四套數學都說算力買少了，但它們共用一根沒驗證的柱子，而這根柱子剛拿到驗收期限

本篇重點

2025 年下半年，四位重量級人物各自用一套獨立的算法，論證同一件事：AI 算力投資不是買多了，是買少了。投資人 Brad Gerstner 用 capex 對營收的一比一對帳、企業搜尋公司 Glean 執行長 Arvind Jain 用「AI 搶的是比軟體業大 25 倍的服務業預算」、Michael Dell 用服務業生產力折現、Nvidia 執行長 Jensen Huang 用 token 增強人類智能的毛利數學。四套算法彼此獨立，卻收斂在同一個數量級：合理的年投資額是 2 到 5 兆美元，而當時的實際水位不到 1 兆。這是多頭陣營最漂亮的一組論證，也是本篇要體檢的對象。體檢的起點是一個結構觀察：四套算法雖然口徑不同，卻共用同一根柱子，就是「企業會為生產力提升付出接近其價值的錢」。空方攻擊的從來不是 TAM 數學，是這根柱子。到了 2026 年 7 月，對帳的結果分成三層：賣鏟子那一側全數兌現，Nvidia 資料中心營收提前三到四年逼近華爾街原本給 2029 年的數字；買單那一側的轉換率被攤開後不是一個數，是一條按價位分層的曲線，月費 250 美元以上的企業工具留存率已追平傳統軟體業，低價工具大量流失，真正落到損益表的企業只有一到兩成；而最重要的新事實在錢的結構：大科技公司的自由現金流被 capex 吃到逼近觸零，開始靠發債續命。這件事把辯論的性質改掉了：原本「等轉換率數據出來裁決」是一場沒有期限的等待，現在融資窗口給了它期限。本篇最後會把這場賽跑的兩個時鐘講清楚。

這場辯論在我們地圖上的位置：

賭桌上的四套數學，和它們共用的那根柱子

先把四套算法攤開，因為它們的價值恰好在於互相獨立，獨立到可以分別驗收。要先誠實說一件事：這四段話目前唯一的逐字紀錄都出自同一個播客系列（BG2／Altimeter），發言人彼此獨立，但取材管道並不獨立。

Gerstner 走的是營收對帳，他在 2025 年 10 月給的量尺很樸素：未來五年約 3 兆美元的建置，對應約 60 吉瓦算力；OpenAI 到 2030 年若要承擔約 1,500 億美元的年 capex，就需要至少 1,500 億美元的年營收來支撐，一塊錢資本支出對一塊錢營收 (BG2 Pod)。他同時給了一個可否證的財務紀律預測：大型科技公司 capex 佔營運現金流的比率在 2025 年約 66% 見頂，之後回落到 45% 至 50%。兩個月後 Jain 換算的是預算轉移。同一個節目上，主持人算出全產業年 capex 約 5,000 億美元、需要約 1 兆美元的 AI 營收才划算，而整個軟體業一年營收只有約 4,000 億；Arvind Jain 的回應是，AI 抓的不是軟體預算，是比軟體業大 25 倍的服務業預算，眼前的 AI 支出本質是服務業的錢正在轉換成軟體的錢 (BG2 Pod / Altimeter)。Dell 從全球經濟折現。114 兆美元的全球經濟若整體有 10% 到 20% 的生產力提升，一年約創造 10 到 20 兆美元價值，其中三分之二的服務業是這塊提升的主要來源；對照之下年投資額應該是 2 到 4 兆美元的量級，現況遠低於此 (BG2 Pod 訪 Michael Dell)。Jensen 乾脆把人類智能本身當市場。他的 token 增強算法是：人類智能約佔全球 GDP 的 55% 到 65%，取個整數叫它 50 兆美元（這是 Jensen 自取的概略值，不是嚴格按 55% 到 65% 換算）；若其中 10 兆被 AI token 增強、以五成毛利計，就需要 5 兆美元的 AI 工廠，所以「如果全球年 capex 是 5 兆美元，這個數學說得通」(BG2 Pod)。

