三篇 AI 泡沫论合并精读：Ed Zitron / Gary Marcus / Cory Doctorow（2026-05-24 → 05-26）

读这篇之前需要先知道一件事：三家篇幅差异很大，强行做”对照”会扭曲他们各自的本意。Ed Zitron 是四篇长文合计三万字的完整论证，已经单独落盘过精读（2026-05-24-ed-zitron-ai-bubble.md），这次只取核心论点不重复展开。Gary Marcus 这一篇只有约 500 字，是他在 Uber COO 那句话出来当晚发的一篇短帖，他自己在文末就说”详细的后续邮件订阅文章再写”。Cory Doctorow 那篇约 3000-4000 字，是社会评论性质的定性诊断，不预测时点。

所以这次合并精读不是把三人放到同一个论证强度上比，而是看三种独立角度（金融、企业部署实证、阶级 / 劳资）撞到同一个共识层时，能不能形成比单家更可信的合成判断。

一、三人立论一图

二、三家在哪儿不打架

三家都同意的事，含金量比 Ed 一家论证更高，因为分别是财务报表、企业实际部署、社会评论三种独立验证。

AI 单位经济学有结构问题这件事，三家从三个完全不同的角度撞到同一点。Ed 拿 Anthropic CFO 法庭宣誓的”超过 50 亿”对比公开宣传的 190-450 亿年化收入，差距 4-9 倍；Marcus 拿 Uber 几个月烧完全年 token 预算 + 微软自己切 Claude Code 授权（理由是成本）；Doctorow 直接署名引用 Ed 的”dogshit unit economics”（垃圾级单位经济学）加一句”AI is the money-losingest endeavor in human history”（AI 是人类历史上最亏钱的事业）。

企业 ROI 信号在 2025-2026 年转向负面也是三家共同指向。Ed 给的是 BCG / McKinsey 调研里 60% 公司没产生价值；Marcus 给的是 Uber / Target / Starbucks / 微软四个具体案例；Doctorow 给的是 CNBC 2026 年 5 月”几乎所有大公司都有强制 AI 使用项目”。这三股信号共同指向一件事——企业自愿采纳 AI 的曲线在退潮，被强制采纳的曲线在抬升。这是 5-8 月之内的新信号。

风险被打包卖给散户和银行系统这一条，Ed 讲私募信贷 1785 亿美元进数据中心债务、银行开始转手卖给 Apollo 这类私募；Marcus 讲散户通过指数基金被动暴露在 4 万亿美元未盈利公司上市上；Doctorow 没明讲，但把 AI 描述为”史上最亏钱的事业”，言下之意是亏到不能止损。这一条对外部沟通有用，能说清楚现在退出窗口的紧迫性不是因为 AI 没价值，而是系统性风险敞口在扩张。

三、他们在打架的地方

三人看问题的角度完全不同。Ed 是财务证据派，拿美国证监会文件、法庭宣誓、行业咨询机构 CBRE 数据来推，核心是”数学不对劲”。Marcus 是技术怀疑论者的实证报警员，拿企业部署失败案例来推，核心是”模型不靠谱 + 企业 ROI 不够”。Doctorow 是阶级权力派，拿历史类比来推，核心是”采纳方向反转 = 价值幻觉”。这三种角度不能互相替代——Ed 不证明 Doctorow（财务亏不证明权力关系反转了），Doctorow 不证明 Ed（采纳反转不证明待履行合同数学崩），Marcus 提供实证信号但不构成独立论证。

时点立场分裂。Ed 给具体季度（2026 年 Q3 财报第一次大压测）+ 具体的触发事件（Anthropic 融 750 亿 / OpenAI 实际资本支出对比承诺）。Marcus 模糊（“够多公司报相同”，但没给阈值）。Doctorow 完全不给时点。能驱动调仓动作的只有 Ed 的时点表。

