Salesforce 砸 $300M 買 Anthropic tokens、Benioff 喊出模型路由層——中小企業老闆 AI 採購預算與多模型混搭 SOP

3 億美元。這是 Salesforce 執行長 Marc Benioff 在 All-In Podcast 上宣布、2026 年 Salesforce 會在 Anthropic tokens 上燒掉的金額——而且他特別補了一句：「幾乎全部都用在 coding agent。」

把這個數字攤開來看比較有感覺：一年 3 億美元、平均一個月 2,500 萬美元、一天差不多 83 萬美元。光是叫 Claude 寫程式碼，Salesforce 一天要付的錢比很多台灣中小企業整年的營業額還多。

Benioff 在同一集 Podcast 還拋了另一句更值得老闆寫進筆記本的話。他直白地說：「絕大多數 token 根本不需要送到 Anthropic。」接著他描述了一個概念——intermediary routing layer，一個中間路由層，會依任務難度自動分派：複雜推理派給 Claude 這種 frontier 模型，簡單瑣事丟給便宜的小模型，整體成本可以「大幅壓縮」。這段話被 The Next Web 與 Benzinga 的專訪整理 完整還原。

這篇文章不是要你跟 Salesforce 比氣派——你的公司一年的 AI 預算可能連 30 萬台幣都不到。重點在於 Benioff 等於用 3 億美元的學費，幫全球中小企業老闆驗證了一個結論：未來 24 個月，「模型路由」會是企業 AI 採購最關鍵的關鍵字。誰先把路由層蓋好，誰就能用 1/3 的成本拿到 90% 以上的效果。

恆遠數位行銷這一年陪客戶評估 AI 採購案的過程中，看過太多老闆把預算全壓在「最強的那一個模型」，結果第二個月帳單一來就嚇出冷汗。這次我把 Salesforce 的訊號、Anthropic 與 Google 最新的價格洗牌、以及我們自己幫客戶設計多模型混搭的實戰心得，整理成一份你可以直接拿去開內部會議用的採購 SOP。

Salesforce 一年 $300M 買 Claude tokens——這個數字在中小企業眼裡代表什麼

Salesforce 對 Anthropic 同時扮演兩種角色：付費客戶與投資人，持有約 1% 股權，過去三年累計投入金額超過 3 億美元。所以這次 Benioff 講的「3 億美元 tokens 採購」，是純粹的使用支出，不含股權投資——換句話說，這 3 億美元等於是「我們公司一年要用掉的 AI 油錢」。

這個數字攤回單一企業日常採購視角，會出現三件事：

• 第一，AI tokens 正式從 R&D 預算科目，變成水電瓦斯級的營運成本（OpEx）。以前一筆性的 PoC 預算，現在要按月按用量編列，財報上會多一條叫做「AI inference cost」的科目。
• 第二，AI 採購邏輯從「買軟體授權」變成「買 API 用量配額」。沒有買斷、沒有永久授權，只有用越多付越多。對沒做過 SaaS 採購的老闆是全新概念。
• 第三，AI 成本的最大威脅AI 成本的最大威脅在『失控』。Salesforce 自己都喊累，何況中小企業——你叫 Claude 寫一段程式碼，背後可能跑了 5 次 retry、3 次工具呼叫、加上 RAG 把整份 PDF 灌進 context，一個任務的真實成本是表面單價的 10-30 倍。

把 Salesforce 的 3 億美元換算成「行情錨點」對中小企業更直觀。Salesforce 全球員工約 7.6 萬人，扣掉去年因 AI agent 把 support 團隊從 9,000 人縮編至 5,000 人後（Benzinga 報導），算「每員工每年 AI 預算」大約是 4,000 美元、台幣 12.6 萬元上下。

把這個比例放回 50 人規模的台灣中小企業——理論上對齊 Salesforce 投資密度，一年 AI 預算要砸 630 萬台幣。當然中小企業不需要那麼多 coding agent，但這個錨點告訴你一件事：如果你公司今年 AI 預算只有 30 萬台幣，那已經是 Salesforce 強度的 1/20，再砍下去就只是擺好看的。

這個錨點主要是給你一個判斷依據——如果客戶或員工跟你說「公司也要做 AI agent」，但老闆只願意每月撥 5,000 元預算給整個團隊，那這個專案註定是 PR 秀，做完就放著生灰塵。

Benioff 拋出的「模型路由層」是什麼，為什麼這是 2026 老闆採購 AI 的關鍵字

Benioff 在 Podcast 上用了一個畫面感很強的比喻：「想像你公司有一個總機，每通電話進來，總機會判斷這通該轉給 CEO、總經理、客服還是工讀生。模型路由層就是 AI 系統的總機。」

技術上講，模型路由層（model routing layer）是放在你的應用程式和多個 LLM 中間的一層分派器。它會看請求的特徵——任務類型、輸入長度、需要的推理深度、延遲要求、用戶等級——決定要把這個請求送到哪一個模型。

