連 Chamath 都禁用 Cursor：當 AI 工具帳單暴增但產出為零

本文整理自 All-In Podcast 2026 年 3 月播出的單集。

{{< youtube gzwRflcLPAA >}}

{{< spotify "episode/3bo7YXncqKzWs5QeIAweFs" >}}

{{< apple-podcast "tw/podcast/inside-the-iran-war-and-the-pentagons-feud/id1502871393?i=1000753534584" >}}

---

AI 最大的粉絲親手按下了暫停鍵

如果你要在矽谷找一個最不可能對 AI 工具踩煞車的人，Chamath Palihapitiya 大概會排在前三。他是 Social Capital 的創辦人，All-In Podcast 的共同主持人，過去兩年在節目上反覆讚揚 AI 工具的革命性潛力。他曾經用「你會覺得自己是天才」來形容使用 AI 編程助手的感受。所以，當他在這集節目裡坦承自己的公司被迫禁用 Cursor，衝擊就特別大。

「我們不得不跟團隊說：把 Cursor 停掉，因為你們只是在包裝繪圖程式碼，然後為這些 token 付出太高的代價。」Chamath 的描述很具體：工程師們使用 AI 編程工具時，工具在背後大量消耗 token 來生成和重構程式碼，但產出的品質和速度並沒有成比例提升。更糟糕的是，成本不是線性增長的。他透露，AI 工具的支出在他的投資組合公司中，每三個月就翻三倍。收入的增長速度遠遠跟不上。

這不是一個反 AI 的故事。Chamath 在同一口氣裡說「它們很棒，你真的會覺得自己是天才」，又說「但這些工具的投資報酬率真的很重要」。問題不在於 AI 工具有沒有用，而在於「有用」和「划算」之間存在一個巨大的鴻溝，而多數使用者和企業還沒有認真面對這個鴻溝。

Ralph Wiggum 迴圈：送出去就回不來

Chamath 用了一個精準到殘忍的比喻來描述這個現象：Ralph Wiggum 迴圈。Ralph Wiggum 是《辛普森家庭》（The Simpsons）裡那個永遠搞不清楚狀況的小男孩，被派去做任何事都會帶著一臉困惑迷路回來。Chamath 說，現在的 AI agent 就像 Ralph Wiggum：「把任務丟給它，它就出發了，然後跑了一圈什麼也沒搞定，但帳單已經產生了。」

這個比喻之所以引起共鳴，是因為它精準描述了 2026 年初 AI agent 的一個普遍問題。當你讓 AI agent 執行一個複雜的多步驟任務，它會開始分解問題、搜尋資訊、嘗試不同路徑、生成中間結果。每一步都消耗 token，每一步都產生費用。但如果 agent 在某個環節卡住了，它不會像人類一樣停下來問問題或承認自己不行，它會繼續嘗試，繞圈子，用更多 token 去探索註定失敗的路徑。等你發現產出不對的時候，帳單已經累積到令人吃驚的數字。

問題的根源在於 AI agent 的監督成本。理論上，你可以設定預算上限、中間檢查點、失敗自動終止。但實務上，如果你需要花同樣多的時間去監督 AI agent，那它的效率優勢就大打折扣。Chamath 暗示，他的團隊在嘗試了各種監控機制後，最終選擇了最粗暴但最有效的方案：直接把工具停掉，回到人工作業，至少成本可控。這不是一個長期解方，但它反映了一個令人不安的現實：以目前的技術成熟度和定價模式，無人監督的 AI agent 對很多企業來說是一個成本黑洞。

五角大廈也中招

這個問題不只困擾矽谷新創。五角大廈研究與工程次長 Emil Michael 在同一集節目中透露，政府機構同樣被 AI 工具的成本嚇到了。五角大廈也不得不限制 Cursor 的使用，因為工程人員的使用模式和民間企業一模一樣：把工具當作萬能助手，不太計較每次互動的成本，直到月底帳單來的時候才意識到出了問題。

政府的 AI 成本問題還有一層民間企業沒有的特殊困境。Michael 指出，五角大廈需要至少兩家可靠的 AI 模型供應商來互相競價，否則就會被單一供應商綁架。目前最有希望的供應商是 Google，因為 Google 有自己的雲端基礎設施，不需要像 Anthropic 透過 AWS 或 OpenAI 透過 Azure 那樣多一層中間商的利潤。但 Google 在 Project Maven 之後與軍方的關係一直很微妙，雖然近年已經軟化立場，要達到五角大廈需要的安全認證等級和供應穩定度，仍然需要時間。

這意味著五角大廈正處在一個尷尬的夾縫中：AI 工具確實大幅提升了作戰效能（Operation Epic Fury 就是證明），但控制成本的手段遠遠跟不上使用量的爆炸性增長。而剛被列為供應鏈風險的 Anthropic，偏偏是很多人認為目前最好用的 AI 模型供應商。五角大廈等於在最需要 AI 的時候，把最好的供應商之一推到了門外。

我的觀察

Chamath 的坦白之所以重要，是因為他讓一個所有人都感覺到但沒人願意大聲說的問題浮上檯面：AI 工具目前的商業模式有一個結構性矛盾。對使用者來說，這些工具的體驗是「感覺像天才」，但帳單上反映的是另一個故事。對供應商來說，按 token 計費的模式鼓勵使用者多用，但使用量爆炸後使用者會發現投報率不成比例，最終選擇減量或停用。這不是誰的錯，而是技術成熟度和商業模式還沒有找到均衡點。

Ralph Wiggum 迴圈的問題在技術上是可以解決的。更好的 agent 架構、更聰明的失敗偵測、更精準的成本預估，這些都是工程問題。但 Chamath 點出的更深層挑戰是人的行為：當一個工具讓你「覺得自己是天才」的時候，你很難冷靜地評估它的真實成本效益。這跟信用卡的邏輯很像，花錢的瞬間很爽，帳單來的時候才痛。AI 工具的「感覺生產力」和「實際生產力」之間的落差，可能是 2026 年企業 AI 導入最需要面對的問題。

不是不用 AI，是要學會算這筆帳。