四騎士與那座蓋一半的機房——聽 Ed Zitron 講 AI 泡沫

陋室空堂，當年笏滿床；衰草枯楊，曾為歌舞場。

—— 曹雪芹《紅樓夢・好了歌注》（清，約 1750 年）

這集在講什麼

2026 年 8 月 28 日的 The Compound and Friends，請來了 Ed Zitron。他寫一份叫 Where’s Your Ed At 的電子報，主持 Better Offline 這檔節目，2023 年那篇談「腐爛經濟」（rot economy）的長文讓他被大量引用，而現在他最為人所知的身分，是全世界聲量最大的 AI 懷疑論者之一。

節目主持人開場就講清楚了自己的處境：這檔節目做了五年，來賓絕大多數是多方，而且到目前為止大致上都對。他們請過空方，但那些人是「不特定地看空」——對什麼都保守。專門針對 AI 看空、而且把帳算到小數點後面的人，這是第一個。所以這集與其說是一場訪談，不如說是一場當面對帳：主持人手上有多方的具體證據（自家公司用 AI 省下的營運成本、法說會上一家家公司的上修理由），Ed 手上有空方的具體證據（收入集中度、合約金額、應收帳款）。兩邊都不是在喊口號。

也因為這樣，這集聽起來不像多空辯論，比較像兩個人拿著同一張財報，指著不同的欄位。

摘要重點

一、他的核心不是「AI 沒用」，是「錢從哪來」。 Ed 反覆強調他不否認輝達賺到了真金白銀。他要問的是上游那筆錢的來源。他引用的數字是：微軟上個會計年度約三百四十三億美元的 AI 收入裡，兩百四十一億來自 OpenAI 一家。換句話說，這家有數十萬經銷商、數萬名業務、被他稱為「軟體銷售頂級掠食者」的公司，把 OpenAI 拿掉之後，賣給世界上所有其他企業的 AI 相關生意，加起來只是個位數十億美元的規模——對照的是超過兩千六百億美元的資本支出。輝達那邊也是同一個形狀：單一客戶佔最近一季營收 16%，三個客戶佔本會計年度上半年的 44%，五個客戶合計約七成。

二、「run rate」這個詞被他當成整集最大的騙局。 傳統的 ARR 是「年度經常性收入」：十份一億的合約，一年十億，簡單清楚。但現在 OpenAI 和 Anthropic 報的是把 token 消耗量年化——那不是訂閱，不會自動續。一個客戶這個月燒一千萬，下個月可能燒五十萬，尤其當他準備搬去開源模型的時候。而且沒有人定義過那個「期間」是四週乘以十二還是乘以十三，也沒有人定義那四週是哪四週。他的原話是：這種東西被接受，是對投資人智商的侮辱。

三、循環金流的幾個具體形狀。 輝達投資 OpenAI，OpenAI 拿錢買算力；輝達手上有約三百億美元的雲端算力合約——也就是把自己賣出去的 GPU 租回來——外加約兩百五十億的資料中心租約。他當場問了一句很難回答的話：你賣給資料中心，那你自己租資料中心幹嘛？

同一份財報裡，應收帳款季增 55%。他不敢斷言那代表什麼，但他把問題問得很準：為什麼營收愈好，收款反而愈慢？是不是已經走到「不多給客戶一點帳期就收不到單」的邊緣？

四、四匹「蒼白之馬」。 這是節目標題的來源。主持人問他，如果不喊時間點，那第一個徵兆會長什麼樣。他給的清單是：某家超大型雲端業者調降資本支出指引；某家高度綁定 AI 的公司債被降評（他點名甲骨文，說評等機構現在連降都不敢降）；某家大家心裡跟 AI 劃等號的新創沒錢了；以及新雲端業者（他點名 CoreWeave）借不到新的一輪債。第五個是 IPO 破發。這幾條的共通點是同一件事：不是需求消失，是錢的水龍頭轉不動了。

五、這次沒有「後續回收價值」。 他認為網路泡沫留下了暗光纖與伺服器，後來被亞馬遜那類公司撿起來用；但 AI 用的 GPU 換到別的用途上很有限，資料中心停工三年後要完成，成本一分不會少，電費只會更貴。他丟了一個對照數字：亞馬遜從 2003 年 AWS 誕生到 2015 年轉盈，這十二年間「整個亞馬遜」的資本支出經通膨調整後約兩百九十七億美元。不是 AWS 的，是整間公司的。

六、多方的反例也很硬，而他的回應是換一個問題。 主持人舉 Airbnb：上一季客服電話有 45% 全程由 AI 結案、沒有人介入，執行長給了具體數字，而且他們搬去了開源模型。主持人也舉自家公司——九十幾名員工、四千個客戶家庭，每週都在找新的環節接進去。Ed 沒有硬拗說那是假的，他承認有些是真的，但他把問題挪開：省下來的錢會不會流回 OpenAI 和 Anthropic？如果客戶最後跑去用託管的開源模型，那些效率提升就跟這兩家的存活無關。他順帶戳了一個很細的破綻：某電信商「省下 80% 到 90%」的報導，往下讀一段會看到那是「某些功能上」省了八九成，再往下一段是這家公司把上千個流程接了 AI。

