投資人質疑人工智慧（artificial intelligence）投資報酬率（ROI），泡沫恐懼升溫
圍繞人工智慧（artificial intelligence）那段毫無節制樂觀的時代，正面臨迄今最嚴峻的壓力測試。經過數年的指數成長與兆美元級別估值飆升後，華爾街的敘事正從「害怕錯過」轉向「害怕花太多錢」。2026年2月2日，關於人工智慧熱潮可持續性的疑慮具體化，風險投資家與產業分析師對該領域龐大的基礎設施成本相對於實際營收產出提出尖銳批評。
被稱為「人工智慧淘金熱」的現象，特徵是無限制地向圖形處理單元（Graphics Processing Units，GPUs）與資料中心注入資本，現在正面臨單位經濟的冷酷現實。像OpenAI這類產業領導者正遭受營運可持續性方面的檢視，而主要風投公司也警告存在「循環支出（circular spending）」的風險，市場正在要求具體證據，證明數千億美元的資本支出（capital expenditure，CapEx）會帶來承諾的回報。
「循環支出」警告
領頭發出謹慎呼聲的是Tusk Ventures的執行長Bradley Tusk，他出現在CNBC上指出人工智慧生態系中愈來愈明顯的結構性風險。Tusk指出他所稱的「循環支出」——也就是許多人工智慧公司的營收，主要來自回流到生態系的風投資金，而非源自真正的企業或消費者需求。
「我們看到一個封閉迴圈，新創公司募資後再拿錢去向那些投資它們的科技巨頭購買雲端額度，」Tusk指出。這種動態創造出一種可能只在矽谷補貼環境中存在的市場需求假象。當補貼這些運算成本的風投資金收緊時，主要雲端供應商的收入數字可能面臨突如其來的修正。
Tusk的評論凸顯更廣泛的焦慮：許多位於人工智慧應用層（application layer）的公司的基礎商業模式，在沒有大量外部補助的情況下，尚未能自立。若「應用層」無法產生可獲利的使用案例，為其建置的大量基礎設施可能會成為沉重且昂貴的負擔。
資本支出難題：基礎設施對上現實
投資人焦慮的核心在於基礎設施支出與人工智慧驅動營收之間日益擴大的落差。常被稱為「超大規模雲端業者（hyperscalers）」的科技巨頭，承諾的資本支出甚至可與小國GDP相匹敵。雖然這些支出為未來技術建立了堅實基礎，但投資回收期（投資報酬率（ROI））比許多股東能接受的時間還要拉長。
下表說明了造成華爾街警戒的差距，對比了預估的基礎設施支出與為證明其合理性所需的營收。
Table: The AI Infrastructure vs. Revenue Gap (2026 Estimates)
| Metric | Estimated Figure | Market Implication |
|---|---|---|
| Global AI Infrastructure CapEx | ~$500 Billion | Massive outlay on GPUs, data centers, and energy grid upgrades. Represents a historic high in tech sector spending. |
| Required Revenue for ROI | ~$2 Trillion | According to analysis by Sequoia and other firms, this is the revenue needed to justify the current hardware depreciation cycle. |
| Actual AI-Specific Revenue | ~$50-60 Billion | Current revenue from generative AI software and services remains a fraction of the required threshold. |
| Operational Energy Cost | >$50 Billion/Year | Recurring energy costs for training and inference are rising, impacting long-term margin projections. |
表格：人工智慧基礎設施與營收差距（2026 年估計）
| 指標 | 估計數字 | 市場含意 |
|---|---|---|
| 全球人工智慧基礎設施資本支出 | 約 5,000 億美元 | 在 GPUs、資料中心與電網升級上的龐大支出。 代表科技業歷史性高點。 |
| 達到投資報酬率所需之營收 | 約 2 兆美元 | 根據Sequoia等公司的分析，這是為了 證明目前硬體折舊週期合理所需的營收。 |
| 實際人工智慧相關收入 | 約 500–600 億美元 | 目前來自生成式人工智慧（generative AI）軟體與服務的營收 仍只是所需門檻的一小部分。 |
| 營運能源成本 | 每年超過 500 億美元 | 訓練與推論的經常性能源成本上升， 影響長期毛利預估。 |
這個「投資報酬率差距（ROI Gap）」顯示，市場目前對於每一美元花在Nvidia H100s或Blackwell晶片上，只在軟體營收上產生寥寥可數的利潤分文。多頭認為基礎設施總是先於應用層出現（類比於1990年代光纖建設），但空頭則回想起光纖熱潮在網際網路最終成熟之前，曾以驚人的崩盤收場。
OpenAI 與可持續性問題
泡沫敘事的核心，是圍繞OpenAI所出現的可持續性疑慮。儘管其在品牌辨識度與用戶基礎上佔有優勢，卻有報導質疑該公司走向獲利的路徑。訓練前沿模型的成本，加上為數百萬用戶提供服務所需的龐大運算，造成了某些分析師形容為「不可持續」的燒錢速度。
「可持續性」的疑慮可分為兩個面向：
- 金融面：獲取與服務一名客戶的成本，常常超過訂閱收入，尤其是針對免費階層用戶或複雜查詢。
- 資源面：驅動這些模型所需的能源與用水量，正在吸引監管關注並推高營運成本。
若市場領導者都難以讓單位經濟成立，這將投下一片陰影到數千家資源僅有一小部分的新創公司。投資人現在審視「規模定律（scaling laws）」——也就是更多運算是否真的總是等於更好效能與更多營收，是否已出現報酬遞減現象。
市場反應：資金轉向品質派
股市的反應迅速。投資人開始將資金從純粹炒作人工智慧的股票，轉向能夠證明即時效用與維持利潤率的公司。這在最近的財報中顯而易見：那些雖超出營收預期，但宣佈大幅增加人工智慧資本支出的公司，反而遭到股東懲罰。
市場實際上在說：「別再告訴我們你將會打造什麼，給我們看它今天如何賺錢。」
- 防禦性佈局： 機構投資人正透過押注公用事業類股（支援資料中心的電力）來對沖風險，而非僅投入租賃空間的軟體公司。
- 對股利的需求： 對大型科技公司施壓的聲音增加，要求以買回與股利的方式把現金回饋給股東，而不是把每一分自由現金都投入GPU叢集。
未來之路：實用勝過炒作
從Creati.ai的觀點來看，這波情緒修正對產業而言是健康且雖然痛苦的成熟階段。技術本身仍具變革性；能夠大規模生成程式碼、影像與文本，確實改變了運算的本質。然而，圍繞它的經濟模式必須演進。
能夠通過這次「泡沫考驗」的公司，將是那些專注於：
- 垂直整合： 擁有一般模型無法複製的專有資料。
- 效率： 從以暴力運算為主的大型模型，轉向較便宜且針對任務的小型專用模型（SLMs）。
- 具體投資報酬： 提供能直接降低成本或增加企業客戶營收的工具，而非價值模糊的實驗性「協助工具（copilots）」。
隨著2026年推進，「人工智慧泡沫」的討論很可能成為一把篩子，將基礎設施重鎮與有用的應用，與蒸汽軟體（vaporware）分開。那些質疑大規模支出回報的投資人，並非在宣告人工智慧的終結，而是在宣示「輕鬆賺錢」時代的終結。