四套算法的利益位置要先標清楚：Dell 是 AI 伺服器的最大受益者之一，Jensen 是整場建設的最大受益者，Jain 賣的產品正是服務業預算轉換的載體，Gerstner 的基金重倉這個主題。這不代表論證就站不住腳，但意味著對它們的驗收標準要比對中立來源更嚴。

現在看那根共用的柱子。每一套算法裡都有一步，把「創造出來的價值」直接寫成「有人付費的營收」:Gerstner 的一比一假設營收會長出來對上 capex；Jain 的轉換論假設服務業的錢真的會流進 AI 帳上；Dell 的折現假設企業會為 10 兆美元的生產力價值付出接近 10 兆的錢；Jensen 的五成毛利假設同樣以「10 兆被增強的智能有人買單」為前提。把四套數學並排，這一步是它們唯一的共同假設，而它在 2025 年沒有任何一手量測。空方的攻擊點正落在這裡：Databricks 執行長 Ali Ghodsi 在史丹佛 MS&E435 課堂上說([Stanford MS&E435 / Ali Ghodsi]（articles/podcast/2026/07/01/msande435-class-04-do-we-already-have-agi-ali-ghodsi-databricks.md），來源時戳 2026 年 7 月)，狂買 GPU 並非必要，企業卡住的地方是把 AI 用進組織裡，並引用 MIT 報告稱約 95% 的企業 AI 試點失敗，他自己補了一句方向對、也許是 75%。所以這場辯論從第一天起就不是「TAM 模型誰算得準」，是「價值到付費的轉換率是多少」。這是本篇的裁決框架，以下三節分別對帳：供給側、轉換率、以及錢的結構。

一年後對帳：賣鏟子的全兌現，守紀律的先陣亡

供給側的兌現徹底到出乎意料。Nvidia 在 2026 年 5 月公布的季報顯示，單季資料中心營收 750 億美元，年增 92%，季增 21%，連續第三季加速(Nvidia 財報)；換算成年率約 3,000 億美元。對照 Gerstner 當初轉述的賣方共識：2025 年約 2,000 億、要到 2029 或 2030 年才爬到 3,500 億。現實在 2026 年中就把年化水位推到共識給 2029 年數字的九成附近，最近一季年增仍有九成；這說的是已經發生的事，九成的增速本身不能線性外推到未來。Jensen 當時抱怨分析師只給 Nvidia 2027 年之後 8% 的年增長、是「巨大的信念分歧」，這一局他贏了。他在 2026 年 3 月的 GTC 大會把 Blackwell 加 Vera Rubin 兩代平台的營收機會從先前的 5,000 億美元上修到「到 2027 年累計 1 兆美元」(CNBC)；要注意這是累計訂單機會的口徑，不是單年營收，兩者不能混讀。

但同一份對帳單的另一欄，是多頭陣營自己的財務紀律先陣亡。Gerstner 那個最可否證的預測，capex 佔營運現金流 66% 見頂後回落，被 2026 年的現實直接打穿：美國銀行的估算（第三方轉述，未經證實）是五大雲端業者 2026 年會把約九成的營運現金流花在 capex 上，對照過去十年平均的四成；研究機構 Epoch AI 的追蹤更尖銳，合計現金 capex 年增約 70%、營運現金流年增只有約 23%，兩條線約在 2026 年第三季交叉，屆時五家合計的自由現金流觸零(Epoch AI,2026 年 6 月投影)。Oracle 已經先過線：2026 財年 capex 是營運現金流的 174%，自由現金流負 237 億美元(Global Datacenter Hub)。Gerstner 的另一把尺，OpenAI 的一比一對帳，現況同樣失衡：OpenAI 過去 15 個月簽下的多年算力承諾名目總額超過 1.4 兆美元，而 2026 年 4 月的年化營收約 250 億美元(tech-insider 彙整，第三方估計、未經官方證實)。名目承諾是多年展開，不能直接除，但即使攤開，離一比一也還有數量級的距離。

