AI capex 變成債務陷阱

我拆 Ed Zitron 對 AI capex 的論點：錢一直燒，收入卻不夠撐，最後可能變成債務陷阱。

我盯 AI 花錢這件事一陣子了，老實說，從一開始就有點怪。每季都在演同一套：雲端大廠繼續砸 GPU、蓋資料中心、擴 AI 基礎建設，然後大家假裝這些錢最後會自己長出合理回報。沒有。Ed Zitron 這篇文章把我心裡那個不舒服講得很直白：這不是收入故事，這更像是 capex 在替債務撐場面。

我最受不了的是，這套玩法被講得太正常了。換成一般新創這樣燒錢，我們會說不健康；換成上市公司沒有明確回報地亂砸，我們會說有風險。可一旦掛上 AI，很多人就開始把「花越多」當成「進展越快」。這根本倒著看。錢才是故事本身，而這個故事不太好看。

先把原始論點攤開，不要先被話術帶走

“The five largest hyperscalers are set to spend over a trillion US dollars on AI-related capital expenditure from 2025 through 2026.”

翻譯一下就是：最大的幾家雲端公司，正在用「需求一定會來」的心態提前下注，但回報模型其實還很空。Zitron 引的是 BIS 的警訊，不是什麼情緒貼文。意思很簡單：如果回報沒跟上，融資條件一緊，整個 capex 機器就會從「成長故事」變成「資產負債表麻煩」。

我自己在產品和基礎建設規劃裡也看過這種毛病。團隊會說，前一輪錢都花了，現在不繼續投就浪費。於是下一輪投資變成唯一選項，沒人想當那個說「等等，這東西真的會回本嗎」的人。這種心態放大到 hyperscaler，就是有逗號的壓力表。

實操上我會先問兩件事：第一，直接收入來源是什麼；第二，如果這個來源放慢，會發生什麼事。只要答案是「之後再想」，那就不是策略，是在等爆點。

OpenAI 和 Anthropic 比較像錨，不像健康客戶群

“Anthropic and OpenAI… are not startups, but subsidiaries of big tech that only exist as separate arms as a means of pumping equity positions and hiding the truth.”

這句話很狠，但我懂他在講什麼。AI 經濟現在不是廣泛分散的市場，而是高度集中。雲端大廠砸錢養少數模型實驗室，模型實驗室再把錢拿去買同一批算力。這不是健康交易，這比較像迴圈。

Zitron 的核心意思是，OpenAI 和 Anthropic 這類玩家，對雲端廠商的剩餘履約義務和未來收入預期影響太大。就算你不接受他每個估算值，方向也很清楚：如果買家就那幾個，所謂市場其實只是幾張巨大資產負債表在互相對話。

我以前在 enterprise software 也遇過類似狀況，一個大客戶就能把 roadmap 拉歪。差別只是這次規模更大。當那個 whale 叫 OpenAI，整片海看起來都開始不真實了。

• 客戶太少，收入就脆。
• 收入太脆，債務就更可怕。
• 債務加上 hype，大家就會把活動量誤認成可持續性。

實操上，如果你在評估 AI 供應商或投資標的，我會先畫客戶集中度。不是首頁 logo 牆，是實際營收比例。只靠一兩個名字撐場的公司，不叫分散經營，叫依賴風險包裝得比較好看。

「Run rate」是這個市場最愛的煙霧彈

“They are continuing to invest… and the markets, analysts and journalists are acting as if everything is fine.”

也就是說，大家一直拿年化數字來包裝短期表現，把弱經濟硬講成長期趨勢。Zitron 直接點名微軟那種 AI run rate 說法。run rate 只是把一個月拉成一年，外面套個確定性外衣而已。這招老掉牙，但還是很好用。

我最討厭這個，因為它在產品圈也到處都是。儀表板某個月好看，敘事就跟著變；但一個月不是生意，最多只能算一個樣本。真正的生意要扛得住淡月、壞月，還有那些根本不照 pitch deck 走的客戶。

Zitron 的重點是，現在被拿來講故事的 AI 收入，跟支撐它的 capex 相比小得可憐。換句話說，連最樂觀的公開數字都還撐不起這個花費。如果整個故事只能靠 run rate 撐著，那故事其實已經很虛了。

實操上，我會直接禁止團隊只拿 run rate 當結論。你要看的是實際認列收入、毛利、服務成本。公司如果不願意拆這些數字，那中間那個洞大概就是它不想讓你看的地方。

• Run rate 是快照，不是證據。
• 只有收入，沒有毛利，資訊不完整。
• 沒有回本期的 capex，本質上就是昂貴表演。

Oracle 是警告牌，不是例外

“Oracle has massively leveraged itself for the benefit of one company, OpenAI, and if that company can’t pay its bills, it’s fucked.”

