82% 的 AI 程式碼從未上線：從帳單失控到循環投資，AI 榮景的清算時刻

本文整理自《Big Technology Podcast》2026 年 5 月播出的單集。

{{< spotify "episode/5oy1eSEzl2L4KLLqc8TaC9" >}}

{{< apple-podcast "tw/podcast/warning-signs-for-the-ai-boom-anthropic-passes-openai/id1522960417?i=1000770244553" >}}

---

五億美元的月帳單，一個人燒掉九億美元的 token

一家企業在一個月內花了五億美元在 Claude 的 token 上。原因很簡單，也很荒謬：沒有人設定使用上限。

這個數字來自 Axios 引用的一位 AI 顧問。Big Technology Podcast 主持人 Alex Kantrowitz 和來賓 Ranjan Roy 花了不少時間推敲，這家企業到底是誰。答案的線索在排除法裡：能在不知不覺中燒掉五億美元月帳單的公司，全世界屈指可數。Amazon、Microsoft、Google 自己就是雲端供應商，Apple 在 AI 上的投入極為保守。Roy 指出，Meta 內部有一個 AI token 使用排行榜，其中一名員工的紀錄是 60 兆個 token。按目前的 API 價格換算，大約相當於九億美元。能不動聲色吞下五億美元月帳單的候選名單，很快就只剩一家了。

Roy 在企業 AI 公司 Writer 工作，對這個產業有第一線的觀察。他提到一個讓他印象深刻的細節：在最近兩次和科技高層的對話中，對方都在「炫耀」自己花了多少錢在 Claude 上面。炫耀營運支出，這在正常的商業世界裡是很罕見的行為。但在過去半年，整個產業處於一種「沒有人在看帳單」的狀態。工程師在命令列裡瘋狂使用 Claude Code，沒有人追蹤成本，也沒有人問產出了什麼。當 Amazon 和 Meta 內部的 token 排行榜把消耗量變成一種地位象徵，失控就只是時間的問題。

Kantrowitz 承認這些案例很驚人，但他提醒不要把少數極端案例擴大解讀成全產業的危機。Microsoft 取消大部分 Claude Code 授權，部分原因是成本，但 Microsoft 自己有 Copilot 這個競爭產品。Starbucks 關掉了一個 AI 庫存管理程式，但那其實是電腦視覺工具，跟語言模型無關。他認為真正有說服力的案例只有 Uber 和那個匿名的五億美元客戶。但問題是，他接下來要講的那個數字，比這些個案都更令人擔憂。

真正的警訊：82% 的 token 什麼都沒出貨

新創公司 Intelligence AI 彙整了超過兩千家企業使用 AI 程式開發工具的資料。結論是：只有 18% 的 token 支出最終轉化為上線的產品功能。換句話說，82% 的 AI 程式碼永遠不會被真正的使用者看到。

Kantrowitz 認為這才是真正的紅燈。業界把為了衝排行榜而瘋狂燒 token 的行為叫做「token maxing」。即使把這類浪費估在 20%，剩下 80% 認真使用 AI 開發工具的人，產出也只有 18% 能上線。這不是少數人搞破壞的問題，這是整個產業的效率問題。

Uber 營運長 Andrew McDonald 公開表示，根據他和 Uber 資深工程主管的對話，更高的 token 使用量並沒有帶來相應的消費者功能產出。他的原話是：「很難畫出一條線，證明我們因此多出貨了 25% 有用的消費者功能。」這段話在網路上引發了兩極反應。AI 批評者說：看吧，全是騙局。AI 擁護者說：這是 Uber 自己的能力問題，不是技術的問題。

Kantrowitz 的觀點介於兩者之間，但偏向擔憂那一側。他的邏輯很直接：如果 Uber 這種科技公司都無法從 AI 支出中看到回報，那 Lowe's 和 Home Depot 這些非科技企業的情況只會更糟。如果 82% 這個數字不改善，AI 熱潮會迎來一場真正的清算。

反方觀點：四個月太短，別急著判死刑

Roy 同意 82% 是比 token maxing 更嚴重的問題。但他不認為現在就應該恐慌。

他的核心論點是：Claude Code 真正變得好用，是在 2025 年 11 月的事情。到現在不過四到六個月。開發者 Simon Willison 提出過一個被廣泛引用的觀點，很多「企業三個月就燒完全年 token 預算」的故事，其實很容易解釋。預算是 2025 年設的，那時候 Claude Code 還沒有突飛猛進。當工具在 2025 年底大幅進化，2026 年初的需求自然暴增。這不是失控，而是預測模型跟不上技術進步的速度。用四個月的資料來判斷一項技術有沒有價值，太早了。