七、那些讓人記得住的細節。 他說有份報導寫某家私募信貸機構決定投資一個數百億美元的資料中心案，內部只花了十分鐘——主持人當場說我不信，他說我現在就可以把文章找給你。他形容現在滿街 CEO 說 AI 讓自己生產力提高一百倍，像電影《史達林之死》開頭那群人圍著遺體說「他氣色真好、他看起來很健康」。他提到 GitHub Copilot 原本讓人用四十美元燒掉五千美元的 token，六月一日改成按量計費——「這是對客戶做過最瘋狂的事」。還有一個很好用的比喻：模型單價沒漲，但同一件事燒掉的 token 變多了，等於一台車油耗不變，但你每天多開兩百英里。

延伸想法

一、「都說是泡沫，可是我的持股一直在漲，我到底該不該跑？」

這大概是聽完這集之後最普遍的一句心聲。而這集最誠實的一段，剛好就是 Ed 自己回答這個問題的方式。

主持人問他有沒有可能錯。他說 2024 年我就錯過，而且我知道自己為什麼錯：我太天真，我以為市場是個講道理的地方，我以為微軟、谷歌、亞馬遜、Meta 不會為了沒有理由的事花掉幾千億美元，而且我不相信債務體系撐得住。他錯的不是「這些數字對不對」，他錯的是「這種數字能撐多久」。所以他現在不給時間表了。

這裡有一個對散戶最實用的分辨：論述的對錯，和時間點的對錯，是兩件獨立的事，而市場只在乎後者。 一份完全正確的空方分析，可以讓你在錯誤的兩年裡持續虧錢；一份漏洞百出的多方分析，也可以讓你在同樣兩年裡賺到錢。把這兩件事混在一起，就會出現最糟的那種行為——因為覺得論述有道理而全部出清，然後在半年後受不了追回來，兩頭挨打。

所以比較可用的做法，是把「敘事」跟「資金鏈」拆成兩條線各自追蹤。敘事那條線負責告訴你市場現在願意付多少溢價，資金鏈那條線負責告訴你這個溢價還能被支付多久。Ed 那份「四騎士」清單之所以有價值，不是因為它預言了什麼，而是因為它把第二條線變成了可觀察的事件：某家公司資本支出指引下修、某筆債借不動、某個 IPO 冷場。這些都不是感覺，是會上新聞的具體事實。你可以完全不同意他的結論，但照樣把那份清單抄下來當儀表板。

有一個反面提醒也值得寫下來：他自己說他沒有部位，「我只有情緒上的利益關係」。主持人很客氣地翻譯成「你押的是聲譽，別人押的是錢」。一個沒有部位的人，不必處理「我到底要在哪一天賣掉」這個真正困難的問題。他的分析可以照用，但那個他不用面對的問題，你得自己面對。

二、「財報數字明明很漂亮，我怎麼知道哪些是真需求？」

這集最實用的部分，其實是它示範了怎麼讀一份看起來很好的財報。Ed 用的不是什麼祕密資料，全是公開文件裡的欄位，只是大部分人不看。

第一個欄位是客戶集中度。 輝達的公開文件裡寫了單一客戶佔比、前幾大客戶佔比。主持人替多方講了一句很好的話：這些是直接客戶，但這些客戶背後有幾百萬個他們自己的客戶啊。這是對的反駁，也是這一段最值得看的地方——Ed 沒有否認這句話，他去找間接客戶到底有多少：如果超大型雲端業者背後真的有那麼多終端企業在買，那微軟賣給 OpenAI 以外所有人的 AI 生意，不該只有個位數十億。集中度本身不是罪，集中度加上「間接需求找不到」才是。 這是可以套用到任何產業的判讀順序：先看誰在付錢，再看付錢的人自己有沒有在賺錢。

第二個欄位是收入的定義。 看到 ARR、run rate、年化、經常性這些字，先去找它的定義。這集給的判準很簡單：這筆錢明年會不會自己再來一次？訂閱會，用量不會。當一家公司把用量年化成一個看起來像訂閱的數字，它不一定在說謊，但它一定在做一個對自己有利的假設，而那個假設沒有寫在標題上。

第三個欄位是應收帳款與存貨。 這兩個數字的成長速度如果超過營收，代表「認列的收入」和「收到的錢」之間的距離正在拉開。

這在任何產業都是一樣的訊號，跟 AI 沒有關係。順帶一提，這也是這集裡我覺得他最克制的一段——他說「我不知道，可能只是幾家客戶付款慢」，然後才把懷疑講出來。先承認自己不知道，再說懷疑什麼，這是可信度的來源。

