Ed Zitron：他說生成式 AI 的商業模式是一場騙局，錢會在 2027 年先斷

他不是說技術不存在，而是說賣法不誠實：從 2022、2023 年起，這些公司把它包裝成會取代所有工作、會治癒癌症的魔法，實際交付的卻是昂貴、不賺錢、又不可靠的雲端軟體。他說如果當初老實講「這是有趣的生成式軟體，很貴、還不確定可靠、我們會慢慢來」，他反而會尊重。

“All of these companies run at a horrifying loss.”

他的第二個指控是揭露：這些上市公司有好消息一定會講，卻從不拆分 AI 收入，偶爾才丟出一個「年化 run rate」，而且每次定義都不同（月×12？四週×13？）。他的推論是，不講的本身就是資訊——一旦拆開，會明顯看出大客戶只有那兩家。

他也把「AI」這個詞的用法算進去：蛋白質摺疊、機器人、自駕都被塞進同一個籃子，所以每當有人說「LLM 做不到」，對方就拿 AlphaFold 回應。他強調自己批的只有生成式 AI，而現在蓋的這批資料中心也只為這一種用途。

他先解釋計費單位：API 按每百萬 token 收費，輸入、輸出、連模型「思考」都算；但月費方案把這些藏起來，只給用量上限。他引 SemiAnalysis 的估算——月付 200 美元的 ChatGPT 方案可燒 1.4 萬美元的算力、Anthropic 的可燒 8,000 美元，20 美元方案也能燒到 400 美元。他說補貼倍數不知道，可能不是 1 比 1 而是 30 比 1，因為財報裡也不揭露。

“Right now the demand we have for generative AI is predominantly subsidized.”

他的檢驗標準很簡單：如果產品真的值那個價，公司就會照成本收費。他舉的反證是 2026 年 3 月前後企業方案（150 人以上）改按 token 計價後的反應——企業立刻慌了，Uber 三個月就燒完整年的 token 預算。他說這才是「大家真的要付錢時」的需求。

主持人反問：未婚妻的小生意因此不必再請設計師，這不是價值嗎？他的回答是：那她願意付每百萬 token 的實價嗎？如果願意付、而且付了還高興，那才算是一個論點。

他的核心圖像：Amazon、Google、Microsoft 的 AI 收入有 70% 來自 OpenAI 與 Anthropic；這兩家又靠同一批公司注資存活（他列的數字：Amazon 今年給 OpenAI 500 億、給 Anthropic 50 億，Google 給 Anthropic 100 億美元；OpenAI 近半年的資金主要來自 SoftBank、Nvidia、Amazon）。錢從雲端業者出去，繞一圈變成雲端業者的「AI 收入」。

“They have gone from being these cash machines to these cash furnaces.”

他把 Nvidia 也放進同一個迴圈：Nvidia 上個財年賣了 2,159 億美元的 GPU，而 Nvidia 在 2023 年投資 CoreWeave 後又簽了 13 億美元合約向 CoreWeave 租回自己的 GPU，讓 CoreWeave 能拿著「有客戶」去向銀行舉債買更多 GPU。他說四大公司四年內新增了 7,000 億美元以上的廠房設備，軟體公司原本「現金多、資產輕」的特性沒了。

他的反面推論是：這套循環一停，模型就停止進步——因為每一代模型都要幾十億美元的訓練與資料，GPT-5 就有一次花了五億美元卻沒有成果的訓練。他認為到目前為止的所有「進步」都是這個循環系統的產物，不是需求的產物。

他的起點是 OpenAI 的現金需求：上輪估值 8,650 億美元、今年已募 1,220 億，他估每年至少要再募 1,000 億才活得下去；IPO 原定今年、已延到 2027 年（他說是在他公布 OpenAI 經審計財報後一週半）。Amazon 的 350 億美元注資原本還附帶「提早上市」的條件。他判斷若 Anthropic 先上市，OpenAI 幾乎不可能再跟著上。

“I think sometime in 2027, things are going to start running out of steam.”

骨牌的第二層是綁在 OpenAI 上的公司：SoftBank 帳上約 1,000 億美元的 OpenAI 持股，不能上市就不能變現或抵押；Oracle 為 OpenAI 蓋 7.1 GW、逾 4,000 億美元的資料中心，他說 Oracle 的未來就押在 OpenAI 五年 3,000 億美元的支出上。第三層是三大雲得下修成長指引，因為分析師預估的未來三年半 4,000 億美元以上的雲端收入，來源就是這兩家。

最後一層是市場：Nvidia 占 S&P 500 約 7 到 8%，他估其營收可能回落五到七成；他形容那時市場會把這幾家公司「當航空公司來估值」——有既有生意、但沒有新成長。他明說這是他的推演，「有很多種結局」；至於紓困，他認為理論上救得了 OpenAI 一時，但救不了整個局面。

主持人全程持反方：ChatGPT 60 天破億用戶、企業 88% 採用、幻覺率從 21.8% 降到 0.7%（主持人引用的排行榜數字）、自駕車事故率低於人類、AWS 賠了 12 年才轉盈、Uber 累虧 330 億美元。他的回應分兩種：一是量級不同（Spotify 一年沒虧 209 億、AWS 12 年資本支出通膨調整後 297 億）；二是這些數據多半講的不是生成式 AI。

他自己讓步的地方，本站照錄：LLM 在寫程式上「有用途，我不否認」；把一整包故障日誌丟進去問「哪裡壞了」，是他「唯一會替它辯護的用途」；軟體品質下滑「你說得對，很難用軼事以外的方式量化」；自駕車「我不是專家」；達康泡沫之後確實出現了需求，只是他認為性質不同。主持人提出「餓太久的人看到香蕉樹會互相踩踏」的比喻時，他說「這點我其實同意」——那正是他所謂的「達康泡沫」理論：沒有新的高成長題材，所以慌著買 GPU。

被問到什麼會讓他承認錯誤，他給了三個條件：硬體突破讓成本降到千分之一、產品真的能自主完成他們承諾的事、而且「跟魔法沒有分別」——他說標準這麼高，是因為標準是這些公司自己設的。