次貸級 AI 危機：這是一場被補貼掩蓋的瘋狂算力騙局 (The Subprime AI Crisis)

原始來源與檔名：20260512_2026-05-05T094218+0800-AI 的经济账根本算不通.md

來源：[[@dotey]] / X (Twitter) — 2026-04-29 原始檔名：2026-05-05T094218+0800-AI 的经济账根本算不通.md

NAPKIN | 餐巾紙

餐巾紙公式

Subscription Price ($20/mo) <<< Actual Token Cost (Up to $100/mo). Data Center Capex ($ Billions) > Expected AI Revenue (Hypothetical). Result = A systemic collapse waiting to happen when investors demand ROI and hyperscalers stop subsidizing tokens.

這是一篇如同《大賣空》(The Big Short) 般驚悚的產業深度揭秘文。作者 Ed Zitron 犀利地指出，當前生成式 AI 的繁榮是建立在一個巨大的「經濟錯配」上：AI 公司為了圈地，用固定的包月訂閱費（如 20 美元）掩蓋了極其高昂且不可預測的底層 Token 消耗成本（用戶每花 1 美元，AI 公司可能燒掉 8 美元）。當 GitHub Copilot 宣佈轉向「按使用量計費 (Token-based billing)」時，戳破了這個泡沫的第一個洞。更可怕的是，為了支撐 OpenAI 等公司畫出的大餅，Oracle 等基礎設施巨頭正在舉債數百億美元興建 AI 資料中心；如果 OpenAI 無法在 4 年內賺到荒謬的 8520 億美元來支付算力合約，整個矽谷的基礎設施將面臨骨牌式的崩塌。

一句話

醒醒吧，AI 的經濟帳根本算不平。你以為你每個月花 20 美金用 Claude 或 ChatGPT 吃到飽是常態？不，那是矽谷巨頭在用投資人的錢替你補貼天價的 GPU 算力。生成式 AI 就像一家每加侖汽油成本 150 美元卻只收你 20 美元月費的計程車公司。當微軟 (Copilot) 和 Anthropic 撐不住開始按「實際 Token 消耗量」向你收費（一個開發者一天可能要燒掉 30 美元）時，所有企業都會驚恐地發現：這項技術根本創造不出能回本的生產力。

餐巾紙草圖

[ The AI Subprime Bubble ]

      [ End Users ] (Pay $20/mo, burn $80/mo in compute)
           │
           ▼
[ AI Startups (OpenAI/Anthropic) ] (Bleed billions subsidizing users)
           │
           ▼
Promises 1000% future growth to justify...
           │
           ▼
[ Cloud Providers (Oracle/CoreWeave) ] (Take on massive debt to build Data Centers)
           │
           ▼
[ NVIDIA ] (Sells GPUs, books revenue)

*If users refuse to pay true token costs -> Startups default -> Clouds default -> BOOM.*

ROUND 1: SKELETON | 骨架掃描

“這篇文章在說什麼”

事件引爆點: GitHub Copilot 取消固定月費制，改為按 Token 實際用量計費。這標誌著巨頭（連最有錢的微軟）也無法繼續補貼龐大的推理算力了。
訂閱制的騙局: AI 的成本是不穩定的（一個指令可能消耗幾萬個 Token）。用固定月費銷售 LLM 服務，本質上是隱藏真實成本（宰客），讓使用者養成依賴，並對 AI 的幻覺與錯誤保持寬容（因為不用為錯誤的重試買單）。
真實成本的恐怖: 企業級使用（如 Claude Code），一個開發者每天可能消耗 13 到 30 美元。一個 10 人團隊一年在 Token 上的花費可能高達 7 到 10 萬美元。如果取消補貼，幾乎沒有企業能證明這種投資回報率 (ROI) 是合理的。
資料中心的經濟死局: 建置 AI 資料中心（如 Oracle 為 OpenAI 建的 Stargate Abilene）需要數百億美元的資本支出與舉債。即使 100% 滿載，利潤率極低且回本期長達 6 年（而硬體 1 年就迭代過時）。
核彈級的系統性風險: Oracle 等雲端服務商的生存，完全押注在 OpenAI 能否支付天文數字的算力合約。OpenAI 被迫預測自己到 2030 年底能創造 6730 億美元的營收（比現在的微軟還高）。如果 OpenAI 達不到這個近乎幻想的目標而違約，Oracle 等巨頭將面臨毀滅性的債務危機。

ROUND 2: DISSECTION | 血肉解剖

“憑什麼這麼說”

核心論證鏈

SaaS 經濟學的不適用: 傳統 SaaS (如 Google Workspace) 的邊際成本遞減且可預測；但生成式 AI 的每次調用都需要昂貴的 GPU 運算，重度使用者的成本會直接擊穿利潤率。因此，「訂閱吃到飽」在經濟學上絕對不成立。
掩蓋成本導致的虛假繁榮: 如果每次 AI 寫出有 Bug 的代碼，使用者的信用卡就會被扣 15 美元，大眾對 AI 的寬容度會瞬間降至冰點。整個行業的繁榮，建立在使用者不知道自己正在燒掉多少錢的基礎上。
基礎設施的紙牌屋: 資料中心建設（Capex）的計算極度嚴謹。文章詳細計算了 100MW 資料中心的折舊、電費、融資利息，證明即使在完美情況下，其毛利率也低得可憐（甚至為負）。這些投資完全依賴 OpenAI 畫出的大餅。

關鍵證據

引用華爾街日報：Copilot 早期每位用戶每月虧損超過 20 美元，重度用戶高達 80 美元。
引用 Anthropic 官方文件：企業部署 Claude Code，90% 用戶每個活躍日成本在 30 美元以內。
引用 Oracle 財報與發債紀錄：Oracle 自由現金流為負 247 億美元，近期瘋狂發行數百億美元債券以支撐資料中心建設。

邊界條件

模型壓縮與算力革命的希望: 作者的悲觀預測建立在「Token 成本不會指數級下降」的前提上。雖然推理模型 (Reasoning models) 確實增加了 Token 消耗，但如果未來在晶片架構或模型蒸餾技術上出現顛覆性突破，大幅壓低了推理的物理成本，這個泡沫就有可能實現軟著陸。

ROUND 3: SOUL | 靈魂提取

“還能怎么用”

知識連結: 強烈呼應了《所有人都低估了 AI 推理層的價值》一文。Baseten 的繁榮證明了推理算力的極度緊缺，但本篇文章補上了黑暗的一面：這股緊缺的背後，是由不計成本的 VC 資金與科技巨頭的補貼硬撐起來的，終端客戶根本沒有為這些算力支付全額的真實價格。
深層洞見: “You cannot guarantee that an LLM will execute an action, nor can you guarantee it will give a reality-based result… This is an abusive, manipulative, and deceptive way of doing business.” (你無法保證 LLM 一定會執行任務，也無法保證結果正確… 隱藏計費是一場欺騙)。這指出了 Agentic 時代最可怕的雷區。當 Agent 開始在背景大量消耗 Token 去執行長週期任務時，一旦改為按量計費，企業將面臨失控的帳單。
行動呼籲: 身為開發者或企業主，立即審查你公司內部的 AI 依賴度。假設明天開始，所有的 AI API 與訂閱費用上漲 5 倍（回歸真實成本），你現在開發的工作流或商業模式還能獲利嗎？如果不能，請立刻停止擴張，尋找更具經濟效益的小模型 (Small Language Models) 或本地部署方案。