為什麼這個概念 2026 年特別關鍵？因為市面上模型的能力-價格曲線拉得太開了。最頂的 Claude Opus 4.5 大概是最便宜的 Gemini 3.1 Flash-Lite 的 60 倍價差，但很多任務只用 Flash-Lite 就能完成 80% 以上品質。如果你不分流，等於每次都叫 CEO 去接客服電話。

具體看一下 2026 年 5 月的市場價差表，數字會說話：

光看這張表就知道——Opus 和 Flash-Lite 在輸出 token 的單價差距是 75 倍。一個百萬 token 的任務，如果可以從 Opus 換成 Flash-Lite，等於從 7,500 美元變 25 美元。這就是 Benioff 喊「絕大多數 token 不需要送到 Anthropic」的真正意思。

但路由層不是簡單把便宜模型塞進去就好。設計不當會出現三種常見災難：

• 路由錯給小模型：複雜推理被丟給 Haiku 處理，結果產出品質崩盤，客戶投訴
• 路由錯給大模型：簡單 FAQ 被丟給 Opus，月底發現 80% 的請求其實只要 Haiku 就夠
• 路由層自己變瓶頸：分派邏輯太複雜，每次請求多 2 秒延遲，使用者體驗反而變差

如果你想看完整的 Gemini Flash-Lite 採購切入點，恆遠先前寫過一篇 Google Gemini 3.1 Flash-Lite 對台灣中小企業 AI 採購的衝擊與混搭策略 可以一起看，那篇把 Flash-Lite 在路由層底層的具體 use case 拆得比較細。

中小企業老闆的多模型預算分配公式：Frontier、Mid、Small 三層怎麼配

Salesforce 那種一年 3 億美元的玩法你學不來，但他們的「能省則省、該砸就砸」的分層思維你完全可以複製。恆遠在幫客戶設計 AI 預算時，會用一個簡單的三層架構：

這張表的關鍵其實在那個「倒掛」——任務量集中在 Small 層，預算卻集中在 Frontier 層。為什麼？因為 Frontier 模型雖然只跑 5-10% 的任務，但這些任務的 token 量大、輸出長、retry 次數多，單一任務成本可能是 Small 層的 100 倍。

把這個公式套到三種規模的中小企業：

Anthropic 在企業市佔上已經超越 OpenAI 到 34.4%（Ramp AI Index 4 月報告 的數據；恆遠另外整理過 Anthropic 企業 AI 採用率超越 OpenAI 的訊號解讀），代表 Claude 系列在 Frontier 層的份量會越來越重。但這不代表你要把整桶錢都倒給 Anthropic——分層配置才是務實的做法。

為什麼預算不是「按官網價格除一除」就好

第一次做 AI 預算的老闆最常見的失誤，是直接拿模型官網單價乘上預估 token 量，得出一個漂亮的數字，然後第二個月帳單來，發現實際支出是預估的 3-5 倍。原因有三：

• Context 膨脹：RAG 系統會把檢索結果塞進 context，一次對話可能多吃 3-10K input tokens
• Agent 多回合：Agent 一個任務內部可能 reasoning 3-7 次、呼叫 5-15 個 tool，每次都吃 token
• Retry & Fallback：生產環境會有 retry 機制，failed call 也是計費的

實務經驗：預算規劃時請把「按用量推算的數字」直接乘以 2，當作第一個月實際支出，再保留 30% 額度當 buffer。第二個月看實際數字才開始壓縮優化。

哪些任務該派給 Claude Sonnet、哪些丟給 Haiku 或 Gemini Flash-Lite——任務分流決策表

有了預算分配比例，下一步就是定「哪一種任務派給哪一層」的規則。這份表是恆遠在過去 8 個月幫客戶 build 路由層的累積結論，全是真的踩過幾次坑學到的：

這張表的精神是：把貴的模型留給「錯了會出大事」或「便宜模型真的做不好」的任務，其他的能省就省。

如果你想看更完整的 Agent 框架選型脈絡，可以延伸閱讀 AI Agent 系統採購完整框架 與 找外包做 AI 專案完整報價框架，兩篇都把「報價區間」和「合約條款」這兩塊講得比這篇更深。

模型路由決策樹（可以直接拿給工程師看的版本）

把任務分流規則畫成流程圖，工程師實作起來會清楚很多。下面這張是我們最常給客戶的 baseline 路由樹，可以依產業微調：

採購合約裡要押的 5 條 token 成本紅線：用量上限、自動降級、月結對帳、模型替換條款、退場備援

找外包做 AI 系統時，最致命的問題往往出在合約沒押好，技術選錯反而還能補救。token 成本失控、廠商綁死、退場無路，這三件事一旦發生，公司營運就被 AI 系統綁架。Salesforce 那種規模的公司，每一條合約後面都有一隊律師——但你是中小企業老闆，律師費請不起，那就把以下 5 條紅線當 checklist 用：

