為什麼人工智慧是一個泡沫

Federico Zebele

2026年6月21日

引言

泡沫從不受歡迎的觀點變成共識的那一刻是精準的。對於人工智慧來說，我們已經到了那個時刻。美國最受關注的經濟記者之一馬特·斯托勒在最新文章中明確指出：我們現在處於AI投資泡沫中，這個泡沫對整體經濟構成風險，這已成為共識，不再是逆向觀點。

斯托勒並非孤例。因預測並做空2008年次貸危機而聞名的對沖基金經理邁克爾·伯裡，已開倉做空半導體ETF SOXX（看跌），合約於2027年1月到期。他公開表示：“市場已過度，結局將近。”

問題不在於這些聲音不存在，而在於公眾討論不斷重複同樣的故事：支出與收入缺口、與網際網路泡沫的比較、估值高企。所有正確的資訊都被包裝成似乎已經消化、已經定價的舊聞。以下嘗試更深入地探討——不僅是文章所說的，還有它們沒說出的以及原因。

1. 支出與收入缺口：人人引用卻無人讀完的數字

每篇AI文章都會提到這個數字：美國公司每年在AI基礎設施上的支出超過5000億美元，而消費者AI實際收入約為120億美元。紅杉資本分析師大衛·卡恩計算，AI行業每年需要創造約6000億美元的收入才能覆蓋其建設的基礎設施。這個缺口在2023年為2000億美元，2024年增至6000億美元，2026年隨著支出加速，缺口更大。

但無人真正讀完的數字屬於OpenAI。2026年6月16日，記者埃德·齊特龍獲得了OpenAI經認證的財務檔案，並由英國《金融時報》獨立核實，在OpenAI向SEC提交保密IPO招股書前幾天公佈。資料顯示：2025年OpenAI營收130.7億美元——是2024年37億美元的三倍多，但總成本達到340億美元，僅研發就達191.8億美元，運營虧損209.2億美元，淨虧損385億美元。換句話說，OpenAI每掙1美元就花掉1.6美元，這已是較2024年（每掙1美元花2.37美元）的改善。在340億美元成本中，172億美元直接支付給微軟用於Azure雲基礎設施和研究計算，而微軟僅向OpenAI支付3.03億美元，軟銀支付8.67億美元。這個數學即使在樂觀場景下也不成立：這不是時間問題，而是結構性問題。

2. 與網際網路泡沫的比較：用來逃避思考的故事

與2000年網際網路泡沫的比較是最有效的方式，讓人感覺瞭解情況卻實際上什麼也不懂。多頭（認為價格會繼續上漲）說“這次不一樣，公司有真正收入”；空頭（認為價格會下跌）說“和1999年一模一樣”。兩者都部分正確，而這正是問題的模糊之處。

首先看當前情況不如2000年嚴重的方面：納斯達克指數從ChatGPT釋出到2025年10月峰值上漲125%，而網際網路泡沫期間上漲了700%。遠期市盈率（衡量市場對未來預期的指標）在泡沫高峰時為79倍，現在約為25倍。這些數字看似令人安心，但掩蓋了重要事實。美國股市總市值如今接近80萬億美元，大約是泡沫高峰時的兩倍，是美國經濟規模的2.5倍。經濟學家迪恩·貝克計算，若迴歸長期歷史平均水平，每個美國家庭將平均損失30萬美元的紙面財富。

與2000年最重要的結構性差異是：當今主要科技巨頭主要依靠現有現金流為AI投資提供資金。2000年許多網際網路公司根本沒有真正收入。這一區別很重要。“這次公司有真正收入”是正確的，但總市值是泡沫高峰的兩倍，下跌時可能更慢、更持久。

3. 迴圈融資：資金在內部迴圈

1990年代網際網路繁榮期間，一種稱為“供應商融資”的做法變得普遍。電信公司想購買網路基礎設施但沒有錢，供應商（如朗訊科技）借錢給它們購買。朗訊因此積累超過150億美元貸款給客戶，而自身運營現金流僅3億美元，最終破產。如今結構相同，但數字更大，迴圈更緊。

