從無限擴張敘事回歸成本效益分析

☘️ Article

孟恭觀點

• citadel 這圖好玩在多空方都可以往自己要的方向解釋
• 多方：普及化　空方：退燒
• 再猛的技術也難逃成本曲線、產能限制、邊際報酬。把無限擴張敘事拉回類似製造業角度來算成本效益，AI 的瓶頸與報酬，最終會回到實務應用討論，而非一昧比拚模型能力層孰猛孰更猛
• 這不代表發展停滯阿
• 前沿 AI 會在巨頭、實驗室裡發揮，日常應用走向商品化拚 CP 值，高低配持續分化

• 日常應用大家應該也開始發現簡單問題丟給 google ai summary 就好，複雜研究才開啟猛男模型去燒 token
• 帳單會打沉滿多想像，補貼越來越少、花費越來越高，甚至某些地方會發現工人智慧也挺不賴的？

✍️ Abstract

AI 期望需降溫

• 估值脫離基本面：Ken Griffin 警告 AI 的「無限」期望可能導致重大市場修正，目前炒作週期已使估值與潛在獲利脫節。
• 忽視邊際成本：市場看好所有參與者的最佳情境，未考慮運算邊際成本、企業實際投資報酬率。
• 策略持謹慎態度：Citadel 是量化策略機器學習先驅，但對生成式 AI 熱潮保持謹慎。

投資報酬率現實檢驗

• 資本支出飆升：AI 基礎設施資本支出激增，投資人開始質疑營收來源。
• 關鍵數據對比：
  • 雲端資本支出：> $250B (2026 年預估)
  • 企業軟體營收：$15B (目前)
  • LLM 查詢成本：> (10~50)x 傳統搜尋成本
• 企業聚焦效率：Citadel 內部備忘錄指出 2026 年主題為「效率」，企業須證明 AI 投資能帶來生產力提升，否則將面臨嚴重降級。

GPU 供需正常化

• 晶片短缺緩解：隨著產能擴張、早期採用者重新評估大量訂單，高階 AI 晶片短缺情況正在緩解。
• 稀缺溢價消退：當供應跟上且軟體層變現不如預期時，乘數效應將反轉。

Citadel 投資策略

• 放空相關企業：做空過度槓桿、現金流不佳的 AI 相關公司。
• 增加能源曝險：做多提供資料中心電網穩定性的傳統能源公司。
• 做多資安企業：看好將 AI 整合至防禦領域的資安公司，而非生成式聊天機器人企業。

孟恭觀點分析

• 多空解釋歧異：Citadel 走勢圖被多方視為普及化，空方則解讀為熱度退燒。
• 回歸製造業邏輯：技術發展難逃成本曲線與產能限制，AI 敘事應從無限擴張轉向實務應用的成本效益計算。
• 應用端分層分化：前沿技術集中於 巨頭、實驗室，日常應用則走向追求 CP 值商品化，市場呈現高低配路徑。
• 補貼縮減、成本現實：隨著 token 花費提升與補貼減少，帳單壓力將修正過度擴張的想像，突顯實務運作成本。

專有名詞

• 成本曲線 (Cost Curve)：產量與成本關係的經濟學工具，用於評估生產邊界。
• 邊際報酬 (Marginal Return)：在其他投入不變下，每增加一單位投入所帶來的產出變動量。
• 商品化 (Commoditization)：產品失去差異化，競爭重點轉向價格與效率的過程。
• 代幣 (Token)：AI 模型處理與計費的最小文字單位。
• 性價比 (Cost-Performance Ratio)：衡量功能表現與價格比例的指標，即 CP 值。