2026年9月7日
矽谷當下最hype的valuation model，說穿了就是把全球白領的total payroll複製落Excel，直接paste進OpenAI 和Anthropic的revenue forecasting預測欄，再隨手將discount rate(折現率)調低幾格。這根本不叫估值，這是將宗教狂熱包裝成spreadsheet。AI bulls(大好友)的核心論述向來很clean：Model會變強，Model會取代人類工作；既然工作背後有薪酬，那麼Model公司自然能將這筆工資全數落袋。這套邏輯披着資本主義的外衣，骨子裏卻是一場大衛高柏飛式的魔術。台下觀眾只看見魔術師的高帽，但VC(創投)們眼裏看見的，卻是3萬億美元的ARR(年度經常性收入)。
癥結從來不在於AI缺乏real demand。恰恰相反，需求端正在井噴。OpenAI自詡2025年ARR已衝破200億美元；近期市場更有傳聞指其run-rate正向400億美元狂奔，而Anthropic的年化收入指標亦被熱炒至突破650億美元。不過，兩者的入賬口徑根本無法apples-to-apples直接比較，尤其在Gross revenue與Net revenue的會計處理上大有文章。換言之，單是top-line數字本身已自帶極厚的「會計濾鏡」，更遑論bottom-line的真實利潤。在這場AI狂歡裏，最先被徹底automated(自動化)的，似乎是華爾街對earnings quality的盡職審查(Due Diligence)能力。
退一步講，就算對這堆天文數字照單全收，距離神壇上的「數萬億美元TAM(總潛在市場）」依然遙不可及。由400 億跳到3萬億美元，是75倍；由650億跳到3萬億，亦是46倍的鴻溝。這絕非多賣幾個enterprise seats、每月加幾蚊美金subscription fee就能填補的黑洞。要撐起這個估值，AI模型不能僅僅是productivity tool，它必須化身為整個宏觀經濟內，重新分配勞動力薪酬、企業利潤、消費支出與資本租金(Capital rents)的中央結算所(Central Clearing House）。很遺憾，世上還沒有哪份API documentation敢make過這種宏大的commitment。
永遠樂觀的perma-bulls最愛拿來寫pitchbook的素材，是全球白領的wage pool(薪資池)——這塊餅確實畫得極度性感。按美國勞工統計局2025年的數據，將管理、商業金融、IT、工程與法律等專業職位的就業人數與平均薪酬粗略相乘，年度薪資池高達3.7萬億美元。這個figure看似完美地為「AI 巨頭 3 萬億收入」提供了宏大敍事的 backdrop。可惜，布景板從來不等於market size，打工仔的人工也不能無縫轉換成企業的IT budget。一份薪水背後，買的並不單是output，更包攬了信任、責任(Accountability)、組織權限、Client relationship、監管合規、Office politics、專業聲譽，以至大量從未寫進JD(Job Description)、卻能確保公司不會每天原地explode的「灰色勞動」。
AI固然能秒速包辦一名junior lawyer 80%的drafting工作，但這絕不代表Model公司就有資格向客戶硬掘該名律師 80%的billable hours。現實商戰中更合理的playout是：Law firm partner縮減headcount，Client趁機瘋狂要求 fee compression(壓價)，保險公司重新underwriting釐清liability，Compliance部門依然死硬堅持要「人類」簽名作實。折騰到最後，模型供應商收到的，只是一筆比想像中微薄得多、且還要跟Cloud provider拆賬的API費用。勞動價值從來不是一塊乖乖放在枱面、等Sam Altman拿刀叉來切的肥肉；它更像是一鍋渾水，裏面浮沉着責任、流程、制度，以及人類在出事後「總要找個肉身來孭鑊」的古老劣根性。