輝達向OpenAI投資1000億美元，OpenAI購買輝達晶片建設資料中心，輝達透過投資主要客戶保證自身未來需求，迴圈開始。微軟的動態則更為複雜：OpenAI向微軟支付172億美元使用Azure雲基礎設施，微軟持有OpenAI約27%股份，同時是最大投資者、最大供應商和最大成本方。OpenAI每在Azure上花1美元，部分以利潤形式迴流微軟，部分體現為其對OpenAI投資的價值增長。

紅杉資本的卡恩指出，下游問題更核心：使用資料中心的公司（訓練模型或執行推理）在當前計算成本下無法經濟可持續。它們支付處理能力，希望有一天收入能覆蓋成本。這些資料中心建立在OpenAI未來將支付數十億美元的假設上。如果OpenAI無法快速增加收入，建造這些中心的公司將陷入困境。

4. 晶片一年老化，貸款卻持續十五年

這可能是整個討論中最被低估的一點——而且是被故意低估的，因為其含義對太多方來說不舒服。為AI資料中心建設提供融資的銀行、保險公司、養老基金、私人信貸工具認為他們在為長期基礎設施資產融資，類似於商業地產或公用事業設施。他們的模型假設這些資產的使用壽命為7到15年，有穩定現金流和可收回的抵押品價值。

然而，GPU（驅動每個AI資料中心的專用顯示卡）的實際經濟壽命大約只有一年。2024年滿載輝達H100晶片的資料中心已經落後於2025年執行Blackwell晶片的資料中心。輝達的晶片路線圖顯示每約18個月推出一代新產品。亞馬遜已悄悄承認這一點：將伺服器折舊年限從六年縮短至五年，並在2024年提前報廢了一些伺服器和網路裝置。銀行按15年期限放貸，而資產在12個月內就失去競爭優勢。

5. 資產負債表上無法看到的1200億美元債務

如果前一點是信貸中的隱藏風險，那這一點是連看都看不到的信貸風險。包括甲骨文、xAI、CoreWeave和Meta在內的科技巨頭已將約1200億美元的資料中心支出轉移到特殊目的工具（SPV）中，脫離主資產負債表。SPV是獨立法律實體，用於將債務置於母公司主要賬戶之外。這種做法合法且規範，在許多行業常見。問題不在合法性，而在可見性。

引發全球金融危機的次級抵押貸款也曾被放在表外工具中，遠離評級機構和監管機構視線，直到爆雷。美聯儲已注意到，其2026年春季《金融穩定報告》明確將AI相關私人信貸增長列為金融體系的主要風險之一。2025年全球科技行業發行了4280億美元債券，其中美國佔3418億美元，大部分資金承諾投入AI資本支出。

6. CoreWeave：一枚有名有姓的定時炸彈

如果有一個單一公司體現了上述所有風險，那就是CoreWeave。它出租AI計算能力，即向希望訓練或執行AI模型的公司租用GPU，而無需自建資料中心。其增長驚人：收入從2022年的1600萬美元躍升至2024年的19億美元。但表面之下：運營虧損，支出超過收入；按2024年底燒錢速度，若無新融資僅能維持約9個月；總債務245億美元，包括表外經營租賃；到2026年底需支付75億美元利息；62%收入來自單一客戶——微軟。CoreWeave的生存取決於微軟是否繼續付款。如果微軟減少AI支出，CoreWeave只有幾個月而非幾年的生存時間。它相對輝達或微軟是小公司，因此不上頭條。CoreWeave的流動性危機不會因其規模而成為新聞，而是因為它會讓所有人看到影響數十家同類公司的結構性問題。

7. 如果破裂：三種傳染形式

馬特·斯托勒提出了正確問題：不是泡沫是否破裂，而是破裂時如何傳播。答案需要理解金融傳染的真正含義——系統某一部分的衝擊如何傳導到其他部分。

形式一——資產負債表傳染（2008年模式）：當槓桿賭注出錯時，機制總是相同：無法償還貸款→貸款方無法履行自身義務→貸款方的貸款方無法收回資金→如此形成長鏈，最終所有人試圖拋售一切以償還債務，觸發大規模資產清算。在AI背景下，風險集中在私人信貸和上述SPV中，不如2008年（問題侷限於數百萬美國家庭的抵押貸款）可見，但同樣真實。

形式二——紙面財富傳染（網際網路泡沫模式）：當AI公司上市（如OpenAI和Anthropic即將上市）時，會創造巨大的理論新財富……（文章因篇幅限制截斷）