商業第 97 期

被新聞報導的公司，永遠都是真正的成果嗎？

「較前一年成長 500%」到底是在哪裡、用什麼方式測量的，我們通常並不知道

安光涉（Oswarld）· INLEVEL9 作者與編輯

被新聞報導的公司，永遠都是真正的成果嗎？

前言

訂閱者您好，我是 OZ 的知識對話。

今天我想從一個令人不太舒服的問題開始。我們每天接觸到的新創公司、企業新聞稿中的「較前一年成長 500%」、「達到 J 曲線拐點」、「月活躍用戶突破○○萬」等說法。這些數字的分母和測量方式到底在哪裡、以什麼方式公開，我們通常並不知道。 在發布時點，我們也沒有任何驗證的手段。而且每年到了財報季，有些公司就會安靜下來，或者用其他 PR 來轉移注意力。

這種模式不只是韓國特有的現象。在美國，募資 1.7 億美元的社群媒體新創公司 IRL 曾宣稱擁有 2,000 萬用戶，但董事會調查結果顯示其中 95% 都是機器人帳號。中國的瑞幸咖啡（Luckin Coffee）僅在 2019 年一年就確認了 3 億美元的虛假營收。在這些案例中，直到事後 SEC 查處為止，發布時點沒有任何即時驗證機制在運作。

不久前，一家有趣的公司號稱要精準填補這個空白而登場了。就是 Objection。由 Peter Thiel 和 Balaji Srinivasan 背書，每案 2,000 美元，任何人都可以對新聞報導、電台節目、YouTube 影片中的事實提出異議。結果會以「Honor Index」1 的評分形式公開給媒體和記者。

只看表面的訊息，確實很有吸引力。因為對於長期受 PR/IR 虛假宣稱困擾的市場來說，終於出現了驗證基礎設施。但越是深入檢視這個工具的市場設計細節，就越能看到矛盾。因為同一個工具，也能自然地用於完全相反的目的。今天我們來拆解這個落差。

📊 PR/IR 的驗證空白，每次都在運作的模式

先來談談市場空白本身。我在做 GTM 策略顧問時，真的非常頻繁地遇到一種模式。PR/IR 文件中出現的績效指標，是在沒有任何測量標準的情況下發布的。說真的，這種 PR 做了反而更糟，反正很快就會被拆穿。在財報季，財務數據或活躍用戶數在統計網站上以月甚至以週為單位更新的時代，這種無用的吹噓很快就會被揭穿。

而且這種行為有幾種典型模式。

  • 未揭露分母的成長率：從 1 人增加到 2 人也是 100% 成長。
  • 定義模糊的 GMV2：如果不標示交易取消、退貨、內部交易如何處理，同一個業務的數字可能相差兩三倍。
  • 用一次性活動膨脹的流量：砸下廣告費製造一個月流量，然後宣稱「月○○萬用戶」。這些數字被媒體直接引用，又被回收作為下一輪融資 IR 文件的依據。

現在您腦中是否浮現了幾家公司的名字？我們繼續聊。而且每年到了財報季，都會看到兩種模式。要麼安靜下來，要麼出現轉移注意力的 PR。像是新服務發布、海外擴張宣言、新合作夥伴關係之類的。這是刻意利用財報結果較晚公開、或相對容易被忽略的時間窗口。

海外案例可以看到更極端的情況。結構是一樣的。IRL 宣稱擁有 1,200 萬用戶，募資了 1.7 億美元。一度被認定為 11.7 億美元的企業估值。董事會調查結果顯示，報告的 2,000 萬用戶中 95% 是機器人和自動化帳號。SEC 在 2024 年以詐欺罪起訴了創辦人。舊金山的 SaaS 新創公司 Skael 在 5 年間募資超過 3,000 萬美元，但被 SEC 查出誇大營收數字。佛羅里達一家 AdTech 公司的前 CEO 在社群媒體上發文稱「公司營收為 1,000 萬至 2,000 萬美元」，但 2021 年實際營收只有 17,450 美元。差距接近 1,000 倍。還有大家都知道的 Theranos。

這些事件的共同點是什麼？在事後 SEC 查處之前，沒有任何即時驗證機制在運作。總得有人來填補這個空白。這個市場確實存在。

⚖️ Objection 的機制：對抗式法庭的模仿

號稱要回應這個空白的公司就是 Objection。創辦人 Aron D’Souza 是十年前代理 Hulk Hogan 對媒體公司 Gawker 提起訴訟、最終導致其破產的那位律師。他提出的診斷很明確。

「美國人的媒體信任度從 1972 年的 68~72% 暴跌至 2025 年的 28%。總得有人來追究責任。」

順帶一提，D’Souza 在訪談中引用的「1970 年 70~80% → 30%」是不準確的數字。怎麼找都找不到出處。我找到的蓋洛普原始資料如上文所述。（見參考資料）