說到底，真正決定economic rent(經濟租)歸屬的，從來不是誰automated了最多tasks，而是整條value chain最後的bottleneck(樽頸)落在哪裏。假使AI自動化了95%的workflow，但最後那5%依然需要人類去make judgment calls、簽名拍板、跑sales、安撫Board of Directors，甚至上庭面對法官，那麼市場最稀缺的 premium就會毫無懸念地流向這5%的人。這是資本主義最冷血、卻又最顛撲不破的鐵律：Value 由全產業鏈共同創造，Profit卻永遠由bottleneck獨家收割。AI狂牛開口閉口都是「取代人類」，卻刻意迴避三個靈魂拷問：「誰擁有 client？誰揹legal liability？誰掌握workflow的入口？」缺乏這三張底牌，吹上天的AGI，充其量只是地表上智商最高的外判商(Subcontractor）。
再者，企業級導入(Enterprise adoption)絕不像在App Store下載個App般兒戲。大型MNC(跨國企業)並非一群坐等科技神諭降臨的rational agents，而是一座由budget cycles、陳舊的Legacy IT系統、對合規的終極恐懼、跨部門turf war(權力鬥爭)，以及中層manager自尊心交織而成的corporate maze(企業迷宮)。誠如聯儲局在2026年的《AI 經濟監測筆記》中極度克制的措詞：金融市場對AI narrative(敍事)極度亢奮，但宏觀總產出與就業數據，僅反映出極其有限的廣泛轉型跡象；截至2026年，AI 對實體經濟的impact仍局限於特定的niche markets，那種「全經濟瞬間paradigm shift」的幻覺，依然只是幻覺。
更刺耳的是，early evidence往往不給這套神話面子。權威模型評估機構METR在2025年初針對AI coding tools 所做的隨機對照實驗(RCT)狠狠掌摑了市場：資深開源開發者在處理熟悉的龐大codebase時，用了AI輔助，完成任務的時間竟然不減反增19%——最諷刺的是，這班developers主觀上還「feel good」覺得自己變快了。這並非徹底否定AI copilot的價值，但殘酷的現實是：「感覺productivity爆升」與「公司P&L真正見靚」之間，隔着一條深不見底、足以淹死一街valuation models的大河。
Pricing power(定價權)是另一個被樂觀派刻意淡化的死穴。OpenAI一路強調算力與revenue會同步起飛，堅信狂谷算力必將驅動更快的adoption與monetization；他們更將下一階段描繪成能always-on(持續運行）、記住 context且跨工具執行的agentic workflows。這無疑是supply-side最唯美的劇本：Capability升級、Cost下降、Demand爆發，flywheel(飛輪)順利狂轉。但問題在於，對shareholders而言，成本下降向來是把雙刃劍：一面叫 market expansion，另一面，卻叫price collapse(價格崩塌)。
AI inference(推理)成本正在經歷跳水式暴跌。回顧2024年OpenAI推出GPT-4o mini時標榜，其每token成本已較 2022年的text-davinci-003狂劈99%，且比GPT-3.5 Turbo平60%以上。研究機構Epoch AI的分析更一針見血：要達到同等AI能力，成本正以每年5到10倍的速度急降。這對end-users是福音，對人類文明也是福音；但對企圖築起護城河、榨取壟斷利潤(Monopoly margins)的科企而言，卻是不折不扣的催命符。當昨日的frontier model淪為明日的mid-tier廉價貨，企業客為「地表最強大腦」支付天價premium的意願就會面臨極限壓力測試。請記住，大企的CFO對「通用智慧」從來沒有信仰，他們只信嚴苛的procurement process(採購流程)與ROI。
大好友們必定會抬出「傑文斯悖論」(Jevons Paradox)來護航：價格愈平，用量愈大，Volume最終會打救 revenue。這劇本固然make sense——正如電費變平後，人類不僅點亮了更多燈泡，還發明了雪櫃、升降機和夜間棒球賽。然而，法律、審計、工程與管理顧問服務的demand elasticity(需求彈性)從來不是無限大。Contract review就算跌到一毫子一次，你也不會癲到每朝早起身，叫AI幫你run六次M&A的due diligence(盡職調查)；Consulting fee再劈價，Board room裏的大佬們也不會因此突然愛上睇更多垃圾PowerPoint。價格下行的確能憑空創造新需求，但demand curve(需求曲線)從來不是一條直通天堂的扶手電梯。
