Ed Zitron 再次警告：LLM 经济模型根本性破裂，AI 泡沫破裂谁买单

长期以尖锐批评著称 AI 行业的评论人 Ed Zitron 近日在 MacRumors 访谈中再次警告，大语言模型（LLM）行业的经济学从根基上就是「坏的」，而当这一泡沫破裂时，包括苹果在内的一系列企业都将被迫承担代价。Zitron 同时运营 Where's Your Ed At 付费通讯与 Better Offline 播客，被 Politico 称为「AI 热潮中最尖刻的牛虻」。

LLM 计价模式与软件销售逻辑相悖

Zitron 认为，LLM 的成本结构与几乎所有既有软件销售模型都背道而驰。消费者和企业早已习惯按月付费使用软件，但几乎没有人预期购买的是一种按 token 计量、且成本难以预估的服务。

• LLM 按「每百万 token」计费，无论输出是否符合用户预期，只要模型「跑起来」就要收钱；
• 当一个 coding agent 在循环中空转时，用户依然要为消耗的 token 付费；
• AI 公司意识到消费者不会按真实成本付费，于是用模糊的速率上限包装月费订阅，让用户实际消耗的 token 价值远超订阅费本身。

Zitron 援引 SemiAnalysis 的分析指出，用户可以在 20 美元月费订阅上「烧掉」数百美元、在 200 美元订阅上「烧掉」数千美元。即便 AI 鼓吹者声称这些公司在 token 上有 70% 的毛利率，Zitron 表示「几乎无法证明」，他自己的报道显示 OpenAI 在 2025 年营收 130.7 亿美元、亏损 209 亿美元。

企业客户也难以为 AI 付费

按真实成本定价的尝试同样不顺利。今年 3 月，OpenAI 与 Anthropic 都将企业客户转向 token 计费，但几周之内 Uber 就烧光了一整年的 token 预算，其首席运营官公开表示，越来越难为 AI 找到对应到实际功能上的成本理由。Sam Altman 后来承认这是一个「巨大的问题」，但拒绝透露将如何解决。

• Perplexity、Cursor、GitHub Copilot 等典型 AI 初创均处于亏损；
• Copilot 在 6 月转向 token 计费；
• 几乎所有 AI 服务在功能上趋同：能生成、能总结、能搜索——「一个 LLM 就是另一个 LLM」。

Zitron 指出，AI 营收高度集中，Anthropic 与 OpenAI 合计占据了全行业 89% 的收入，其余厂商大多勉强达到 1 亿美元年化收入水平，因此只能谈论「年化营收」来掩盖实际数字的低迷。

数据中心建设依赖私募信贷，泡沫破裂或引发系统性传染

Zitron 进一步分析了 AI 数据中心的资本结构。一座 AI 数据中心建设周期长达 18 至 36 个月，造价数十亿美元，普遍依赖项目融资（project financing）举债，并依赖客户入住才能回款。但事实上，AI 数据中心几乎只有 Anthropic 和 OpenAI 这两个客户，而这两家本身极度亏损，已经「在微软、Google 与亚马逊自建基础设施的情况下」募集了数千亿美元资金。

对于泡沫破裂时的连锁反应，Zitron 的判断是：

• 私募信贷基金（private credit funds）将首当其冲，而这些基金的资金来源包括加州教师退休基金（CalPERS）等公共养老金；
• 项目融资属于「资金已经花出去」的结构，政府难以像传统金融机构那样直接救助特殊目的载体（SPV），若强行兜底将是「数百亿美元级别的政治毒药」；
• Oracle 处境尤为危险：其收入已停滞 20 年，靠累计超过 850 亿美元的并购才勉强维持，而它在 AI 数据中心上累计承诺超过 3400 亿美元，这要求 OpenAI 在 2030 年前成为全球最大、最赚钱的公司，否则 Oracle 将「耗尽资金」；
• 台湾证交所及相关供应链也将受冲击，台股高度依赖广达、鸿海等 ODM 厂商的 AI 服务器收入。

Zitron 强调，AI 相关股票表现良好掩盖了这一切，但没有任何一家超大规模云厂商真正披露其 AI 业务的收入与利润情况。当泡沫破裂时，所谓「私有信贷基金 + 养老金 + AI 服务器供应链 + 高度依赖单一客户的 Oracle」构成的链条，可能成为下一个系统性风险的源头。