有意思的是提出者本人的動作。Gerstner 2026 年嘴上仍是多頭，說超級週期還在早期、科技巨頭不會砍 AI 支出；但他的基金在第一季清空了全部 Alphabet 持股，公開理由正是 1,750 到 1,850 億美元的 capex 指引重塑了自由現金流的樣貌，然後轉進了賣 IP 授權、不揹 capex 的 ARM。清倉的真實動機可能不只這一個，估值與競爭的考量都可能在裡面；但至少他公開給的理由，等於承認了總量的多頭判斷和個股的現金流紀律是兩回事，而他自己那條 66% 的紀律線已破。Dell 則是加碼：2026 年 5 月的 Dell Technologies World 上，他把口徑上修到「全球 AI 基礎設施支出 2030 年可達 3 到 4 兆美元」(Techgoondu)。Jain 的公司自己就是服務業轉換論的試驗品：Glean 的年化營收在 2026 年 5 月到了約 3 億美元，一年多成長約三倍(第三方彙整，未經公司證實)，方向支持他的論，但絕對值放在 7,000 多億美元的年 capex 旁邊，還照不出 25 倍服務業預算的影子；更微妙的是他 2026 年把 Glean 的賣點從「幫企業把 AI 用起來」往「幫企業省三成 token 帳單」移，一個以做大預算為論的人，產品卻在幫客戶縮預算。

供給側全兌現、財務紀律先陣亡，這兩件事同時為真，而它們指向同一個結論：供給側的兌現量的是「hyperscaler 願意花錢」，不是「終端有人為生產力付費」。中間這一層的採購，本質是拿別人的錢對下游轉換下注。柱子還是那根柱子，只是賭注變大了。

柱子體檢：轉換率不是一個數，是一條按價位分層的曲線

現在直接驗柱子。先處理空方最常揮的那把旗：MIT 的「95% 企業 AI 試點失敗」。把原始報告攤開，它量的東西比標題窄得多：所謂失敗，定義是試點之後六個月內沒有「可量測的損益表影響」；樣本是 300 多個部署案例、52 場訪談、153 份問卷；報告自行發布、未經同儕審查，Wharton 教授 Kevin Werbach 公開表示反覆讀了幾遍仍看不出 95% 怎麼算出來的，要求 MIT 釋出底層資料或撤回(HPCwire 報導)，而報告至今沒有資料釋出，也沒有 2026 年的後續版本。結論：這個數字只能當「窄口徑下的一個有爭議訊號」，不能當硬事實引用。空方值得換一面更硬的旗。

硬的證據其實有，而且更不利於 Dell 的生產力折現。第一塊是學術量測：兩位經濟學家把丹麥的全國行政資料接上 AI 採用調查，用計量方法追蹤 ChatGPT 上市兩年後的實際收入變化，結論是可以排除 2% 以上的收入效應，而且這個「幾乎沒有」對重度使用者、早期採用者、大手筆投資的雇主、自報獲益巨大的員工全部成立(NBER 工作論文 w33777)。員工說有用、雇主在花錢、薪資單上看不到，這是目前為止，證明「生產力感覺沒有變成可量測經濟產出」最硬的一手證據。它的邊界也要照列：觀察窗只有 ChatGPT 上市後的頭兩年、樣本只有丹麥一國，生產力收益歷史上常滯後多年才顯現，所以這份研究能說的是「到目前為止還沒轉成」，不能說「以後不會」。但注意，這個時間差本身就有代價：四套多頭數學需要的是現在就開始擴大的兆級付費，兌現每晚一年，下一節那個資金時鐘就多走一年。第二塊是三家獨立顧問的調查在 2026 年收斂到同一個形狀：MIT 說 5% 有損益影響，McKinsey《State of AI》調查說 88% 的企業在用但只有 6% 能把超過 5% 的稅前利潤歸因給 AI，Deloitte 對 24 國 3,000 名高管的調查說 74% 想要 AI 帶來營收成長、只有 20% 真的看到。三個數字口徑各異，只能比形狀不能比點值，而且「歸因不出來」不等於「沒有效果」，收益散在多部門多系統時，會計上本來就難追溯。但對本篇驗的這根柱子，這個區分幫不了多頭：企業量不出來的價值，就開不出對應的預算，量測摩擦本身就是轉換摩擦。「採用普及、損益兌現稀」的形狀三家一致，這就不再是單一報告的方法論問題了。