真正有望打開藍海增量市場的，其實是AI-native的consumer services(消費級應用)。Personal agents、娛樂、EdTech、醫療陪伴、personalised software以至Robo-advisors，這些領域的潛在TAM確實驚人。但新市場不會在你press release發布模型那一刻就自動pop up。User acquisition需要極高成本，用戶要建立trust、扭轉行為模式、戒掉舊習慣，最致命的是：他們要心甘情願地持續掏錢subscribe。人類消費者的upgrade cycle，永遠跑輸大廠們互相跑分的Benchmark leaderboards。AI模型可以透過一晚的compute變得絕頂聰明，但中產家庭的 household budget和生活惰性，絕對不會。
更深層的計時炸彈在於macro demand(宏觀需求)。AI agents可以代人類打工，卻絕不會代人類消費。它們不買 Levi's，不飲Starbucks，不交租，更不會為仔女報暑期遊學團。它們的食糧只有算力，偶爾再吞幾口B2B SaaS。倘若海量白領的disposable income(可支配收入)被無情擠壓，而增量財富極度聚攏於AI巨頭、Cloud providers、晶片商及Capital owners手中，整體的aggregate demand將無可避免地變得畸形，過度依賴頂層富豪與 investment spending。聯儲局關於財富異質性與消費的研究早已寫在牆上：高淨值家庭的marginal propensity to consume(邊際消費傾向)向來極低，財富過度集中，只會廢掉資產升值對實質GDP與消費的傳導機制。AI機械人不會落IFC掃貨，Billionaires亦不會因為身家多了幾億而每日買多兩條廁紙。
理論上，這死結可透過政府的fiscal redistribution(財政再分配)來解。但實操層面上，當AI的超級暴利集中在美國那幾家Big Tech財報裏，而失業陣痛與工資下行壓力卻外溢至全球多國的服務業時，要達成global consensus的政治協議，進度絕對比train一個千億參數模型慢幾條街。矽谷那班科技狂熱份子常把政治風險天真地局限於「地區居民抗議Data center搶水」。太naive了。真正的political risk從來不是水電，而是工資、稅基、社會階層、選票，以及究竟「誰有權去瓜分機器搾取出來的surplus value(剩餘價值)」。Power grid(電網)可以揼錢升級，但人類社會的 social contract(社會契約)，卻無法說擴容就擴容。
退一萬步，就算demand真如好友預期般大爆發，profit也未必能乖乖留在Model公司賬上。當下AI的CapEx(資本開支)規模，已完全失控成一場冷戰式的軍備競賽，只不過核彈頭換成了GPU。細看各廠2026年的指引：Microsoft 預算約1900億美元；Alphabet指引介乎1800億至1900億美元；Amazon宣稱全年cash CapEx可能高達2200億美元；連Meta也預期燒掉1150億至1350億美元。取個中位數加總，四大巨頭一年光是CapEx就高達7200億美元。這根本不是Software business應有的capital intensity(資本密集度)，這是一間重資產的煉鋼廠，硬生生套上了一件矽谷風的Patagonia抓毛背心。
眼下，scarcity rent(稀缺租金)顯然正瘋狂地逆流向上游。看看Nvidia 2027財年第二季的靚景：Top-line狂飆至 962億美元，按年爆升106%；當中Data Center收入獨佔890億美元，按年大增117%，Gross margin(毛利率)更企穩75%的神級水平。這堆瘋狂數字赤裸裸地印證了一個硬道理：在這場淘金熱(Gold rush)中，賣鏟的公司不僅躺着賺錢，他們還在收會員費、賣樽裝水，兼且霸佔了礦山入口收過路費。模型公司大可以繼續在台前兜售AGI救世的科幻偉論，但Nvidia在後台做的，是默默地send invoice(寄發票）。坦白說，華爾街的smart money永遠更buy 後者。
