The guidance from Oracle is more explosive than ever, but history has thrown a bucket of cold water on it

ChatGPT 在 2022 年底把生成式 AI 推到大眾視野後，投資端的變化更快：企業在 AI 硬件、數據中心上的投入力度，已經接近美國曆史上幾次最大的投資浪潮。市場隨之拋出一堆漂亮的收入曲線，但問題也變得尖鋭——這些預測到底有多大概率能實現，值不值得為此付出資本和時間成本？

據追風交易台消息，摩根士丹利投資管理旗下 Counterpoint Global 的 Michael J. Mauboussin 在 10 日的報告中直截了當地給出方法論：評估這類前瞻判斷，應該 “starting with an initial belief and updating that belief as new results appear”，也就是 “貝葉斯公式”：“新結論 = 初始判斷（先驗概率）× 新證據帶來的調整係數（似然比）”。

沿着這套框架，報告把兩個最受關注的預測放回歷史分佈裏：OpenAI 從 2024 年 37 億美元收入到 2029 年 1450 億美元（對應 5 年 108% 複合增速），以及甲骨文雲業務從 2025 財年 100 億美元到 2030 財年 1660 億美元（5 年 75% 複合增速）。結論相當不客氣：在 1950-2024 年的美國上市公司樣本里，這種體量起步的公司，沒人做到過。

更麻煩的是，AI 基礎設施不是 “多買幾台服務器” 這麼簡單。數據中心建設本質是大工程，而大工程有自己的基準失敗率：預算超支、工期延誤、收益不達預期幾乎是常態。報告還順手把這輪密集的交易與 “擴產宣言” 放進競爭策略裏解釋：它們可能不只是為滿足需求，也是在向對手發信號、試圖威懾潛在進入者——但這種先發式押注本身就帶着高風險。

先把 OpenAI 的預測放進歷史分佈：108% 複合增速在樣本里是 “空白”

報告用的參照系很具體：挑出 1950-2024 年美國上市公司中，起始收入在 20 億-50 億美元（按 2024 年美元口徑）的一組公司，樣本接近 18900 個 “公司 - 期間” 觀察值。這個組別的 5 年收入複合增速均值只有 7.0%，標準差 10.6%。

OpenAI 的預測意味着：從 2024 年 37 億美元到 2029 年 1450 億美元，5 年複合增速 108%。報告的説法很硬——在過去四分之三個世紀裏，沒有上市公司做到過這種速度。即便用正態近似去描述，這也是接近 9.5 個標準差的結果，概率極低；而且歷史增速分佈本身並不服從正態，尾部更 “肥”，但依舊改變不了 “幾乎不可見” 的結論。

一個細節很值得玩味：因為樣本里 “從未發生”，基準概率會變成 0，貝葉斯公式本身就沒法直接用。報告採取了常見的啓發式處理（例如 3/N、Laplace smoothing），得到的初始概率也仍然低於千分之一。

證據確實在 “抬概率”，但抬到哪一步，報告沒有替你樂觀

報告也承認，基準概率不是鐵律，世界會變。它給了兩條能把 OpenAI 成功概率從 “接近 0” 往上推的證據：

• 擴散速度：ChatGPT 用 2 個月達到 1 億用户；對比之下，TikTok 是 9 個月、Instagram 是 28 個月、Facebook 是 4.5 年；互聯網達到 1 億用户用了 7 年，手機 16 年，電話 75 年。即便考慮人口變化，這個速度仍屬歷史罕見。報告同時提醒：用户不等於收入，很多人並不付費。
• 短期收入增速：OpenAI 預計 2025 年收入約 130 億美元，同比增速約 250%。這遠高於貫穿五年的平均複合增速。

但報告緊接着把 “樂觀邊界” 釘住了：公司越大，增速的波動往往越小，想持續維持高增速會越來越難。並且，OpenAI 還給出了 2030 年 2000 億美元的收入預測——把窗口往後滾動，2025-2030 年的 5 年複合增速仍有 72.7%。

報告再用起始收入 100 億-150 億美元的參照類（約 3700 個觀察值）去對照，結論仍是：沒人做到過；就算把起始收入門檻放寬到至少 65 億美元、樣本擴大到 16400 多個觀察值，還是沒人做到過。

增長不等於價值：現金流缺口與股權激勵會把 “高增長故事” 拉回融資現實

報告在這裏換了一個更現實的提醒：增長本身不創造價值。它對 “總可服務市場（TAM）” 的定義也帶了約束——不是 “能賣多少”，而是 “在創造股東價值的前提下，如果佔到 100% 份額能有多少收入”；核心門檻是投資回報是否超過資本成本。

