一夫作難：為什麼高處的東西，倒下不需要理由

一夫作難而七廟隳，身死人手，為天下笑者，何也？

—— 賈誼《過秦論》（西漢，約公元前 2 世紀）

秦築長城、收天下之兵、以為子孫帝王萬世之業，最後被一個戍卒起事推倒。賈誼寫這篇的重點不在那個戍卒有多厲害，而在一件事被堆到極高的位置之後，推倒它的那隻手可以有多小。The Meb Faber Show 2026 年 8 月 28 日這集（第 648 集），來賓 Paul Kedrosky 講了一整集的 AI 基礎建設，最後也停在同一個地方：問「什麼會戳破它」是問錯了，因為在那個高度上，能戳破它的東西太多了。

這集在講什麼

Paul Kedrosky 是創投業者，也長期在麻省理工的數位經濟研究單位做研究，早年做過賣方分析師。他這集的立場很清楚，但不是常見的那種：他完全不認為大型語言模型沒用——他的原話是「它們有用得離譜」——他認為問題出在那個「有用」跟現在正在流動的那些錢，已經幾乎沒有關係了。

整集圍繞一個主張展開：翻遍過去兩百年最大的幾次泡沫，它們各自有幾樣共通成分——寬鬆的信貸、一個真實而動人的技術故事、一個房地產的成分、一個政策的角度。運河佔了幾樣，鐵路佔了幾樣，1920 年代的電氣化佔了幾樣。而這一次，是第一次所有成分同時到齊。

也因為所有成分同時到齊，每個人都只從自己那一面去摸它：搞信貸的從信貸看、搞不動產的從不動產看、社群上的技術愛好者從「五個能改變你人生的提示詞」看。摸到的都是真的，加起來不是那頭象。

摘要重點

一、人類最大的失敗是看不懂指數函數。 他引物理學家 Albert Bartlett 這句話，配上一個老比喻：池塘裡的藻類每天倍增，在它鋪滿整個池塘的前一天，池塘只被蓋了一半，再前一天只有四分之一。多頭與空頭同時誤讀了指數——而 AI 這件事身上不只一條指數曲線，是兩條互相拉扯的：採用在指數上升，價格在指數下降。

二、我們是從一個最不具代表性的起點在外推未來。 大型語言模型最早落地的地方是寫程式，而寫程式有三個非常罕見的性質：文法嚴格（把子程式改得「比較好看」不會得到比較好看的軟體，只會得到壞掉的軟體）、錯誤回饋快、而且它是擴張型的——一句話進去，一百萬行程式碼出來。可是絕大多數白領的用法剛好相反，是壓縮型的：四十頁的研究報告進去，五條重點出來，而且真正想知道的是「這五條跟昨天有什麼不一樣」。他說，經濟生活裡幾乎沒有第二個領域同時具備那三個性質，「而我們正是從那個領域外推我們的未來」。他用創投的老話收尾：要非常小心你的第一批客戶，因為早期採用者不像任何人。

三、融資的性質在 2026 上半年翻轉了，而反對他的人的說法也跟著翻了一百八十度。 過去幾年他被堵回來的標準句型是：「這些都是公司自己的現金流，人家是聰明公司，你憑什麼管人家怎麼花？」到了 2026 年上半，資料中心的融資已有超過一半來自外部——資產擔保證券、私募信貸、主權基金、各種特殊目的公司。而同一批人現在說的是：「錢是外部投資人給的，他們很聰明，你操什麼心？」他當場指出這件事本身才是重點：同一個事實的兩面，被拿來支持同一個結論，這叫動機性推理——你講這個故事是因為它讓你舒服，不是因為它讓世界運作得更好。

四、放款的人根本不在乎資料中心裡在幹嘛。 他常開一個玩笑：以他接觸到的多數放款方的角度，那些資料中心裡就算在辦捉迷藏比賽，他們也毫不在意。因為他們穿過資料中心往後看，看到的是一個信用評等極高的承租方、一份十二年可續約的租約、一條穩定現金流——比持有十年期公債好多了。

這就是 Minsky 講的那個時刻：當一件事被金融化到與底層應用脫鉤，就該高度注意了。而錢流得太兇還產生了一個反轉：教科書寫的是主權發債會排擠民間融資，現在是資料中心的募資在排擠主權——這也是近期長天期利率躁動的原因之一。他引摩根大通的報告：投資級債市裡約 15% 到 18% 已與資料中心相關；如果它是一個產業，它在投資級市場的占比已經大於金融服務業。

五、token 是現代經濟史上第一個超通縮商品。 每年下跌約七到八成。他把算術攤開：如果單價一年掉八成，我光是要原地踏步，出貨量就得成長四倍——而這還沒算要滿足華爾街的期待，也還沒算現在超過一半的融資是債、利息得付。他形容那些前沿模型公司像卡通裡衝出懸崖的土狼，腳還在空中轉，心裡想的是「拜託別掉下去，我用這個速度長只是為了不往下掉」。