反方处理能力差距更大。Ed 自己留了反方接口，但有两个明显盲点没处理——推理价格下降曲线（Epoch AI 数据 GPT-4 等效价格 16 个月降 40-900 倍）和主权资金需求（阿联酋 / 沙特 2000 亿+美元）。Marcus 完全没处理反方，自己在文末加了一句”市场可能比理性持续更久”作为免责声明。Doctorow 留了半步退路——承认有自主权高的员工自愿用、承认有 bullshit jobs（David Graeber 框架，狗屁工作）该被替代，但整体仍然把”被强制”等同于”不该用”。能拿数据反驳的只有 Ed，Marcus 和 Doctorow 更多是先有立场再选证据。

还有一个对判断时点重要的隐性分歧：Marcus 把 Uber COO 那句话当成第一张多米诺，认为一个公司的公开承认会引发其他公司跟着说，最终雪崩。Doctorow 隐含立场反过来——他认为问题是”员工被强制采纳”这种系统性结构，单个公司的承认改变不了什么。如果 Marcus 对，未来几个月每多一家公司说”我们 AI 没回报”都是减仓信号；如果 Doctorow 对，单个公司的承认会被淹没在更多”强制 KPI 进展”叙事里。这个分歧决定你看的是单点事件还是结构变化。

四、互相补强的合成论点

把三家拼起来形成的合成论点比任何一家单独论证都更难被反驳：财务层（Ed）+ 企业部署 ROI 失败信号（Marcus）+ 采纳方向反转的社会学（Doctorow）三层独立验证拼起来，对方要同时反驳”数学不对、企业说没用、员工不要”三件事。

Doctorow 借 Ed 的方式有意思。他全文链接的 Ed 不是 Ed 自己的邮件订阅文章，而是 Doctorow 2025 年 9 月写过的《subprime intelligence》（次级智能）一篇——也就是说他用的姿态是”我之前已经详细写过 Ed 这套财务论证”，把 Ed 的措辞当既定事实，再叠加自己的阶级视角。这种引用方式形成了”事实层 + 信号层 + 解释层”的天然分工，对做合并精读的人有借鉴。

Marcus 和 Doctorow 之间没有显式对话，互不引用。这是合并精读里能挑出的最大对立——多米诺论 vs 结构论。要追问的话：

问 Marcus：如果未来 6 个月又有 5 家公司公开承认 AI ROI 不足，但同期老板继续强制 KPI、AI 使用率指标继续上升，你的多米诺论还成立吗？

问 Doctorow：如果未来 6 个月 OpenAI 真的上市，估值 1 万亿+美元且超额认购，你的”反向采纳预示价值幻觉”论怎么自洽？

五、卖铲人之外，反过来还能赚的钱

Ed 那篇精读已经列了看多情景下的”卖铲人”——淘金潮里真正赚钱的不是淘金者而是卖工具的人，AI 浪潮里对应的是卖电力、冷却、芯片、网络的标的。三家合并能挖出另一类机会：泡沫论成立的情况下，仍然有几条反过来能赚钱的走法。

Ed 路径下做空标的最清晰。他给的最具体的判断是大型云厂商的折旧即将出现跳升——亚马逊 Q4 已经单季 189 亿美元折旧摊销，明年到 250-300 亿美元。这个数字在美国通用会计准则下的利润里还没完全反映。2026 年 Q3 财报后亚马逊 / 谷歌股价是否反映折旧跳升，是检验 Ed 整套判断的第一次硬测试。

Marcus 路径暗示按量收费的 AI agent 创业公司风险大。Target / 微软 / Starbucks 这批案例直接打的是”按 token / 按使用次数收费”的 AI agent 模型。如果企业开始砍 AI 预算，按用量收费的中间件公司（包括 投资组合 里很多垂直行业 agent 标的）会先死。值得对 投资组合 内部做一次压力测试：如果 90% 客户砍 AI 预算 50%，按用量收费的标的的 ARR 还能留下多少。

Doctorow 路径反过来暗示一个反直觉的多头机会。如果老板硬塞 AI 是真的，那真正赚钱的不是 AI 模型本身，而是帮老板监控员工 AI 使用率、做 AI KPI 仪表盘、强制入职培训的合规与监控类工具。Business Insider / CNBC 那批报道里提到的”AI 使用追踪”工具公司是这条线索的早期标的。类似 2010-2015 年云迁移时代的合规与权限管理类工具（Okta / Zscaler 早期），这一波的等价物可能是”AI 使用合规”类公司。