這段我覺得特別刺。Oracle 不是什麼靈活新創，它是個老派、負債重、核心業務又開始吃力的大公司，結果自己決定為了 AI 算力再加碼。Zitron 把債務、租賃承諾、負自由現金流一路串起來，最後回到同一個問題：如果那個大客戶付不出來，誰先倒楣？

翻成白話就是，AI 不只讓模型公司燒錢，還讓上游願意幫它融資的人一起下去。Oracle 幾乎像是在替 OpenAI 做資金中介，這在客戶本身現金流還沒站穩之前，真的很瘋。

我看過太多平台規劃會議都長這樣：先說需求很戰略，先核 buildout；buildout 一旦做下去，沉沒成本壓力就來了；接著大家把「既然都做了」改口叫「承諾」。最後原本的假設，硬被講成好像從來沒錯過。

實操上，只要你的基礎建設計畫依賴單一買家，我就會把它當單點失敗風險。直接 stress test：如果這個買家砍半預算、延後付款、或談得更兇，會怎樣。模型一碰就碎，那不是模型，那是希望加 Excel。

晶片真的賣很好，但這不代表需求健康

“Record sales across NVIDIA, Micron, Sandisk, SK Hynix, and Samsung are a direct result of an entirely speculative asset bubble.”

這裡很容易被帶歪。晶片賣得好，不代表底層需求就一定穩。它也可能只是很多公司怕錯過下一波，所以先把貨買起來。這樣當然會有真實銷售，也會有真實獲利，但它還是可能是一個泡沫。

Zitron 的意思是，半導體景氣是上游 capex 推出來的，不是終端需求健康到足以支撐整條鏈。capex 一慢，晶片訂單就慢；晶片訂單一慢，整個 stack 就會變得很難看。這就是為什麼這件事不只關係到 NVIDIA，而是整條供應鏈。

我在雲端搬遷也看過同樣的事。大家一起搶容量，因為大家都在搶容量。真正的工作負載成長如果晚到，或根本沒到，帳單倒是準時得很。

實操上，我會把「庫存補貨」和「終端需求」切開看。如果營收成長主要來自上游囤貨，你就不能把它當成永久趨勢。很多人就是在這裡被套住的。

這整套玩法，前提是 AI 最後得變成別的東西

“There is no cogent or rational argument in favor of continued capital expenditures… without a tacit acceptance that much of the current spend has been a waste.”

這就是整篇文章的核心。現在這種 AI 花錢模式，只有在模型實驗室最後變成某種比今天更值錢的東西時，才說得通。不是更會自動完成文字，不是簡報裡那種 agentic workflows，而是能產生足夠新收入，去支撐幾兆級的基礎建設和債務。

翻譯一下就是，市場正在替一個還不存在的未來買單，同時裝作它已經發生。Zitron 的論點很直接：今天的花費，沒有今天的回報支撐。唯一能替它辯護的方法，就是說未來會完全不同到今天的數學都不算數。這是一個很貴的賭注。

我不太信那種「模型一直變強，所以 capex 可以一直加」的說法。更強是更強，然後呢？如果答案還是「我們正在找用例」，那你不是在成熟市場，你是在募資輪。

實操上，只要有人要你加碼 AI 支出，我會逼他講清楚三件事：哪個產品行為會改變、哪個使用者族群會付錢、毛利長什麼樣。三件事接不起來，就別再把那筆支出叫策略。

可抄的模板

# AI capex 風險檢查模板

## 1. 這筆錢到底花在哪
- 年度 capex：
- AI 相關 capex：
- 用來融資的債務：
- 租賃承諾：

## 2. 誰在付錢
- 直接客戶：
- 客戶集中度：
- 前 3 大客戶營收占比：
- 是否依賴單一模型實驗室或單一雲端廠商：

## 3. 哪些收入是真的
- 已認列收入：
- 被包裝成 run rate 的收入：
- 毛利率：
- 營業利益率：
- 回本期：

## 4. 先壞的是什麼
- 如果客戶支出下滑 25%：
- 如果融資環境收緊：
- 如果利用率下降：
- 如果模型品質停滯：

## 5. 會議上我該問什麼
- 哪個具體工作負載支撐這筆支出？
- 今天是誰在付錢？
- 如果那個客戶停兩季，會怎樣？
- 這裡綁了哪些債務或租賃義務？
- 你現在還沒秀給我看的數字是什麼？

## 6. 決策規則
如果這門生意依賴尚未被證明的未來 AI 收入，那在實際毛利和客戶需求證明之前，先把這筆支出當成投機。

我把這個模板寫得很直白，因為我希望 AI 花錢審查少一點表演、多一點會計。它會逼你把話題從 demo 和敘事，拉回現金、客戶、義務。真正的風險都在那裡。

你可以拿去做 vendor review、內部預算審查，或任何聽起來像「之後會賺回來」的提案。數字如果真的硬，這模板也不會害你；數字如果虛，它會很快把洞照出來。

我覺得 Zitron 這篇最重要的地方，不是說 AI 是假的，而是現在這套融資結構在幫它撐大部分的戲，而這個結構比很多人願意承認的還脆。這種事沒那麼好聊，因為它不如模型能力討喜，但它決定最後誰會被套在上面。

原始來源：Ed Zitron, The AI Industry Is Losing。我上面拆的是他的論點骨架；模板和實操問法是我自己整理成開發者／產品／採購都能直接拿去用的版本。