同一集裡另一個數字很有意思：某個大型 GPU 資源池的使用率只有三成五到四成，卻同時有二手繪圖卡因為稀缺而漲價的故事——兩件事要同時成立，只有一種解釋，就是大規模囤貨與重複下單。今天囤的貨，就是未來某天倒進市場的供給。

六、模型之間的差距已經收斂，而外掛的工具在替它們遮掩。 他說年增益從過去每年一成到一成二，掉到現在大約一到二個百分點；被拿來宣傳的那些評測分數愈來愈沒意義，因為模型會把評測本身吃進訓練資料——等於考前先看過考卷。更關鍵的是各家模型之間的變異數塌陷了。他偶爾會做一種「可樂百事盲測」，把模型藏在同一個外殼後面請人分辨，結果是沒有人分得出來，但每個人都以為自己分得出來。

至於那些包在模型外面的編碼工具，他用《真善美》來比喻：模型是一群調皮的孩子，外殼是那位家庭教師，她讓一群調皮的孩子唱出漂亮的合唱——聽起來像孩子變好了，其實是有人把他們組織起來了。他順帶丟出一句很辣的預測：最成功的那家前沿公司，會是第一個不再假裝自己要訓練新模型的公司。還有一句可以直接拿去用的：大型語言模型裡的中位數資料，大概就是社群論壇上一個三十七歲男性——先想想那個人會怎麼回答你，你多半就猜到模型會怎麼回答。

七、討厭資料中心這件事，在美國有一個別的國家沒有的成分。 主持人引了一份調查：約七成五的人不希望自己所在的郡有資料中心，比反對核電還高。Kedrosky 的解讀分兩層。第一層是「失去主導權」的感受——那是一個我沒同意過就出現在那裡的龐然大物，同時也象徵著我對自己的工作、關係、生活愈來愈說不上話。第二層才是美國獨有的：在美國，工作受威脅等於健保受威脅，健保受威脅等於個人破產的風險。而這幾年業界推銷 AI 的方式，恰恰是強調它會取代多少工作。他說得直接：你這樣講，人家就照你講的相信了。有意思的對照是，同一份數據裡，撒哈拉以南非洲等開發中地區對 AI 的態度反而正面得多——因為在那裡它被看成一個往上爬的梯子，不是一個把東西拿走的東西。

延伸想法

一、「我手上這檔已經漲很多了，到底該不該跑？」

這個問題之所以難，是因為你想要的是一個「會不會出事」的答案，而市場給不出來。這集提供了一個換算方式，是我認為最值得帶走的一段。

Kedrosky 說，在高估值的位置上，失敗是過度決定的：假設有二十條讓它跌下去的路，每一條的機率都不高，就算各只有 5%，把「二十條全都不發生」乘起來，你會得到超過六成的失敗機率。

所以那個看起來「無法預測、也沒特別危險」的狀態，其實是高度可預測的——只是預測的對象是機率的總和，不是某一條路。

主持人接著講了一個很好的旁證：Derek Thompson 貼了一張 Nike 從高點跌掉七成五的圖問「發生了什麼事」，底下幾百則留言講產品、講競爭者、講政治爭議、講總體經濟——沒有人提到，高點時本益比是 70，現在是 20。

這裡有個對投資人很實用的判讀順序：當一堆各說各話的解釋都能解釋同一段跌幅時，先去看倍數變了多少。 如果倍數的變化就吃掉了大部分跌幅，那些故事多半是事後補上的。反過來也成立：如果倍數幾乎沒動、跌的是每股盈餘，那才真的是基本面的事。

至於「該不該跑」，這集沒有答案，也不該有。但它把問題改寫成一個你自己算得出來的版本：我現在承擔的，是幾條路的機率相加？

二、「AI 需求明明是真的，那我買相關的不就對了？」

這集最反直覺的一點，就是它同時堅持兩件事：技術是真的有用，而且錢的流向已經跟它有沒有用脫鉤了。

要把這兩件事同時放在腦子裡，得先把一個問題拆成兩個。第一個是東西有沒有用——這一題他給的答案是肯定的，而且他強調，正因為技術是真的，這種時刻才會發生；如果是那種毫無道理的收藏品狂熱，根本不會有這麼多錢進來。第二個是這筆錢怎麼付、誰扛著——這一題的答案在這半年變了。從內部現金流變成外部債務，不只是換一個資金來源而已，它改變了整件事的性質：現金流可以放慢，債務不能。

拆成兩題之後，很多矛盾的新聞就不矛盾了。使用率只有三成五、同時二手卡漲價，不是有人在說謊，是囤貨；資料中心佔投資級債市近兩成，不代表泡沫明天破，而是代表這個產業的體質已經從「無債現金牛」變成「有永續維護支出的公用事業」——而它現在的估值還是照科技公司在給的。Kedrosky 因此拋出一個很銳利的分岔題：接下來是公用事業被重新評價成科技股，還是那些綁在資本支出浪頭上的科技公司被重新評價成公用事業？他自己選後者。

