AI泡沫与欺骗风险：Theranos吹哨人警告，万亿估值背后谁在裸泳？

Tyler Shultz 在 Theranos 内部亲历了一场精心设计的谎言——检测仪器根本跑不出宣传中的结果，却有人死守数据、粉饰报告。2026 年，他公开警告：AI 热潮正在制造"有史以来最好的欺骗机会"。没有一行财务盈利记录的公司，正以万亿美元估值融资；Demo 视频精心剪辑，Benchmark 数据选择性披露——AI泡沫与欺骗风险已不是抽象命题，而是每一个做技术决策和投资决策的人必须正视的现实威胁。

Theranos 剧本为何能在 AI 时代重演

Theranos 造假得逞的核心有三个结构性条件：技术黑箱、验证壁垒高、市场情绪过热。这三条，在今天的 AI 行业全部成立。

Elizabeth Holmes 靠的是"专有技术无法公开披露"挡住了外部审计。AI 公司的版本是："模型权重是商业机密，你只能相信我们的 Leaderboard 分数。" 但 Leaderboard 数据集污染早已是公开秘密——某头部模型在 MMLU 上的成绩，被多位研究者复现后低了 6~9 个百分点。

验证壁垒同样惊人。要真正跑通一套企业级 RAG 流水线，需要私有数据集、GPU 资源、专业工程师，普通投资人根本没有能力做独立尽调。这和当年没有实验室资质就无法验证 Theranos 血液检测的困境如出一辙。

至于市场情绪——AWS CEO Andy Jassy 公开预言 AWS 将成为"首家年营收破万亿的企业"，靠的就是 AI 云。这种叙事本身就在为整个产业制造更高的估值天花板。

"剧场效应"的五种具体形态

AI 领域的欺骗不总是像 Theranos 那样直接造假，更多是通过精心构建的表演来制造幻觉。以下是 2025~2026 年反复出现的五种模式：

| 形态 | 典型手法 | 识别信号 | |------|---------|---------| | Cherry-picked Demo | 只展示成功案例，失败率不披露 | 无法重现 Demo 的输入条件 | | Benchmark 洗白 | 在自家定制测试集上刷分 | 第三方复现得分差距 >5% | | Agent 能力夸大 | 宣称"全自动"实则人工兜底 | SLA 中有大量人工审核条款 | | 数据飞轮虚构 | 声称拥有独家训练数据 | 无法提供数据来源与清洗协议 | | 收入确认游戏 | 把 POC 合同计入 ARR | 续签率和实际部署率不公开 |

DoorDash 最近披露的数字可以做参照：整个平台来自 AI Agent 的订单"仅几百单"——而市面上已有多家公司以"AI Agent 驱动的餐饮自动化"为核心叙事完成了融资。Zest 刚推出的 AI 订餐 Agent 是真实产品，但类似功能的"PPT 公司"绝不止一家在拿着更大的数字讲故事。

开发者和决策者的实用验证框架

识破剧场效应不需要成为 AI 专家，需要的是系统性提问习惯。

第一步：要求可复现的最小验证环境

任何声称有突破性能力的模型或产品，要求对方提供：

• 原始 Prompt 模板（不允许"我们的系统 Prompt 是商业机密"）
• 测试数据集的 20% 样本（随机抽取，不允许对方筛选）
• 用你自己的 API Key 跑一遍，不允许对方代跑

如果是调用公开模型（Claude Opus 4.8、GPT-5.5 等）做的包装产品，用官方 API 直接复现核心功能，成本通常在 $20 以内。如果复现不了，问题就在那里。

第二步：追问失败率而非成功率

问"你们的准确率是多少"是错误问题。正确的问法：

• "在生产环境中，你们的 Fallback 率是多少？"
• "哪些类型的输入会让系统失效？"
• "你们的人工审核环节在哪里、占多少比例？"

一个真实可用的 AI 系统，团队一定清楚自己的边界在哪里。说不清楚边界的，要么没跑过生产，要么在隐瞒。

第三步：把估值锚定在可测量的单位经济上

万亿估值这个数字毫无意义，除非你知道它对应的是：

• 每个 API 调用的毛利润
• 当前净留存率（NRR）
• 从 POC 到续签的转化率

如果一家公司的核心业务是调用 Claude Opus 4.8 或 GPT-5.5 做推理，那它的护城河就是差异化的 Prompt 工程和数据管道——而不是"AI 能力本身"。这种商业模式可以很好，但估值逻辑完全不同。

系统性风险：当 Google 把 TPU 送上卫星，谁来验证"太空 AI"的能力？

这个问题不是玩笑。Google 最近成功让搭载 DeepMind Gemma 4 模型的 TPU 卫星从太空回传了第一条推理结果。这是真实的工程成就——但它同时也是一个完美的叙事素材，可以被无数 PowerPoint 借用，配上"太空级 AI 算力"这样的措辞，去支撑一个你根本无法在地面验证的产品 Claim。

Theranos 的关键教训不是"有人撒谎"，而是整个系统没有设计出让谎言暴露的机制。董事会不懂技术，监管机构反应迟缓，媒体被 Narrative 收买，竞争对手不敢开口。今天的 AI 生态，这四个条件同样程度不一地存在。

Tyler Shultz 当年选择吹哨，付出了巨大的个人代价。他现在的警告值得被认真对待，不是因为他悲观，而是因为他见过一个被完美包装的谎言是如何被所有人自愿相信的。

开发者能做的，是在每一个技术决策点保持可证伪性；企业决策者能做的，是把"这个能力可以被独立验证吗"写进采购清单的第一条。泡沫不会因为你相信它存在而破裂，但至少你可以提前站到安全的地方。

---

我自己在评估各家模型能力时，习惯用同一套 Prompt 集在不同模型上跑对比——Claude Opus 4.8 和 GPT-5.5 的实际表现差异比 Leaderboard 上显示的要微妙得多，必须自己跑才知道。XycAi 词元平台 一个 API Key 接入 200+ 全球模型（含 Claude Code / Codex / Gemini CLI 直连），Claude/GPT 官方模型低至官方价 1.4 折，对做独立验证和多模型横评来说省了大量成本——毕竟，验证本身就是对抗欺骗风险最直接的手段。