兩個數字來自不同樣本（20 國 2,000 多人 vs 美國 204 人），不是同一群受訪者的自相矛盾，所以不能寫成「同一批公司一邊縮減一邊鼓吹」。但兩者並列仍然說明了一件事：這個階段的成本觀念還沒收斂。
那你的 agent 一個月燒多少錢？
既然連年營收 10 億美元以上的美國企業，都只有 26% 具備完整即時的成本可見度，這裡給你一個 30 秒算完的版本。把你自己的方案價格填進去（預設值只是示意，不是任何廠商的實際報價）：
把數字調高一點你會發現一件事：agent 的成本不是線性的，是「任務數 × 輪數 × 上下文」三個變數相乘。任何一個翻倍，帳單就翻倍。這正是傳統 IT 預算模型接不住的地方。它假設成本跟人頭或席次綁定，但 agent 的成本跟「它想了多久」綁定。
看完這份報告，現在該做什麼？
不是換工具，是先把數字弄清楚。四件今天就能做的事：
- 先算出你自己的那條數。用上面的試算機或你供應商的用量後台，抓出上個月的實際 token 帳單。注意 KPMG 那 26% 講的是「完整即時可見度」，月底才對得出帳單並不算在內。
- 把「輪數」當成成本開關來管。多數人優化提示詞的長度，但 agent 的成本主要來自迭代次數。限制單一任務的最大輪數，比壓縮提示詞有效得多。
- 確認你的快取真的有命中。a16z 引述的 85% 是產業觀察值，不是你的保證值。把前置內容（規範、背景、政策）固定在提示的最前段、不要每次微調，命中率才拉得起來。
- 不要因為一張流量圖就換掉能用的工具。Zapier、n8n、Make 掉的是官網造訪量。你的評估標準應該是它有沒有解決你的工作流，不是它的 Similarweb 曲線。
所以 AI 到底在取代誰？
這份報告最值得記住的，不是任何一個倍數，而是它們擺在一起時的方向感。
被重新定價的不是「人」，是「哪一種人」。同一份報告裡，被 AI 滲透得最快的職能是法務；薪資漲得最急的，是替資料中心倒混凝土的工人。一個坐在法務辦公室，一個站在工地。同一股力量，把兩端往相反方向推。
而最反諷的一格是：白領原本用來自動化自己工作的那些工具，官網流量正在被自動化本身吃掉。雖然如同前面說過的，那也只是流量。
至於企業端：全球有近半數（49%）已經因為成本縮減過 agent 部署；而在美國那 204 家大型企業裡，41% 考慮用排行榜鼓勵員工多燒 token。兩個數字來自不同樣本，不能相加也不能對沖，但擺在一起還是看得出來——這不像一個成熟產業的樣子，比較像所有人都在同一個房間裡摸黑找開關。
那麼問題就很簡單了：你的公司算得出自己的 agent 一個月燒多少錢嗎？如果答不出來，那你是在管理一項投資，還是在付一張你看不懂的帳單？
常見問題
律師的 Codex 採用率真的成長了 108 倍嗎？
數字是真的，但主詞要修正。a16z 2026 年 8 月 21 日報告的原文是「Legal workers」，指整個法務職能（企業法務、法務營運、合規等），不限於執業律師；計算基準是 2026 年 2 月起。另有兩點要注意：這是成長倍數而非佔有率，報告未提供絕對基數；而且 a16z 自己加了但書，指出這個轉變有多少來自 Codex 本身更廣泛的開放，值得存疑。
agent 為什麼比人類多用這麼多 token？
因為運作方式不同。人類是一問一答，agent 則朝著目標反覆迭代，每一輪都帶著累積的上下文。根據 OpenRouter 數據（經 a16z 引用），agent 的 token 消耗約為人類的 5 倍，其中逾 85% 來自快取提示，而快取 token 幾乎貢獻了全部的相對成長。
Zapier、n8n、Make 現在還值得用嗎？
值得，這份報告不構成停用理由。Similarweb 數據顯示的是三家的網站造訪量在過去 12 週滾動基礎上雙位數下跌，不是營收或用戶流失。a16z 自己也寫明「要為 Zapier 這些公司蓋棺論定還太早」，因為它們同樣手握 AI 能力。選型應該看工作流需求，不是看官網流量曲線。
KPMG 說只有 35% 的企業算得出 AI 成本，這是真的嗎？
不是，這個說法把數字的方向弄反了。KPMG 美國版 Q2 2026 調查的原文是「35% 的主管表示成本管理與經濟素養仍是一項障礙」，指的是有困難的比例。真正對應「算得出成本」的數字是「只有 26% 具備完整即時的成本可見度」，全球版則是「42% 僅有部分可見度」。
資料中心真的讓藍領工人加薪 50% 嗎？
就混凝土工這個特定職種，達拉斯聯準銀行報告引述的承包商說法是：一般時薪 28–32 美元，資料中心開價 45 美元加每日 150 美元差旅津貼，a16z 換算約為 50% 溢價。但這是單一承包商的陳述，不是全國平均。Indeed 的數據顯示資料中心的薪資溢價因職種差異很大，從設施經理的 64% 到電機工程師的 10%。
免責聲明：本文為資訊整理與分析，非投資建議。文中數據引自 a16z《Charts of the Week: Winds of Thematic Change》（2026-08-21，作者 Moses Sternstein，原始數據源包含 OpenAI、OpenRouter、Similarweb、Indeed、ADP 與達拉斯聯準銀行）、KPMG《Global AI Pulse: Q2 2026》與《AI Quarterly Pulse: Q2 2026》，所有數字以原始來源為準，第三方數據 a16z 與本站均未獨立驗證。文中標示為「我補的」之因果推論屬作者觀點，非原報告主張。KPMG 全球版與美國版樣本不同，數字不可互相搭配使用。文章數據截至 2026 年 8 月 25 日，AI 產業變動極快，引用前請回查原始來源。
同主題延伸閱讀
AI 工具實測與工作流
這類資訊可能隨平台、費率或規則變動，操作前請再核對官方來源。
實用工具與下一步 · 免費工具 →
發佈留言