還有一層更精緻的：他提到有家做推論晶片的新創，把設計驗證階段從六七個月壓到四十二天，靠的正是「晶片設計的程式碼」剛好落在語言模型最擅長的甜蜜點上。他半開玩笑說接下來會有「氛圍造芯」。而這件事的諷刺之處是——如果部落知識堆出來的護城河真的被 AI 拆掉，那拆掉「晶片是稀缺寡占」這個信念的，正是 AI 自己。

所以「需求是真的」跟「你買的那一層賺得到錢」之間，隔著三個問題：這一層會不會被自己的成功淹沒（供給洪水）、這一層的錢是誰在付（融資結構）、以及這一層的護城河是不是正在被同一波技術溶解。

三、「我什麼都沒做錯，為什麼我的股票先跌？」

這集有一段結構性的推演，我覺得是散戶最少接觸、卻最常被它傷到的東西。

背景是新股供給：他算出僅僅少數幾家公司（他點名了幾家最大的私人公司）如果上市，發行規模就會超過二戰以來所有 IPO 的總和——通膨調整後也是。四兆，而且他說現在看起來更像五兆五。

真正的推論在後面。散戶常以為大型基金地下室有一台印鈔機，要買新股就跟走廊那頭喊一聲「幫我調點錢」。實際上不是——現金對長期只做多的基金來說是拖累報酬的東西，所以要買新東西，得先賣舊東西。而賣什麼，是有規律的：賣最流動的（不想砸出價格衝擊）、賣跟要買的東西重疊的（不想在同一個因子上曝險兩次）、以及——這條最反直覺——賣表現最好的（先鎖住獲利，季報上比較好寫）。

更重要的是時間。這種挪錢不可能在上市前一晚做完，得提前幾週甚至幾個月，還得做得不著痕跡。所以「新股洪水」的壓力，會在洪水抵達之前很久，就先落在現有的贏家身上。他說他年初就把這個推演做出來了，四五六月那段時間某些流動性最好、表現最好的名字先承壓，跟這件事有關。

對一般人的意義有兩層，而且方向相反，兩層都要拿走。第一層是安慰：你的持股下跌，可能只是因為別人得先賣它才付得起別的東西——這跟你的判斷對不對無關。第二層是警告：這個解釋太好用了，好用到可以拿來合理化任何一次下跌。所以它必須配一個可證偽的檢查：被迫賣壓是全面的、同時發生的、而且不挑基本面。如果跟你同類的、一樣流動的名字都在同一段時間一起弱，那是資金挪動；如果只有你這一檔在弱，別人都好好的，那就不是別人在調頭寸，是你的東西出了事。

可以參考的資料

• The Meb Faber Show 第 648 集，來賓 Paul Kedrosky（2026-08-28）。節目由 Cambria 的共同創辦人 Meb Faber 主持。
• Paul Kedrosky 自己的網站 paulkedrosky.com——他在節目最後說東西都在那裡；他們也長期在出圖表，這集裡的多數統計都出自那一系列。
• Albert Bartlett 談指數函數的公開演講。這集最上游的那句話出自他：人類最大的失敗，是無法理解指數函數。想理解本篇任何一段之前，先看懂這個。
• 摩根大通關於投資級債市中資料中心相關占比的統計（節目中引述為 15% 到 18%）。這類數字的價值不在精確，而在它讓你把「科技公司沒有債」這個舊印象丟掉。

帶得走的一件事

在高處，倒下不需要理由，只需要機率相加。

我們判斷風險的方式幾乎都是「舉一個會出事的例子」，然後評估那個例子像不像真的。想不出來一個夠嚇人的，就得出「應該還好」。但這個方法在高處會失靈——因為高處的特徵不是某一條路特別危險，而是路特別多。二十條各 5%，加起來就超過六成，而且事後你只會看到其中一條，然後給它一個很有說服力的名字。

今天可以做的練習（不用碰股票也能做）： 挑一件你現在最依賴、而且一旦斷掉會很痛的安排——一份收入來源、一台每天在用又會壞的東西、一個所有事情都要經過他的人、一段關係裡唯一還通的溝通管道，都算。拿張紙寫下十條它可能斷掉的方式，每條給一個你覺得很低的年機率，2% 或 5% 都行。然後把「都不發生」乘起來：0.95 的十次方是 0.6。也就是說，十條你各自覺得「不太可能」的路，加起來是四成會出事。

寫完不要停在感嘆。挑其中最便宜就能補起來的那一條，這週把它補掉——多一個備份、多一個知道密碼的人、多問到一個聯絡方式。你不會因此變安全，但你會第一次知道自己站得多高。

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。