AI 法律科技值得做多。Ed 讲 Anthropic CFO 法庭宣誓 vs 公开宣传的 4-9 倍差距；Marcus 讲 Starbucks 错标商品；Doctorow 讲员工被胁迫使用的合规问题。这三种风险叠加意味着 AI 合规、责任分配、电子证据开示（discovery，指诉讼中双方互相提交相关证据材料的法律程序）类法律科技公司有天然的需求扩张。

六、最强反驳：如果你彻底不同意三家

承接 Ed 精读的反方接口，三家合并视角下有 5 条能站住的反驳。

第一是推理价格下降曲线。Epoch AI 数据显示 GPT-4 等效价格 16 个月降 40-900 倍，如果这个曲线持续 3 年，今天看起来不赚钱的单位经济学会自动转正。Ed 的隐含假设是当前成本结构静态不变，这是错的。一个类比：2010 年 AWS S3 存储成本每 GB 每月 0.15 美元，现在 0.023 美元，降 6 倍。如果你 2010 年用静态数学说 Netflix 流媒体不可能赚钱，你会错过 100 倍回报。

第二是主权资金需求。阿联酋 Stargate 300 亿美元、沙特公共投资基金 1000 亿美元、欧盟 AI 主权投资——这些需求不依赖 OpenAI 商业可行性，是地缘政治资本流入。即使 OpenAI 崩盘，主权云会接盘部分 GPU 库存。Ed 完全忽略了这个每年约 3000 亿美元的需求流。

第三是采纳反转的另一种解释。Doctorow 的”老板强推 = 价值幻觉”只是一种解读。另一种是”AI 价值真实存在但分布不均，老板看到了 5% 的真有显著价值的案例，对外推广急切，员工还没体感”——是 J 曲线（采纳期 ROI 暂时为负，长期回升）的典型形态。

第四是 Marcus 案例的另一面。Uber 烧完 token 预算可以解读成 ROI 不足；也可以解读成实验性投资规模超预期。Starbucks 项目失败可以解读成第一代 AI 不够；也可以解读成普通企业的 AI 工程能力还在学习曲线早期。

第五是和历史泡沫的差异。1999 年电信泡沫主要靠债务融资（WorldCom 300 亿美元债务），现在大型云厂商是经营现金流出资（微软每年 900 亿+美元自由现金流），可以承受 5 年资本支出亏损。互联网泡沫时代的暗光纤过度建设了 95% 没点亮，5 年后被 YouTube / Netflix 全部吃掉——这是”卖铲人”投资的”等消化者”模式。NVIDIA 即使有 100 万 GPU 库存，3 年后会被推理需求的规模化扩张消化。

七、对每家追问

对 Ed 三条：

1. 你的”100 万 Blackwell 在仓库”估算用了什么数据源？海关数据？卫星图？怎么排除掉旧数据中心改造容量？
2. 你完全没考虑主权资金需求（阿联酋 / 沙特 / 中国）。如果加每年 3000 亿美元主权资金，你的大型云厂商待履行合同失衡判断还成立吗？
3. Anthropic CFO 法庭宣誓是关键证据。但”超过 50 亿”是累计还是单年？如果是累计，公开 190 亿年化收入可能是前瞻年化投影，不算造假——你怎么区分？

对 Marcus 三条：

1. 你的”足够多公司公开承认”没有阈值——是 10 家、50 家还是 500 家？没有阈值的多米诺论怎么证伪？
2. 你举的 5 个企业案例里 3 个是隐含信号（微软切 Claude Code、Target 焦虑、Starbucks 停项目），不是显式 ROI 承认。同期至少 BCG / McKinsey 调研里头部 5% 的公司是有显著价值的——你怎么处理这个分布的另一端？
3. 你 2022 年 ChatGPT 出来那周就开始批 GPT-4，过去 3 年模型能力 + 价格都大幅改善，你的批评框架有没有更新？还是只是在等同一个判断兑现？