但同一個 2026 年，付費行為的數據長得完全不一樣。企業卡商 Ramp 的真實刷卡資料顯示，超過一半的企業在為 AI 服務付費，最前沿的企業每名員工每月花約 7,500 美元、還在以每月 14% 的速度成長(Ramp AI Index,2026 年 3 月)；創投 Menlo 的企業調查說，企業生成式 AI 支出從 2024 年的 115 億美元漲到 2025 年的 370 億，47% 的採購案進入正式生產環境，幾乎是傳統軟體上線率的兩倍——注意這裡量的是採購案的上線率，跟全文核心那個「價值→有人付費」的轉換率是兩回事(Menlo Ventures)。「95% 失敗」和「47% 上線」可以同時為真嗎？可以，因為它們量的是三件不同的事：一個量六個月內的損益表、一個量有沒有部署、一個量有沒有付錢。這個對撞本身就是本篇核心判斷的最好證據：連轉換率怎麼量都還沒有共識，TAM 數學當然裁決不了任何事。

真正把矛盾解開的鑰匙，是把留存率按價位切開。先講清楚兩個詞：毛留存是一年後還在付錢的客戶佔比，淨留存再把既有客戶的加購、漲價算進去、所以通常比毛留存高，兩者一起看才知道是不是真的黏住。創投 a16z 與訂閱分析商 ChartMogul 的資料給出同一條曲線：AI 原生公司的毛營收留存率中位數只有 40%，對照同樣本 B2B 軟體公司的 63%；但月費 250 美元以上的 AI 產品，毛留存 70%、淨留存 85%，已經是傳統企業軟體的水準；50 到 249 美元的中間層掉到 45%；50 美元以下只剩 23%(a16z 及 ChartMogul 報告)。也就是說，轉換率不是一個數，是價位的函數：貴的工具黏住了，便宜的工具在漏水。整體來看留存也在改善：全體 AI 原生公司的毛留存中位數從 2025 年 1 月的 27% 爬到 9 月的 40%，其中 50 美元以下的低價層目前仍只有 23%。這條曲線有兩個要誠實標出的邊界。第一，樣本是 AI 原生新創，大廠內嵌在既有軟體裡的 AI 功能不在裡面，所以它照不到整個企業 AI 市場。第二，高價層的高留存有自選成分：願意付月費 250 美元以上的買家，本來就是需求最篤定的那群，所以這個數字證明的是「確實存在一層願意付錢且留下來的需求」，不能反過來讀成「把產品定貴就會黏」。對本篇要驗的柱子，第一種讀法就夠了：柱子問的是有沒有人為價值付錢並留下，答案在這一層是有。用這條曲線回看已經兌現的領域：寫程式工具是柱子已經立起來的地方，主證據是官方與留存兩個獨立來源，Anthropic 官方宣告的整體年化營收 2026 年 5 月到 470 億美元 (Simon Willison)，而寫程式工具正落在高價位、高留存那一層。產品線怎麼拆，官方沒給：Claude Code 的年化營收第三方估計從 2 月的約 25 億爬到 5 月的約 80 億，AI 編碼工具 Cursor 約 20 億（和 Claude Code 同屬寫程式類 AI 產品），這些拆分數字只能當方向看，增速能否持續也未知。還要記得比例感：寫程式是企業 AI 支出裡的一個領域，不是全部，一個領域立住不能推廣成「企業 AI 整體立住」。服務業那個領域則有了第一筆經審計的觀察：Accenture 2026 財年的先進 AI 營收年增三倍到 27 億美元、單季新訂單 22 億，同時兩季裁掉 21,800 人(Accenture 財報)。這筆帳有兩種讀法，都要擺出來：多頭讀法是服務業合約正在被 AI 重定價，錢在換軌；空方讀法是替代效應強過新增，AI 營收的成長還不足以撐住原有人力，否則不必裁員。Accenture 同時停止單獨列報 AI 指標，官方理由是 AI 已滲入八成大單；這也有兩面，可能是滲透深到拆不開，也可能是拆開來的投報數字不夠好看。可以確定的只有一件事：「淨新增還是替代」從公開帳上再也拆不出來了。