三、「新聞說某公司靠 AI 省了九成，這種話能不能信？」

這集給了一組非常乾淨的對照組，值得單獨拿出來看。

一邊是那篇「省下 80% 到 90%」的報導：標題是全公司口徑，往下讀變成「某些功能」，再往下讀是「公司接了上千個流程」。從九成到不知道幾成，只隔兩段。

另一邊是 Airbnb：45% 的客服電話全程無人介入結案，執行長給出了對現金流與費用的具體數字，而且說明了是搬去開源模型才做到的。

差別不在誰比較誠實，差別在顆粒度。前者給你一個大到無法反駁的百分比，後者給你一個小到可以被驗證的場景。一個好的效率宣稱，應該長得像後者：指名是哪一個流程、給出母數、講清楚代價（Airbnb 的代價就是他們不再付錢給模型供應商了，這對投資 AI 供應鏈的人來說反而是壞消息）。

這個判準不只用在財報上。任何時候有人跟你說「這個東西讓我效率提高了幾倍」，都可以問同一句：哪一件事？原本要多久？現在要多久？ Ed 自己就示範了一次誠實的版本：他用 AI 修兒子的 Minecraft 遊戲，花了半小時、一路在繞圈，最後修好了，而他自己大概修不好。他沒有說這沒用，他說的是「以這個代價來說，這不算讓我驚豔」。這是一個有顆粒度的回答，你可以同意也可以不同意，但你知道他在講什麼。

節目裡還有一句值得記下來的區分。他說他真正擔心的，不是人們把「查資料」外包給 AI，而是把「思考」外包給 AI。主持人立刻同意了——這大概是全集裡兩個人最沒有分歧的一刻。有意思的是，這句話跟前面所有的財務爭論其實沒有直接關係，卻可能是這集裡對聽眾個人影響最大的一句。

可以參考的資料

• The Compound and Friends，2026 年 8 月 28 日這集，Ed Zitron 專訪。
• Ed Zitron 的電子報 Where’s Your Ed At，以及他主持的 Better Offline。他 2023 年那篇談「腐爛經濟」的長文是他所有論點的原型。
• 節目中提到的幾個延伸方向：一位科技顧問寫的部落格，主題是 AI 如何侵蝕企業決策品質；以及幾位長期在追私募信貸與資料中心融資的記者。
• 主持人提到一本講 1873 年鐵路狂潮興衰的書，說重讀之後讓他很想把股票全賣掉。他認為這比 2008 年更適合當這輪的類比，因為兩者的需求都極度「實體」。
• 想看反方的話，同樣值得追蹤的是各家超大型雲端業者的資本支出指引，以及企業法說會上被問到 AI 投資回報時的具體回答——這集裡多空雙方引用的都是這批公開資料。

帶得走的一件事

整集聽下來，真正可以帶走的只有一個觀念：當一件事的錢是循環的，那個數字就不再是證據。

輝達投資 OpenAI，OpenAI 拿這筆錢買輝達的晶片，輝達的營收因此增加，股價因此上漲，於是它更有能力去投資下一家客戶。這個圈裡的每一個數字單獨看都是真的、都經過會計師簽核、都會出現在財報上，但整個圈加起來，可能沒有一分錢是從圈外進來的。Ed 整集在做的事情，說穿了就是拿著一張紙，把箭頭一個一個畫出來，然後問：哪一根箭頭是從外面指進來的？ 這個問題的答案，比任何一個單獨的營收數字都重要。

這件事完全不限於投資。任何一個你正在評估的東西——一份工作、一段關係、一個習慣、一個你很想相信的計畫——都可以問同一個問題：支撐它的證據，有沒有一部分其實是它自己產生的？ 「大家都說這家公司很好」如果追下去發現大家的依據都是同一篇報導，那不是很多個證據，那是一個證據被複製了很多次。「我覺得我最近狀態很好」如果依據是「我覺得」，那也是同一個圈。

今天可以做的練習： 挑一件你目前最有把握的事——不必跟投資有關，可以是「我很確定某某人不喜歡我」「我很確定我現在的工作沒有前途」「我很確定這個決定是對的」。拿一張紙，把你的把握來自哪裡逐條列出來，然後在每一條旁邊標一個字：「外」代表這條證據來自你完全無法影響的地方（別人主動說的話、發生過的具體事件、白紙黑字的數字）；「內」代表這條證據其實是你自己的行為或推論產生的（你因為這麼想所以做了什麼、然後把結果當成證明）。

寫完之後數一下。如果「外」的那一欄少於三條，那你手上握著的可能不是把握，是一個轉得很順的圈。這個練習不會告訴你答案是什麼，但它會告訴你，你到底有沒有資格這麼確定。

Markdown 原文

本文為投資方法論的教育性分享，不構成任何個股買賣建議、不提供目標價、不針對當期標的。投資有風險，任何決策請自行判斷或諮詢合格的專業人士。