從系統結構來看，它模仿了兩種經過驗證的真相發現機制。對抗式法庭制度和科學方法論。

  • 對抗式結構：客觀的提出者（原告）和報導主體（被告）提交證據，由五個 LLM3（OpenAI、Anthropic、xAI、Mistral、Google）組成的「AI 陪審團」進行裁決。** 每個模型被賦予不同的美國人口統計學角色（50 多歲布魯克林男性、25 歲波特蘭女性等）
  • 可重複性：所有裁決過程和證據都進入公開數據室，演算法和白皮書在網站上公開
  • 分層證據等級：從 1 級（法庭證據水準的一手資料）到 5 級（傳聞）共五個等級評分
  • 結合人工調查員：前 CIA、FBI、MI6 出身的調查員會直接致電被引用的發言者進行確認

此外還附加了 ‘Fire Blanket’4 功能。它與 X 平台 API 整合，對有爭議的報導即時自動貼上「調查中」標籤。這是在裁決結果出來之前就能對可信度提出質疑的機制。可以把它看作 Community Notes 的自動化版本。

到這裡為止，看起來像是一個填補 PR/IR 驗證空白的得體工具。如果某位 VC 對自己投資組合中競爭對手發布的可疑營收數字提出異議呢？比事後 SEC 調查更快、更便宜。每案 2,000 美元，幾天內就能出結果。

問題從這裡開始。同一個工具，由誰出於什麼動機使用，結果可能完全相反。

🪤 同一機制的陰影：匿名來源的不對稱化

仔細看 Objection 的評分規則，有一項是決定性的。使用匿名來源5的報導會自動獲得較低的證據分數。一手資料（監管機構提交文件、正式電子郵件）排在最高級，匿名吹哨人證詞排在最低級。

在這裡，擁有受保護來源的記者被迫在兩個選項中擇一。第一，向 Objection 的「加密雜湊」系統提交來源的識別資訊。D’Souza 說「經過獨立驗證的匿名來源可以獲得更高分數」，但要進行這種驗證，來源資訊必須以某種形式進入外部系統。第二，接受分數下降。Honor Index 上會出現污點，Fire Blanket 會在 X 上對該報導貼上「調查中」標籤。

明尼蘇達大學媒體法教授 Jane Kirtley 在訪談中更進一步點出了核心問題。「這看起來更像是為已經擁有權力的人提供壓制新聞業對手的工具，而不是為一般大眾提供有用的資訊。」專攻第一修正案6的律師 Chris Mattei 說得更直白。「這看起來像是為富裕權貴打造的先進保護費勒索系統（protection racket）。」簡單來說，就是如果 Objection 懷有惡意，竊取特定資訊或扭曲資訊，誰能阻止它？又是 Peter Thiel 嗎？

這裡讓我想到五角大廈文件、水門事件，以及前面提到的 Theranos 爆料。等等，重新想想 Theranos。最初打破 Theranos 謊言的，是 2015 年《華爾街日報》記者 John Carreyrou 的調查報導，而那篇報導完全依賴匿名吹哨人。Theranos 立即動用超過 100 萬美元的法律資源，對報導和來源雙方施壓。如果當時存在像 Objection 這樣的系統，Carreyrou 的報導——「每案 2,000 美元，幾天內就能對單一事實主張貼上『調查中』標籤的系統」——會得到什麼分數呢？如果 Holmes 一方也使用同一個系統，對報導中的每一個事實主張都提出異議，會怎樣呢？

這裡才能看到市場設計真正的不對稱。PR/IR 驗證市場和權貴壓制批評市場，以相同的價格、相同的機制在運作。工具的設計者無法將這兩個市場分開。

📐 從 GTM 角度看的定價設計

定價設計說明了所有問題。每案 2,000 美元。D’Souza 以「紐約大型律所律師一小時的費用」來合理化這個定價。但這個價格在兩個市場上的作用完全不同。

對普通美國人來說，2,000 美元不是「可負擔」的價格。這是低收入家庭撐一個月的錢。但對 PR 惹到麻煩的大型科技公司來說，不過是一頓午餐的錢。對被報導惹惱的對沖基金經理人來說也一樣。D’Souza 在訪談中說「如果真的有可及性問題，我會自掏腰包提供免費訂閱」，這句話反而揭示了定價結構的本質。依賴創辦人善意而非系統結構的可及性，意味著在設計上就缺乏可及性。

還有一個有趣的點。D’Souza 將市場規模定義為「被報導的大約有 15 萬人」。這就是他腦中描繪的核心客群。不是被報導的普通市民，不是想要驗證的讀者，也不是吹哨人。是被報導的人。

從 GTM 角度7來看，所有訊號都指向同一個方向。背書投資人（Thiel、Srinivasan、Social Impact Capital、Off Piste Capital）、定價門檻、市場規模的定義方式、以單一事實主張為單位拆分的異議結構（讓長篇調查報導可以被細分並逐一攻擊）、Fire Blanket 的自動標籤功能。如果定位為「PR/IR 詐欺驗證工具」，這樣的市場設計會自然得多。 但表面的訊息是「新聞業責任」。這個落差揭示了這家公司的真正身份。

