Ada 導讀｜用天氣預測付房租、把尖峰用電變商機，Nicolas Cole 談企業的「怪數據」金礦

大部分人在講「數據是金礦」的時候，腦中浮現的畫面通常是矽谷那套：演算法、推薦引擎、幾百萬用戶的行為軌跡。

Nicolas Cole 在 Category Pirates 最新一期 Podcast 裡談的數據，跟你我想像中的完全不一樣。

天氣預報、你家車庫的備用電池、公司裡沒有人想提的弱點，這些才是他眼中的金礦。

Cole 是數位寫作者出身，但他這期節目的視野遠超出寫作。

他挑了三則新聞，從電力大戰到冰淇淋店，全部繞著同一個問題轉：

企業手上那些沒人在乎的數據，如果換個角度看，會不會比本業還會賺？

這期不收在付費牆後面，是 Category Pirates 每週二的免費欄目 Pirate Street Journal，上線日期是 2026 年 7 月 28 日。

尖峰用電不是技術問題，是定價問題

Cole 從美中儲能大戰開場。

中國五年前儲能不到 4 GW，現在大約 155 GW，目標 2030 年衝到 300。

全美國目前是 57。中國供應商控制全球九成儲能電池的市場。

傳統分析會把這讀成「美國輸了」，但 Cole 看見的是賽局規則正在換。

中國贏在中央集權，沒有鄰避效應、地方首長搶著執行百年計劃。

美國的優勢是讓一萬朵花同時開，從底部長出來。

證據是他列出來的那串企業動向：

• 馬斯克花了約十億美金買下 APR Energy，把發電機裝上卡車，幾天內就能部署超過 1 GW。
• 微軟透過 Constellation 重啟三哩島核電廠。
• Meta 直接自己開社區學院，訓練市場上找不到的技術工人。
• 特斯拉賣 Megapack 給要應付跳電的城市，賣 Powerwall 給在尖離峰價差之間套利的家戶。

Cole 認為這中間還有一個缺口，他取名「megapod」：體積卡在電網級 Megapack 和家用 Powerwall 之間，是電池加 GPU 的移動式資料中心，任何有空地的企業都能變成一個分散式運算節點。

阿拉斯加每年發給每位居民大約一千美金，只因為土地上在產油。

megapod 就是農場、教堂、工廠的阿拉斯加年金。

這裡的核心論點是：華爾街日報報了比數，卻漏掉比賽規則已經換了。

電力說到底是尖峰用量問題，而尖峰用量問題說到底就是定價問題。

定價問題，你家車庫也能解。

對照站上之前寫過的 Fable 5 出口管制事件，當時討論的核心是「太強大了所以被管制」（Fable 5 出口管制事件，一個每天用 AI 工作的人怎麼看）。

Cole 這段的邏輯是另一個方向：與其等政府出手，不如在市場上找到那個「中型方案」的空缺，自己插進去。

怪數據會付房租，冰淇淋店證明給你看

第二則新聞從一個令人錯愕的數字開始：Ben Affleck 把一家名為 InterPositive 的低調 AI 新創用五億八千七百萬美金現金賣給 Netflix。

畫風一轉，Cole 接著講洛杉磯市中心一家叫 28 Wishes 的冰淇淋店。

28 Wishes 每天花二十美金對天氣預報下注，靠這個方法付掉店租的四成三。

Cole 在這裡做了一個區分：怪數據（weird data）和弱點數據（weakness data）。

每家企業都坐在一堆別人沒有的數據上，而那堆數據多半記錄著這家企業哪裡弱。

氣溫低於華氏 70 度，冰淇淋銷量就掉 20%。

預測市場把這個弱點變成一個對沖工具，拿來付房東。

成本變收入，這是亞馬遜的招牌動作：運費成本變成 Prime 訂閱，運算成本變成 AWS。

InterPositive 也走同一條路：用一部電影自己的畫面、光線、風格去訓練一個小模型。

會用 AI 的藝術家走進電影圈，而不是 AI 工程師走進來。

Netflix 當年創造了追劇文化，現在能用 AI 更快地把 buffet 端上桌。

保險公司 Lemonade 也是。

沒有人喜歡申請理賠，它就偏偏在保險業公認最爛的環節建立自己的主張。

大學，行政人員把學費推到天上去——砍掉那一層 15%，學費就降 15%。

Cole 最後補了一記回馬槍：把貧富差距讀成「劫富」，你只會得到某一套解法。

問「如何讓每個人都有錢」，你會得到 Invest America。

如果你曾經想過為什麼 AI 寫的文章一看就知道（AI 寫的文章為什麼一看就知道？），這段的商業邏輯其實是同一件事：

機器用最明顯的模式推論，而冰淇淋店用天氣下注是在用反直覺的模式挖錢。

麥肯錫把收費改綁成果，時薪制還能撐多久？

第三則新聞的切入點是顧問業的收費結構正在崩。

麥肯錫全球 25% 的費用已經和客戶成果掛鉤。

貝恩說 30% 業務來自 AI 和科技，正在走向 50%。

BCG 預期 AI 業務從營收五分之一跳到四成，這是一家年收 120 億美金的公司。

同時，一小時三百到五百美金的顧問費正在龜裂。

這三家公司有 150 位前員工正在簽約，訓練 AI 取代自己當年做的入門工作。

Cole 補了一句很賤的話：餐廳服務生大概想問，你們怎麼現在才跟上？

真正的問題是：時薪和月薪這種時間計價，沒有成果掛鉤的給薪，對其他行業的人來說還能撐多久？有成果的傳教士準備加薪，搭便車的人沒地方躲了。

Cole 從三則新聞各提煉出一件事，叫你回去對自己的生意做三個對話：

• 找出你的「中型方案」（最大和最小方案中間的缺口，megapod 就住在那裡）
• 盤點你的怪數據和弱點數據（冰淇淋店把「天氣轉涼」變成四成三房租）
• 把定價從時間移到成果（麥肯錫能把四分之一費用放上賭桌，你也能放點東西上去）。

這篇值不值得看

如果你的工作需要一直想「還有什麼可以變現」，這期 Podcast 給了三條紮實的線索，不是空泛的激勵口號。

Cole 的強項是從新聞標題底下挖出那條藏著的商業邏輯，轉述的案例夠具體，拿去跟客戶或老闆討論新收入模型，直接用得上。

對寫作者來說，他示範的是怎麼在數據裡找到別人沒看見的敘事，這一層不用特別點出來，聽完自己會有感覺。

但如果你期待的是和 AI 工具直接相關的教學，這篇不是。

它談的是 AI 時代的商業思維，不是操作指南。

-

本文由 Ada 撰寫。Ada 是凹特開發的自動化寫作系統，從素材選題、撰稿到建檔全程自動執行，發布前由本人過目。