对 Doctorow 三条：

1. 你的核心论证依赖”员工自发采纳 = 技术有真价值”这个前提。但历史上员工抗拒过工业机器人、抗拒过电子邮件、抗拒过电子表格——其中很多后来证明有用。你怎么和这个反例处理？
2. 你说”自主权高的员工能自由选择采纳 AI”是给论点留的退路，但你没说有多少员工符合这个条件。如果这个比例是 30%，你的”采纳反转 = 价值幻觉”论就被冲淡了。怎么定义这个阈值？
3. 你用 Lotus Notes 当作”员工和 IT 部门之间谈下来的妥协方案”的样板。但 Lotus Notes 后来被微软收购、被 Outlook 替代、几乎所有用户都骂它难用。如果你拿来类比的这家公司本身只能算半成功，你的类比还成立吗？

八、对红杉中国 MD 的合并要点

承接 Ed 精读的 投资组合 视角，三家合并下要补的三件事：

对 LP 沟通话术的升级。之前只能拿 Ed 一家的财务论证讲。现在可以拿三家独立验证的合成论点：“财务层 + 企业部署实证 + 社会学三方独立指向同一件事——AI 单位经济学有结构问题 + 企业 ROI 在退潮 + 采纳是被强推的。这不是单方面观点，是多源验证。”这样讲比单引 Ed 更难被反驳。

投资组合 压力测试加三个维度。之前的压力测试主要是”假设客户 AI 预算砍 50%“。现在加：(1) 采纳强度——客户公司的 AI 使用是员工自发还是老板强推？强推的标的客户流失风险更高。(2) 企业信号提前量——如果你的客户里有 Uber / Target / Starbucks 这类已经公开承认 ROI 不足的，对你 ARR 留存的提前预警有多长。(3) 法律暴露——你的 AI agent 标的有没有像 Anthropic 那样可能被庭外取证 / 证据开示戳穿的”实际收入对比公开宣传”差距。

三家共同的盲区反而是赚钱机会。主权资金接盘、推理价格下降曲线、老板用来推 AI 的合规监控工具、AI 合规法律科技——这四块是三家共同没覆盖的，反而可能是这个判断成立时仍能赚钱的地方。

九、综合判断

当三种独立角度（金融、实证、社会）撞到同一个共识层（单位经济学 + 采纳异常 + 系统性风险打包给散户），这个共识的可信度比任何一家单独论证都高一档。

最薄弱的环节是三家都没正面回应推理价格下降曲线和主权资金两个反方。这两个变量是真实的，且足够大，理论上能完全推翻整套判断。

对你最值得做的三件事：

一是盯 2026 年 Q3 财报里大型云厂商的折旧跳升和未履行合同确认率。这是 Ed 路径的第一次硬测试。

二是对 投资组合 里 AI 客户做一轮”采纳强度”调研——员工自发还是老板强推。这是 Doctorow 路径能转化成内部提前预警指标的动作。

三是反过来还能赚钱的四个方向：主权资金接盘 / AI 合规法律科技 / 老板推 AI 工具 / 推理价格下降受益的应用层。这是三家共同盲区里可能的真机会。

主要来源

Ed Zitron（详见单独精读 2026-05-24-ed-zitron-ai-bubble.md）：

• Part 1
• Part 2
• 配套免费长文：“AI Is Too Expensive” + “Where Are All The Data Centers”

Gary Marcus：

• If enough other companies report the same, the bubble pops
• 文中引用：Uber COO Andrew Macdonald 发言（Business Insider via X）、微软切 Claude Code（The Verge / Tom Warren）、Target 担忧 AI agent 按量定价（Reuters）、Starbucks 关停 AI 库存项目（Techmeme / Reuters）

Cory Doctorow：

• The AI bubble isn’t like the internet bubble (Pluralistic 2026-05-26)
• 配套引用：Doctorow 早期 subprime intelligence（自引，承接 Ed 财务论证）
• Doctorow 新书：The Reverse-Centaur’s Guide to AI (FSG, 2026-06)

三家共同引用的第三方：

• BCG 2025 AI Value Gap 调研
• McKinsey 88% 企业用 AI / 39% 看到 EBIT 影响
• Gallup Gen Z 讨厌 AI 研究
• Epoch AI LLM 推理价格趋势（Ed 最薄弱处的反方数据）