OZ 的視角

我這樣看待這個市場設計。

Objection 所指向的市場空白（換句話說，缺乏快速且低成本的、針對權貴主張的事實驗證基礎設施）本身是真實的。 我在做 GTM 顧問時看到的韓國和全球新創生態系，因為這個空白每年產生大量錯誤的資本配置。沒有測量標準的成長率、沒有定義的 KPI、沒有驗證的 PR，直接成為下一輪融資的依據。總得有人來解決這個問題。

問題在於 D’Souza 解決它的方式。他成功降低了驗證的成本曲線，但將權力不對稱原封不動地移植到了驗證行為本身。 如果 PR/IR 驗證和壓制吹哨人以相同的價格、相同的機制運作，這個系統最終會被更多地用於後者。因為後者的市場更大、更富裕、動機更強烈。因為市場總是流向願意支付最高價格的那一方。

如果由我來設計這個市場，我會將兩個市場分開。將驗證工具限定在可測量的定量主張上，如公開資訊、財務數據、用戶指標、營收確認等，並明確排除基於匿名來源的調查報導。價格也會做差異化。這樣就能解決 PR/IR 虛假宣稱驗證這個真正的市場空白，同時不侵犯吹哨人保護。D’Souza 沒有做這個分離，不是技術限制，而是市場定義的選擇。而這個選擇決定了這家公司的身份。

結語

今天的內容用三句話來總結。

第一，沒有分母的成長率、沒有定義的 KPI、迴避財報季的 PR——我們每天接觸到的新聞稿中，未經驗證的宣稱實在太多了。這不只是韓國，而是所有全球媒體共同面臨的結構性空白。

第二，Objection 號稱要精準填補這個空白，但實際的市場設計更接近權貴的批評應對工具。定價、市場定義、匿名來源處理方式都指向那個方向。

第三，當同一個機制可以被用於完全相反的目的時，市場設計的細節決定了工具的真正身份。好的驗證工具不僅要定義能驗證什麼，還要同時定義明確排除什麼不在驗證範圍內。

下次面對新聞稿時，請和我一起追問一件事。這個數字的分母在哪裡公開？ 測量方法是什麼？ 同一家公司去年同一季度發布的數字和定義是否一致？ 這三個問題是所有驗證的起點。而建立能回答這些問題的基礎設施，總得有人去做。不過，我認為 Objection 的方式並不是那個答案。您覺得呢？

參考資料 & 延伸閱讀

核心來源

背景知識

作者 安光涉（Oswarld） 現任世宗大學兼任教授，INLEVEL9 策略顧問。職涯經歷、研究、著作與近期活動會持續更新在作者介紹。 最新動態 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

각주

  1. Honor Index：Objection 引入的評分系統。以數值呈現每位記者、媒體的準確性、誠信度和累積表現。類似 Yelp 的星級評分對餐廳的作用方式，對記者也如此運作。 ↩

  2. GMV（Gross Merchandise Volume）是指線上平台或電商網站在特定期間內銷售的總商品交易額（總價值）。在扣除手續費或退貨之前，單純指透過平台交易的總金額，常被用作評估企業成長規模和平台影響力的核心指標。 ↩

  3. LLM（Large Language Model）：指 ChatGPT、Claude 等大型語言模型。Objection 為五個 LLM 各賦予不同的美國人口統計學角色（例如：50 多歲布魯克林男性、25 歲波特蘭女性），組成「AI 陪審團」。 ↩

  4. Fire Blanket：Objection 的附加功能。與 X 平台 API 整合，對有爭議的主張即時自動貼上「調查中」標籤。讓裁決結果出來之前就能對報導的可信度提出質疑。 ↩

  5. 匿名來源（Anonymous Source / Confidential Source）：記者承諾保護其身份的資訊提供者。主要涉及有復報風險的吹哨人、權力腐敗舉報者等。五角大廈文件、水門事件、Theranos 爆料等美國重大調查報導都依賴此類來源。 ↩

  6. 第一修正案（First Amendment）：美國憲法保障的言論、出版、宗教、集會自由。在美國，誹謗訴訟依據「New York Times v. Sullivan」判例，必須滿足「實際惡意」（actual malice）標準才能成立，而這個標準實際上幾乎不可能達到，這成為美國媒體享有廣泛報導自由的依據。 ↩

  7. GTM（Go-To-Market）：決定產品或服務如何推向市場並實現擴散的策略。整合設計定價、通路、目標客群和訊息。本文中的「GTM 角度」指的是不看產品的表面訊息，而是從市場設計細節中讀取真正意圖的視角。 ↩

延伸閱讀

第 94 期商業

Meta 將稅賦「下傳」的那一天——數位稅最終到底由誰來繳？

歐洲對科技巨頭課徵的稅，真正繳稅的卻是廣告主與消費者

第 93 期商業

站上法庭的馬斯克：「大家都這麼做」

一直抨擊 DeepSeek 的美國科技巨頭，在自家國土上同樣是日常

第 89 期商業

兩年前的商業計畫書，現在看還有效嗎？

AI 改變的不是技術，而是「創業公式」本身