Ed Zitron AI 懷疑論者的預測：對準確性與推理的驗證

總結

Ed Zitron 對 AI 進展已達頂峰、大型科技公司正在「死亡」，以及 AI 公司將崩潰的高信心預測，均已於 2026 年中之前由收入、利潤與使用數據所駁回。他的論點反覆誤用或扭曲指標，且錯誤預測的模式與典型的炒作驅動型評論家無異，而非嚴謹的預測。

1. 「大型科技公司正在死亡」的說法在事實上是錯誤的

結論： Meta、Google（Alphabet）與 Microsoft 在 2026 年持續增長其營收與淨利潤，與 Zitron 所聲稱的生態系正在衰亡的說法相矛盾。

公司	2023 年收入	2024 年收入	2025 年收入	2026 年上半年收入
Meta	$135 B	$165 B	$201 B	$117 B
Alphabet	$307 B	$350 B	$403 B	$230 B
Microsoft	$228 B	$262 B	$305 B	$173 B

這三家公司均在營收與 GAAP 營運收入上實現雙位數的年增率。Zitron 僅依賴 SimilarWeb 的單一 MAU 下降數據，忽略了 Meta 自身的使用者指標，後者顯示並無持續性衰退。至於 Google，他聚焦於單一高層（Prabhakar Raghavan）與所謂的搜尋品質下降，卻忽略了 YouTube、Cloud 與廣告業務的持續擴張，這些才是推動成長的關鍵。

"Zitron 特別點名 Meta 是一家正在死亡的公司……然而，Zitron 的論證是錯誤的——Meta、Google 與 Microsoft 的生態系並未死亡。" – Dan Luu

2. AI 能力的頂峰從未到達

結論： 所有關於生成式 AI 已達性能天花板的預測（例如 2024 年 2 月、3 月、7 月）均被模型品質、程式設計能力與幻覺抑制的實際進步所駁回。

幻覺率 已大幅下降，因模型整合了自我驗證迴路與工具使用（例如 Claude 的程式執行、GPT-4.5 的工具整合）。
程式設計助手 現在能透過反覆提示順利通過單元測試，這在 2024 年初尚不存在。
Gemini 已超越 Zitron 所聲稱的「2025 年底達到 5 億使用者」，提前數月達到 7.5 億使用者。

"他聲稱 AI 模型並未變得更強大……然而，每個主要供應商每季都推出了更新、更強大的模型。" – Juho Snellman (HN 評論)

3. 對 AI 公司的財務預測錯誤

結論： Zitron 對 OpenAI、Anthropic 等實驗室的悲觀收入預測，已被實際融資與收益所超越。

公司	Zitron 的 2025 年收入預測	實際 2025 年收入（估計）
OpenAI	$11.6 B（聲稱荒謬）	> $12 B（已超越）
Anthropic	$34.5 B（荒謬）	$6–7 B ARR（2025）——雖遠低於預測，但已遠高於 2024 年水平

Zitron 還警告 OpenAI 將在 12 至 24 個月內崩潰；相反地，OpenAI 成功籌集了 2000 億美元 新資金，並持續快速推出產品。

"OpenAI 對 2024 年 37 億美元與 2025 年 116 億美元收入的預測……是荒謬的……然而他們已提前超越 2025 年目標。" – Dan Luu

4. 數字濫用的模式

結論： Zitron 常引用數字卻未連結至一致的因果論述，經常誤算或選擇性使用數據。

Anthropic 試算表錯誤： 重複計算月份、遺漏天數，甚至列出不存在的 2 月 30 日。
依賴 MAU 下降： 使用 Known 為雜訊的第三方估計（SimilarWeb），卻忽略主要使用者指標。
利潤率： 呈現利潤百分比卻未提供現金流或表外投資的背景，這些會虛增收益。

"他的經濟分析完全是垃圾……這些錯誤是故意的欺騙。" – Juho Snellman (HN 評論)

5. 社群反應凸顯核心問題

結論： Hacker News 的討論聚焦於三個主題：(1) Zitron 的預測一再錯誤，(2) 他的風格是情緒驅動的點擊誘餌，(3) 他的觀眾雖無事實支持，仍將他視為權威。

"Zitron 已成為他所譴責的 AI 激進派的扭曲鏡像……他永遠無法承認自己是錯的。" – pcstl

"他施展 gish-gallop：以大量低成本的無聊言論淹沒討論，使其難以反駁。" – DonsDiscountGas

"即使他的說法已被事實查證，社群經常忽略反駁，反而更加堅持情緒化敘事。" – jrflo

6. 與歷史未來學家的比較

結論： Zitron 的紀錄與那些提出大膽、數字化預測卻從未實現的經典未來學家相似（例如 Ray Kurzweil 在 2001 年的壽命預測）。與許多未來學家不同，Zitron 不會調整其敘事；他只是將時間軸往前推。

"他可能最接近 Kurzweil 的風格——用數字增加可信度，但一旦細究，推理便崩潰。" – Dan Luu

7. 紀錄的重要性

結論： 過度自信、反覆錯誤的預測會損害可信度，並可能誤導依賴公開評論作為市場信號的投資者與政策制定者。

Brier 分數的含義： 高信心度的錯誤預測會嚴重懲罰預測者的校準度，顯示系統性過度自信。
市場影響： 雖然 Zitron 的觀眾規模可能不大，但他的言論推動了「反 AI」敘事，可能影響公共政策辯論。

"即使僅一次以絕對信心提出的錯誤預測，也顯示極高的過度自信程度。" – Dan Luu

結論

Ed Zitron 在 2024–2025 年間的 AI 懷疑論預測已遭 系統性錯誤。數據——收入、利潤、使用者採用率與模型能力的提升——直接與他的說法相矛盾。此外，他的推理依賴於誤解的指標、情緒化言論與不斷推遲時間軸的模式，而非基於證據的分析。對於任何尋求可靠 AI 進展或科技產業健康狀況洞察的人而言，Zitron 的紀錄應被視為炒作驅動型評論的警示範例。