用量上限怎麼設才不會綁死生意

「用量上限」聽起來像是限制廠商，其實是保護自己。但設太低會把生意綁死、設太高等於沒設。實務做法是用「三層階梯」：

• 綠燈區（< 預算 70%）：正常運作，不通知
• 黃燈區（70-90%）：每日 Email + Slack 通知用量，路由層開始切 Mid 層
• 紅燈區（> 90%）：自動降級為 Small 層，重大請求須人工 approve

這個機制要寫進合約，而且最好要求廠商提供「即時用量 dashboard」——不要等月底結帳才看到。

找外包做 AI 系統時的 3 個常見坑：模型綁太死、token 沒監控、降級沒 fallback

這一段直接列恆遠最近 8 個月處理過、客戶來求救的三大類型問題。如果你正在評估外包廠商，下次見面把這三題直接丟過去問：

第三個坑特別致命。2025 年下半年 OpenAI 和 Anthropic 都各自發生過幾次大規模 rate limit 事件，沒有 fallback 的客戶當天就停擺。一個好的路由層應該長這樣：

# 簡化版 fallback 路由邏輯
async def route_request(task_type, payload):
    primary, backup = MODEL_MAP[task_type]
    try:
        return await call_model(primary, payload, timeout=30)
    except (RateLimitError, ServiceUnavailable):
        log_warning(f'{primary} failed, falling back to {backup}')
        return await call_model(backup, payload, timeout=30)
    except QualityCheckFailed:
        # 品質檢查未過就升級重試
        return await call_model(UPGRADE_MAP[primary], payload)

這段程式碼只是示意，但精神在於——每一個關鍵任務都要有「主用模型」和「備援模型」，而且兩者最好來自不同供應商。Anthropic 掛了你還有 OpenAI，OpenAI 掛了你還有 Google。完全押注單一供應商，是 2026 年最不該犯的錯。

如果你還沒看過恆遠寫的 找外包做 AI 系統的 7 個坑，那篇從 PoC 卡關到上線無法擴展整理了 12 題檢核表，跟這篇互補。

30 天行動清單：從建立模型清冊到上線路由層的 6 個步驟

看完前面六段，老闆最想問的問題是：「那我下週一上班該做什麼？」這份 30 天清單是恆遠用來陪客戶啟動模型路由專案的標準流程，每一個步驟都對應一個具體 deliverable，不是泛泛的「先做研究」這種廢話。

Step 1 建立模型清冊的隱藏坑：影子 AI

這一步最常見的意外是發現「影子 AI」——員工自己掏錢開了 ChatGPT Plus、Claude Pro、Cursor 等帳號在工作，公司根本不知道。這些開支沒進公司預算、產出沒進公司知識庫、資料外洩風險沒人控管。

先把影子 AI 攤開來看，往往會發現：

• 30 人公司平均有 8-15 個影子 AI 訂閱，月支出 5,000-15,000 元
• 業務部最常用 ChatGPT Plus 寫提案；工程部最常用 Cursor 寫 code；行銷部最常用 Claude Pro 寫文案
• 70% 以上的員工把客戶資料、財務報表貼進 prompt 而不自知

Step 4 路由層 PoC 的 5 個技術選擇

做 PoC 時不要自己從零寫路由層，市面上已有現成方案：

中小企業初次導入建議從 LiteLLM 或 OpenRouter 開始，幾天就能跑出 PoC。等業務量上來、需要深度監控時，再考慮 Portkey 或自架。

恆遠能怎麼幫你建立屬於自己的模型路由層

讀到這裡，你大概已經抓到 Benioff 那句「絕大多數 token 不需要送到 Anthropic」背後的真正威力——它的精神是教你把對的任務派給對的模型。這件事在 Salesforce 等級的公司需要一整隊基礎建設工程師；在台灣中小企業，往往只需要 4-6 週、一支對的外包團隊就能完成。

恆遠數位行銷是專業客製化接案公司，過去一年陪超過 30 家台灣中小企業評估與導入 AI 系統。我們的核心信念是——讓客戶站在 AI 巨人的肩膀上，用 1/10 的成本拿到 9 成的效果，而不是把預算燒給單一供應商。如果你正在規劃 2026 下半年的 AI 採購預算，或想為現有系統加上路由層，歡迎來聊聊：

• AI 顧問諮詢服務
• 客製化系統開發

Salesforce 那 3 億美元的學費不是白繳的——他們已經幫全球老闆驗證了「模型路由 + 多模型混搭」會是下一個 24 個月的企業 AI 採購主軸。早點蓋好你的路由層，就是把 Benioff 的 3 億美元學費，免費搬回家用。