Roy 用自己在 Writer 的實務經驗補充。他們幫企業客戶優化 AI 工作流程時，經常發現巨大的效率改善空間。他舉了一個具體的例子：把一個使用大型 CSV 檔案作為上下文的代理人工作流，改成把資料切成多個小型 JSON 檔案、按需呼叫，同一個流程的 token 消耗量立刻降低 70% 到 80%。這說明浪費不是技術的問題，而是用法的問題。組織需要時間學習怎麼正確地使用這些工具。在正常的商業週期裡，82% 的實驗浪費率對一項全新的技術來說，或許不算異常。

但 Roy 自己也承認，問題在於目前的 AI 產業不在正常的商業週期裡。它在一個被天量資金、循環投資和 IPO 前估值灌注的超級週期裡。這讓四個月的實驗期承載了完全不成比例的壓力和期待。而且還有第三種可能性讓他不安：Kantrowitz 提到，也許工程師已經搞清楚怎麼讓 AI 替自己做事，他們消耗大量 token，但產出的功能跟之前手動開發的差不多。Token 在做工作沒錯，但工程師在偷閒。管理層看到帳單暴增、產出不變，只能得出「AI 沒用」的結論。

循環投資：Big Tech 利潤的紙上遊戲

帳單失控的故事只是冰山的水面部分。水面下，是一個更大的結構性問題。

Kantrowitz 和 Roy 花了相當多時間拆解 AI 產業的循環投資。這個結構的運作方式是：大型雲端公司投資 AI 實驗室，AI 實驗室把拿到的錢花回去買雲端算力，雲端公司把這筆支出記為營收，同時在帳面上標記 AI 實驗室股權的增值作為利潤。具體的數字讓人倒吸一口氣。上一季 Alphabet 報告了 626 億美元的利潤，其中 287 億美元是 Anthropic 持股的帳面增值。Amazon 報告了 303 億美元的利潤，其中 168 億美元來自同一筆 Anthropic 的帳面增值。也就是說，Google 將近 46% 的季度利潤、Amazon 超過 55% 的季度利潤，來自對同一家私人 AI 公司的紙上估值調整。

集中度風險同樣驚人。Microsoft 未來 6,270 億美元的訂單儲備中，49% 與 OpenAI 綁定。Oracle 5,530 億美元的營收管線中，54% 依賴 OpenAI 的合約承諾。NVIDIA 投資了 1,000 億美元到 OpenAI，而 OpenAI 承諾用這筆錢買 NVIDIA 的晶片。整個鏈條環環相扣，每一個環節都在為下一個環節提供營收數字。

Roy 強調他不認為這裡面有什麼陰謀。他的原話是：「這不是什麼秘密集團在操縱估值，這就是金融。」每個參與者都有動機把估值推高，因為高估值對準備透過 IPO 退出的早期投資人最有利。Kantrowitz 也指出，帳面增值的記錄在會計上是法定要求。但兩人都同意一件事：當這個自我強化的系統佔據了 Big Tech 利潤的如此大比例時，系統性風險就變得非常真實。如果 AI 產業之外的真實世界需求，沒有按照這些遠期合約假設的規模出現，整個結構可能同時鬆動。

Anthropic 以 9,000 億美元估值超越 OpenAI

在這個背景下，Anthropic 本週宣布完成 650 億美元的融資，投前估值 9,000 億美元，正式超越 OpenAI（上一輪融資 1,220 億美元，投後估值 8,520 億美元），成為全球最高估值的 AI 新創公司。

驅動這個里程碑的主要引擎是 Claude Code。Anthropic 的年度經常性收入（ARR）從 2025 年 1 月的 10 億美元，飆升到 2026 年 5 月的 470 億美元，16 個月成長了 47 倍。Kantrowitz 逐月追蹤了這條曲線：2025 年 5 月 30 億、6 月 40 億、8 月 50 億、10 月 70 億、12 月 80 到 100 億。然後 2026 年更驚人，2 月 140 億、3 月 190 億、4 月 300 億、5 月 470 億。他的觀點是，即使扣掉 token maxing 和循環投資的水分，你也不可能完全偽造這種規模的營收成長。

