別再按 token 租智慧：NinjaTech 推出 SuperNinja Enterprise，把 GPU、推論基礎設施與 AI 員工打包成一張固定帳單

2026 年 9 月 28 日，總部位於帕羅奧圖的 NinjaTech AI 發布了 SuperNinja Enterprise——一個試圖一次解決兩大企業 AI 導入殺手的 AI 員工（AI workforce）平台：無法預測的用量計費帳單，以及資料得離開公司防火牆。它的答案相當直白：平台直接部署在客戶自己的雲端與資料中心內、跑開放權重（open-weight）模型、運算資源由 NinjaTech 自己供應，然後收一筆固定的年費——沒有 per-token 計量錶、沒有席位數、也沒有另一份基礎設施合約。

這場發表踩在 2026 下半年企業代理（agent）採用浪潮的浪頭上，背後是一個賭注：企業 AI 的下一階段，會用「買產能」的方式採購，而不是用訂閱 SaaS 的方式。

一段話看懂這個產品

SuperNinja Enterprise 把 AI「員工」——接下目標就能無人值守、24/7 完成長時間任務的自主代理——放進客戶自己的租戶環境，整合進企業早已離不開的工具（官方點名 Slack 與 Microsoft Teams）。銷售以100、500 或 1,000 名 AI 員工為單位打包，可按需擴充。更重要的是，NinjaTech 第一次不 only 出代理軟體：GPU 產能與模型推論基礎設施也包進同一份合約，透過 Microsoft 攜手 Fireworks AI 或 AWS 提供，運作在為客戶保留的單一租戶產能上。買賣雙方都不需要自己買硬體。

為什麼定價模式才是真正的新聞

這場發表最有看頭的不是代理本身，而是經濟模型。AI 代理已經進步到能執行長時間、無人值守的任務，但這也代表它們燒掉的 token 遠多於任何聊天介面。per-token 價格持續下跌，企業的 AI 帳單卻持續攀升——這個落差，正是多數部署卡在試點階段、無法在全組織規模化的核心原因。

NinjaTech 的對策是把計量錶整個拔掉：開放權重路徑上的推論「不限量」，讓 AI 觸及每一位員工，而不是停在一個被配給的試點裡。執行長 Babak Pahlavan 用三種角色來形容：「有了 SuperNinja Enterprise，你的 CISO 可以安心，資料永遠不出你自己的圍牆；你的 CFO 拿到一張不會動的 AI 帳單；而每個人都睡得好，因為你知道可以規模化 AI，不用擔心一覺醒來成本暴增。」

該公司宣稱，在保留產能上跑開放權重模型的組織，端到端成本約比在前沿實驗室模型上的同等部署低 10 倍。這個數字是官方自報，實際落差會高度取決於工作負載；但結構性論證是成立的：在保留硬體上跑開放權重推論，成本曲線與按牌價租用前沿 API 本來就是兩回事。

資料所有權、實體隔離與合規訴求

資料是另一半故事。企業資料留在客戶邊界內、絕不與他人共用池、也永遠不會拿去訓練外部模型——AI 員工的產出與工作成果都留在企業自己的租戶裡。對最敏感的工作負載，NinjaTech 提供實體隔離（air-gapped）環境內的授權部署：客戶自備硬體，NinjaTech 在其上端到端交付專屬產能。

醫療產業的部署走 NinjaTech 的整合專家 Optimum HealthcareIT，其他企業則與 Infosys 合作。平台通過 SOC 2 Type 2 認證，席位數不限。

模型選擇保持開放——包括前沿模型

一個讓整套推銷更誠實的細節：平台同時支援 Anthropic 與 OpenAI 模型和開放權重替代方案，客戶可以把工作流搬到最適合的模型上，而不必與單一 AI 實驗室綁死。不限量經濟學適用於開放權重路徑；前沿模型想必還是照其擁有者的規則計費。「可替換模型」被列為一級功能——「永不被鎖進單一 AI 實驗室的自由」——這既是對 2027 年模型版圖的避險，也是功能本身。

脈絡：代理改變了單位經濟學

NinjaTech 於 2022 年成立，團隊是一群來自 Google、Meta 與 AWS 的 AI 工程師，最初做的是 AI 高階主管助理，後來市場在腳下變了。它現在的定位——「AI 員工部隊」——反映了企業需求的真實走向：不是每個主管配一個助理，而是一整支 24/7 處理工程、產品、法務與供應鏈工作的代理艦隊。

SuperNinja Enterprise 落地的市場，同一股張力正在所有地方上演：Meta 剛用免費方案把 Muse 代理推進小商家；OpenAI 的 Dots 把永遠在線的個人代理放進消費者口袋；前沿實驗室則競相把企業鎖進各自的託管代理平台。NinjaTech 站到了光譜的另一端：擁有部署、擁有算力、擁有產出——然後永遠不再按 token 付費。「多數廠商把 AI 掛在用量錶上，」Pahlavan 說，「我們給企業可預測的產能與成本，讓採用能擴散到整個組織，而不是停在試點。」

值得持續觀察的三件事

第一該被檢驗的，是那個 10 倍成本數字——它比較的是保留單一租戶產能上的開放權重推論與前沿 API，而隨著前沿定價下調，差距會收斂。第二個問題是「AI 員工」能否產出足夠的成品，撐起 100 到 1,000 名代理的套裝；還是企業終究需要 Nvidia 代理安全堆疊等工具提供的那種治理機制。最後，固定年費模型自帶風險：如果用量爆炸，超支由廠商吸收——這是讓「無限量雲端方案」始終罕見的同一套數學。

SuperNinja Enterprise 現已上市，從固定範圍的試點開始——NinjaTech 稱幾天內就能讓 AI 員工上手真實工作——再擴大為年度產能合約。對那些因為財務部門不肯簽一張無上限 token 帳單而卡在試點階段的企業來說，這是第一批專為這個反對理由而生的產品之一。