所以柱子的體檢結果是三句話：在寫程式與月費 250 美元以上的企業合約層，柱子立住了，留存率就是證據；在低價長尾與一般企業的損益兌現層，柱子還是空的，三家顧問的收斂與丹麥的薪資單就是證據；而四套多頭數學需要的不是第一層，是第二層，因為 2 到 5 兆美元的年投資額靠寫程式一個領域撐不起來。

第三個賭客上桌：錢的結構給辯論裝上了時鐘

如果故事只到轉換率，這仍是一場可以無限期等下去的辯論：多頭說再等等、擴散需要時間，空方說已經等很久了，誰都不會被說服。前面兩節其實已經有兩個賭客上了桌：多頭的四套數學，和空方對轉換率的質疑。2026 年真正改變辯論性質的，是第三個賭客上桌：錢的來源變了。

四套算法在 2025 年提出時，有一個沒人明說的前提：這場建設由大科技公司的自有現金流支應，所以就算錯了，也只是股東少賺，不會出系統性的事。這個前提在 2026 年破了。四大雲端業者 2026 年合計 capex 約 7,250 億美元、年增 77%（這個 capex 總量本身沒有單獨標源，本段稍後那個 Yahoo Finance 連結對應的是債券發行數字，不是它的出處）；上一節說過，自由現金流合計約在第三季觸零。缺口由債補上：高盛估算 2026 年 AI 相關債券發行約 4,890 億美元，大型雲端業者的公司債發行從 2025 年的 200 億美元跳到 1,090 億，Meta 發了 300 億、Amazon 約 530 億，連手握巨額現金的 Nvidia 都發了 2021 年以來的第一筆 250 億美元公司債(Yahoo Finance 彙整)。國際清算銀行在 2026 年 6 月的年度報告裡用了央行機構少見的直白措辭：若 AI 投資報酬令人失望，融資可能突然抽回，讓這輪 capex 榮景「轉為漫長的投資蕭條」，並點名循環融資交易「條款揭露不佳，同一資產有被重複質押的風險」(BIS 2026 年報)。保險集團 Allianz 的研究部門量了背離度：AI capex 與營收成長的發散達 46%，超過 2001 年電信泡沫時的 32%(Allianz Research)。

把這個變數放進來，辯論的結構就變了。原本的問題是「轉換率最終會不會證明四套數學」，沒有期限；現在的問題是「轉換率的證明速度，追不追得上融資窗口收緊的速度」，有期限。這裡要把話說精確：自由現金流觸零是 Epoch 的投影，不是已發生的事實，雖然這家機構 2 月對第一季 capex 的投影誤差不到 1%，投影仍是投影；而且就算觸零成真，大科技公司的債信仍高，融資窗口不是一扇會「砰」一聲關上的門，是一組連續變數：信用利差走闊多少、發行條件變差多快、多年期的錢變短年期。所以碼表的正確讀法不是「哪一天借不到錢」，是「每一季借錢的條件變差了多少」。自有現金流的時代，轉換率的答案可以等十年；發債續命的時代，每一次展期都是一次重新投票。這也是為什麼本篇把它立為第三條路線而不是空方的註腳：它的裁決機制和轉換率完全獨立，就算轉換率最終會兌現，只要兌現得比債市的耐心慢，結局也是 BIS 說的那種投資蕭條；反過來，只要高價層的轉換擴散夠快，債就只是過橋。

這場賽跑裡最乾淨的一個訊號源，是空方旗手自己的行為。Ghodsi 在 2026 年一邊繼續唱空，說零營收的公司值幾十億美元「顯然是泡沫」，轉述某財星五百大高管「AI 成本指數式增加、營收沒跟上，再這樣下去要破產」；一邊他自己的 Databricks 因為需求太強，在日本、韓國、美國、印度全面缺 GPU，並為此擴大募資(Benzinga,2026 年 7 月)。這不是自相矛盾，是他把兩本帳分開記：基礎設施的需求是真的，下游轉換的證明還沒到，兩件事同時成立。要幫他把話講完整：他的空從一開始就只指向超智能軍備競賽和零營收公司的估值，從來不指向應用層，他把自己的公司劃在應用層那個領域，所以搶 GPU 與唱空在他的框架裡本來就不衝突。而這恰好就是本篇的裁決結構：四套多頭數學把兩本帳寫成了一本，空方最強的形式也不是「AI 沒用」，是「證明的速度不夠快」。

