另一個同樣重要的產業變化是：算力不再只是雲端即時租用，而是以更像能源或航運的方式被「提前鎖定」。近期有報導指出，大型科技公司與模型公司之間的合作，開始把資金投入與超大規模算力承諾綁在一起，甚至以「吉瓦級」為單位來描述承諾的計算能力。這類做法的訊息很直接：對於最先進模型的訓練與推理，關鍵瓶頸已不是軟件能力，而是能否穩定取得足夠的電力、機房與加速器供應。
當算力以長約方式被預先分配，對市場其他參與者會產生連鎖效應。第一，供應可能更集中，讓中型企業在高峰期更難以短期擴容；第二，價格機制可能從「即時市場」轉向「合約價」，使成本更可預測，但也提高了前期承諾門檻；第三，創新節奏會被供應鏈節奏牽動：即使有新模型與新代理想法，沒有足夠容量也難以在企業級規模落地。
對香港而言，這不只是海外新聞。許多本地企業的 AI 方案依賴跨境雲端與海外模型供應，一旦算力被更早鎖定，香港企業可能在預算、採購與交付時間上面臨更大不確定性。較務實的策略，是把「算力可用性」納入 AI 路線圖：
- 先用可控的小規模試點做出可量化 ROI，再談放大；
- 把推理成本當成長期營運成本管理，建立配額、快取與批次處理等節流機制；
- 針對高敏感或高穩定性需求，評估混合式架構（部分自管、部分雲端），並為關鍵工作流準備降級方案。
總結來說，前沿模型的「跨雲上架」與算力的「長約預售」同時發生，代表 AI 產業正從產品競賽進入供應鏈與治理競賽。香港企業若要把 AI 從試驗帶到核心流程，需要同時看懂兩件事：一是模型能力如何整合到企業治理；二是算力與成本如何在不穩定的供應環境中保持可控。”