這正是AI投資邏輯裏最毫不浪漫、卻最攸關生死的核心拷問：整條value chain，到底誰才是真正的bottleneck？是 model的推理能力？是distribution channels(分發渠道)？是算力？電力？Data center的機殼？HBM(高頻寬記憶體)？Networking設備？還是監管機構的批文？如果最終答案並非「模型公司本身」，那麼OpenAI和Anthropic哪怕 top-line收入再暴漲，其角色充其量只是一個站在價值鏈中間的高級買辦——辛苦替上游的hardware和cloud infrastructure收集終端需求，然後把榨乾的free cash flow恭恭敬敬地雙手奉上。這類business model規模的確可以極度massive，但「龐大」不等於「暴利」；Airlines(航空公司)的規模同樣龐大，但長線股東多年來何曾因此拿過通往天堂的門票？
Anthropic近期的增長神話尤為令人目眩。公司在2026年5月宣布完成650億美元融資，Post-money valuation(投後估值)逼近9650億美元，並宣稱年化收入已跨過470億美元門檻；隨後市場更放風指其run-rate已突破650億美元。這絕對是史詩級的商業擴張速度，背後也確有不容抹殺的real demand。但各位請認清現實：ARR不等於free cash flow，Revenue run-rate築不成 moat(護城河)，而極度亢奮的valuation亦絕非天命所歸。當一家成立僅五、六年光景的startup，被定價成一項比地球上多數國家GDP還要龐大且具想像力的資產時，理性的buy-side投資者最少該冷靜地問一句：這到底是一門堅不可摧的monopoly(壟斷)，還是只不過是一間暫時跑贏大市的高級 reseller(經銷商)？
筆者絕非倡議「AI無用論」，而是要戳破一個盲點：從「技術capabilities躍升」到「實質economic return(經濟回報）」之間，存在着太多的沙石與friction costs(摩擦成本)。Model要能完美execute任務，企業內部要甘願re-engineer流程，User要肯改變慣性，定價要夠食水深，對手不能太快catch up，上游supplier不能搾乾絕大部分租金，最重要的是——被AI搶飯碗的人類，還要奇蹟般繼續有財力去消費。上述每一個assumption(假設)，單獨看都非天方夜譚；真正荒謬的，是華爾街竟然假設這堆苛刻條件會在短短兩三年內「完美sync同步兌現」，然後大言不慚地將這個幻象寫入研究報告，稱之為估值模型裏的base case(基本情境)。
身處當下，最intellectually honest(理智且誠實)的姿態絕非做個死硬的AI熊軍(Bears)，而是堅決拒絕盲目跟車的「幼稚AI大狂牛」。AI毫無疑問將深層次重塑宏觀經濟，其顛覆勢頭甚至比當年的工業革命來得猛烈。但市場必須醒水：「快」不代表「即時變現」，「好用」不代表「monetizable(可收費）」，「Top-line收入」不等於「Bottom-line 利潤」，而「自動化」更絕不代表「Model公司能獨吞打工仔的全份薪水」。投資者若想在這場世紀科技革命中押注，麻煩少讀一點Sci-Fi劇本，多花點精神去拆解bottleneck assets(瓶頸資產)；少看花裏胡哨的tech demo，多深挖枯燥的procurement cycles；別再迷戀大模型智商有幾高，請直擊靈魂拷問：「到底誰出錢找數」、「誰有pricing power」、「誰食盡gross margin」，以及最重要的——出事時「誰去悲壯孭鑊」。
AI的大未來，的確有降臨的一天。只不過，當未來正式敲門時，那張豐厚的天價支票，抬頭未必會寫上你portfolio 裏重倉的那家明星公司名字。這正是Tech investing(科技投資)界最古老、也最地獄的黑色幽默：人類每一次都能無比精準地預判產業革命的大方向，然後在狂熱之中，傾家蕩產買錯了那部收銀機。
徐立言（本欄每逢周一刊出）
https://www.facebook.com/hsulylab
上一篇：搏拳實錄丨好友「搭尾班車」反攻