方向判斷

四套多頭數學在 2026 年中的對帳結果要分三層讀。第一層是供給側，全兌現：Nvidia 資料中心年化營收約 3,000 億美元、提前三到四年逼近賣方共識原本給 2029 年的水位，Jensen 對「共識只給 8% 年增」的抱怨被現實平反——但供給兌現量的是 hyperscaler 願意花錢，不是終端有人為生產力付費。第二層是轉換率：攤開後不是一個數，是按價位分層的曲線，寫程式領域與月費 250 美元以上的企業工具已立住(毛留存 70%、淨留存 85%，追平傳統企業軟體)，低價長尾在漏水(毛留存 23% 到 40%)，一般企業的損益兌現帶只有一到兩成，而 2 到 5 兆美元的年投資額需要的正是後面這幾層。第三層是錢的結構，這才是真正改變辯論性質的變數：capex 已吃掉營運現金流的九成到全部、合計自由現金流按投影在 2026 年第三季前後觸零、債務接棒，原本無期限的「等轉換率證明」變成有期限的賽跑——高價層轉換的擴散速度，對上融資條件收緊的速度。所以裁決不再靠更好的 TAM 模型，靠兩個時鐘：留存率分層數據往上還是往下爬，以及自由現金流觸零之後，債券市場每一季開出的條件變差多快。

這對誰意味著什麼

替公司管 AI 預算的人：留存率分層曲線可以直接當採購政策用。月費 250 美元以上的工具層，同行的續約行為已經追平傳統企業軟體，這一層值得簽多年約換折扣；50 美元以下的工具當耗材，按季驗收、隨時能砍，不過對這一層的高流失不必過度解讀，便宜工具本來就會被當試用品輪換，流失是使用模式的一部分，不全是產品失敗。驗收自己的 AI 投資時，記住同儕水位是「一到兩成的企業能把成果寫進損益表」：超過就是領先，沒到不代表失敗，但六個月看不到任何可量測指標時，你就在 MIT 那 95% 裡，該砍的是專案設計，不是預算。

做資本配置的人：別再等更好的 TAM 模型，四套算法的分歧點根本不在模型，在同一根柱子上，而柱子的驗收指標只有兩個：高價層的淨留存率守不守得住 85% 這個水位——這 85% 是本報自設的觀察門檻，不是外部權威定的分界線；以及自由現金流觸零之後，債券市場用什麼利差回應。Gerstner 自己示範了怎麼在總量看多的同時管個股風險：他清空 Alphabet 的理由不是不信 AI，是 capex 指引重塑了自由現金流；總量的多頭判斷和個股的現金流紀律，可以、也應該分開操作。另外把 2026 年第三季記在行事曆上：那是 Epoch 投影合計自由現金流觸零的季度，之後每一季的債券發行條件，都是這場賽跑的即時比分。

賣 AI 產品的操盤手：這條分層曲線是產品策略地圖，但方向要讀對：不是把定價調高就會得到高留存，是「深到值得付 250 美元月費的工作流整合」才配得上那一層的留存，價格是結果不是手段。停在 50 美元以下的層，你的產品在數據上就是耗材，毛留存 23% 撐不起任何長期合約。更大的機會在第二條營收曲線：目前整場辯論裡，寫程式是唯一有硬數字的兌現領域，誰能在客服、法律、廣告任何一個領域交出公司財報等級的單列 AI 營收，誰就交出了寫程式以外第一條公司財報等級的 AI 營收曲線——那會是下一個能拿來對帳的硬數字。

本篇更新後的地圖位置(本篇立了這棵樹，三條路線的分層裁決寫進了樹上):