Roy 同意營收是真實的，因為它反映的是實際的 token 消耗。但他更關心這些數字被如何解讀。當一家企業一個月燒掉五億美元，Anthropic 可以把它換算成 60 億美元的年化營收。ARR 的跳升推動更高的融資輪次，更高的估值推動更高的帳面增值，更高的帳面增值膨脹了 Big Tech 的利潤數字。他把 9,000 億美元的估值定位為一種 IPO 前的「錨定策略」。同一批投資人，Altimeter、Dragoneer、Sequoia，從頭到尾參與了每一輪融資，最終設定了他們希望在 IPO 時兌現的價格。Roy 回憶，在 2017、2018 年，新創公司的估值還被視為商業機密。現在 9,000 億這個數字被反覆公開，目的就是讓零售投資人在 IPO 時接受這個價格。

Kantrowitz 提醒不要低估 OpenAI 的反擊能力。兩家公司的競爭非常膠著，OpenAI 需要靠 Codex 超級應用來回擊。Google 的雲端業務在成長，但在自主程式開發的賽道上似乎缺席。Roy 引用 CNBC 評論人 Josh Brown 的說法，把 Anthropic、OpenAI 和 SpaceX 即將到來的 IPO 形容為「三顆撞向地球的小行星」，因為這三場 IPO 需要從主權基金和少數大型成長型投資人之外的地方，吸收巨量的外部資金。誰來接盤？散戶投資人。

記憶體晶片超越石油：AI 蝴蝶效應的極致

AI 熱潮的影響不只停留在軟體和雲端。《華爾街日報》報導，全球三大記憶體晶片製造商三星電子、SK 海力士和美光科技，每一家的市值都超過了一兆美元，合計比全球市值最高的三家石油公司（包括沙烏地阿美的 1.8 兆美元）高出 22%。

Roy 試著畫出一條因果鏈：企業內部的 token 排行榜推動了 Anthropic 的 ARR 成長，ARR 成長推動了更高的融資估值，估值訊號告訴市場 AI 基礎設施的需求沒有上限，這推動了記憶體晶片的估值達到兆美元級別，兆美元的市值再吸引散戶資金湧入。他提到兩則韓國新聞：27 歲的韓國年輕人用融資槓桿買記憶體股票，韓國的法拉利經銷商庫存已經賣到兩年後。他承認自己把兩個不同的報導拼在一起，但他認為背後的邏輯鏈是真的。從一個 Meta 員工的 token 排行榜紀錄，到首爾的法拉利展間清空庫存，這條蝴蝶效應的鏈條已經不只是理論。

更讓 Roy 不安的是他從金融圈聽到的問題已經變了。以前投資人會問：「你看到 AI 的投資回報了嗎？企業採用率怎麼樣？」現在他們只問一個問題：「你覺得下一個瓶頸在哪裡？」這不是在評估基本面。這是在尋找下一個稀缺性套利的機會，下一個記憶體晶片，可能是資料中心冷卻系統，可能是電力供應。當投資對話從「這東西有沒有用」變成「下一個能炒的標的是什麼」，離泡沫的頂點或許已經不遠了。

泡沫還是成長痛？

回到最根本的問題：AI 產業是在膨脹一個泡沫，還是在經歷新技術必然的成長痛？

我認為最誠實的答案是兩者都有。82% 的浪費率，對一項只有四到六個月歷史的技術來說，或許不算異常。企業需要時間學習，需要時間從大型 CSV 換成分段 JSON，需要時間從「給工程師無限額度」走到「設定合理的使用策略」。但用這四個月的 ARR 來支撐 9,000 億美元的估值，然後準備把這個估值透過 IPO 轉嫁給散戶投資人，這就超出成長痛的範疇了。

Roy 用了一個精準的觀察。在正常的商業週期裡，企業可以慢慢實驗、慢慢優化、慢慢找到 AI 的正確用法。但當整個金融體系都在加速運轉，每一筆 token 消耗都被放大成 ARR，每一次 ARR 跳升都觸發新一輪融資，每一次融資都推高下游的記憶體股票和散戶槓桿，「慢慢來」就不再是一個選項。四個月太短，不足以判斷一項技術的價值。但四個月的資料已經足以支撐兆美元級別的估值和投資決策。這中間的落差，就是風險所在。

技術是真的。循環投資的結構也是真的。問題在於，外面那個真實世界的需求，是否能按照這些遠期合約和估值錨定所暗示的規模，準時到來。