在 OpenAI 案例裏，報告直接把約束擺到枱面上：

• 2025 年自由現金流據稱為-90 億美元，並預計 2026 年為-170 億美元。在這種情況下，要維持 “高速擴張 + 重投入”，幾乎必然需要持續向外部投資者融資。
• 員工薪酬中很大一部分是股權激勵（SBC）：估算 2025 年 SBC 超過收入的45%，折算到員工層面約為每人每年 150 萬美元的速度，而且是大型科技公司 IPO 前 SBC 發行強度的7 倍。

這些信息並不直接否定收入預測，但它把一個常被忽略的問題推到台前：就算收入增長兑現了，資本結構、融資條件和稀釋成本，也可能決定 “股東到底拿到什麼”。

甲骨文雲的 1660 億目標：簽了單是優勢，但交付與融資是硬約束

甲骨文的敍事來自另一類證據：公司在 2025 年宣佈了多筆數十億美元級別的雲基礎設施合同，顯著推高 “Remaining Performance Obligations”（已籤客户協議對應的未來收入）。管理層據此預測雲業務收入從 2025 財年100 億美元增長到 2030 財年1660 億美元，對應 5 年75% 複合增速。該雲業務在 2025 財年約佔甲骨文總收入 574 億美元的 17%。

報告仍然先拿基準概率去壓一遍：在過去 75 年裏，起始收入達到 100 億美元以上的公司，沒有一家能在五年裏跑出這種增速；哪怕把起始收入閾值降到 56 億美元以上，仍然沒有。

它還給出一個更貼近甲骨文雲體量的參照類：起始收入 80 億-120 億美元，樣本約 4400 個觀察值，平均 5 年複合增速 5.7%，標準差 9.6%。報告也提醒，這是拿 “公司業務部門” 去對比 “公司整體”，並非完全同口徑。

甲骨文的不同點在於：RPO 規模確實可以讓你在基準概率上做修正，但報告強調，修正不能只看訂單，還得同時權衡——為增長配套的融資需求、對手方風險，以及基礎設施落地可能出現的延遲。

AI 數據中心是典型 “大工程”，而大工程的基準成功率並不站在你這邊

AI 投入的 “主戰場” 落在硬件和數據中心。報告提到，OpenAI 與甲骨文同為 “Stargate Project” 的合作方，該項目預計到 2029 年在 AI 基礎設施上投入最高可達5000 億美元。

關鍵在於：AI 數據中心和傳統數據中心不同，硬件更貴，用電需求顯著更高，也更依賴冷卻系統。瓶頸很現實——電力接入、專用硬件供給。

報告用 Bent Flyvbjerg 收集的 16000 個大型項目數據庫做參照，結果幾乎是 “勸退級別”：

• 47.9% 的項目能在預算內完成；
• 預算內且按時完成的只有8.5%；
• 預算內、按時且實現預期收益的僅0.5%。

它給出的啓示很直接：別把 “按計劃落地” 當默認選項。需要盯住電力、芯片和設備等關鍵瓶頸；同時，模塊化設計相對更容易成功，但在 AI 需求快速增長、競爭者爭搶領先身位的環境裏，“慢想快乾” 並不容易執行。

密集交易與擴產宣言，可能是一次 “先發威懾” 的競爭實驗

報告統計，OpenAI 在 2025 年大約宣佈了 15 筆與基礎設施建設相關的交易。與此同時，Alphabet、Amazon、Microsoft 等超大規模雲廠商上調了資本開支預期，Anthropic、CoreWeave 等也做出大額投入承諾。

作者把這股熱潮放回歷史裏對照：90 年代末到 00 年代初的電信投資潮，最後留下的是產能過剩和破產案例。今天當然也有 “需求還遠沒到天花板” 的一面——報告引用的數據是，2025 年下半年全球 AI 擴散率（使用過 GenAI 產品的人羣佔比）只有16%。

真正有意思的是它對動機的猜測：這波動作可能部分源於一種戰略信號——用大規模的產能承諾去鎖定市場、威懾競爭者和潛在進入者。報告援引波特的 “先發式擴產（preemptive strategy）” 概念，同時也把風險寫明白：這是在市場結局尚未明朗前，提前承諾鉅額資源；如果沒能嚇退對手，可能引發更激烈的消耗戰。更現實的分化是融資能力：初創 AI 公司需要不斷外部輸血，亞馬遜、谷歌、Meta 這類巨頭則擁有更充裕的現金流，耐受度完全不同。通過 2025 年，資本還在供給，但報告明確説了：這件事會變。

這份報告真正想讓你做的事：把故事拆成概率，隨數據改口

報告反覆強調的不是 “看空 AI”，而是把判斷流程改成可更新的概率問題：先用基準概率給狂熱設門檻，再用擴散速度、真實收入、工程進度、融資條件去一點點修正。它也強調自己不提供投資建議——但它提供了一個更難自欺的起點：當預測落在歷史樣本從未出現的區域，樂觀本身就需要證據，而且需要持續的證據。