蔡鎤銘/淡江大學財務金融學系兼任教授
引言：當市場與現實脫鉤
自2022年底ChatGPT公開問世以來，人工智慧熱潮席捲全球資本市場，標普500指數累計增加近33兆美元市值，其中絕大部分來自與AI相關的企業。日本證券經濟研究所研究員田代一聰在2026年9月發表的論稿中指出，這一輪股價急升究竟是「範式轉移帶來的內在價值躍升」，還是「缺乏未來收益支撐的泡沫」，兩種觀點並存且各有依據。
然而，市場的狂歡往往領先於現實的驗證。橋水基金創辦人瑞·達利歐（Ray Dalio）在2026年9月的一場世界經濟論壇影片中提出了一個耐人尋味的判斷：AI既是「奇蹟般的生產力變革力量」，同時也是一個「將對許多人造成毀滅性影響的泡沫」。他以網路泡沫為鑑，指出納斯達克指數在1999年單年上漲86%，但到2002年10月已從峰值下跌77%，數兆美元市值灰飛煙滅。這一歷史軌跡顯示，技術變革的真實性與投資泡沫的破裂，往往是同一枚硬幣的兩面。
泡沫的經濟學本質：為何難以辨識
泡沫的學術定義是資產市場價值與其內在價值之間的差距，但難題在於內在價值本身難以觀測，因為它取決於該資產未來能產生多少收益，而這在事前幾乎無法精確計算。這意味著，泡沫的判定本質上是一種「事後確認」：在泡沫破裂之前，市場參與者很難就某一資產是否被高估達成共識。
日本學者平野與戶田在2025年發表的理論研究顯示，在特定條件下，泡沫的發生具有某種「必然性」，而非完全可避免的異常現象。當投資者對新技術的未來回報存在信念差異，且市場存在借貸機制時，樂觀信念會推動資產價格偏離基本面，形成自我強化的投資循環。這一理論框架為理解當前AI熱潮提供了重要的分析視角：泡沫並非單純的「非理性繁榮」，而可能是資訊不對稱與技術不確定性下的結構性產物。
巨額資本支出與脆弱的債務鏈
當前AI熱潮最令人不安的特徵，在於其融資結構的脆弱性。以Alphabet、微軟、亞馬遜、Meta和甲骨文為代表的超大規模雲端業者，2026年資本支出合計預計達7,692億美元，幾乎是2025年的兩倍，2027年可能進一步攀升至約1兆美元。這些支出的資金來源正從過去的充沛自由現金流，轉向大規模債務融資。高盛預計，到2027年超大規模企業的債務發行量將達到創紀錄的4,200億美元，較2026年增長60%。
更值得關注的是表外承諾的規模。曾精準做空次貸市場的投資人麥可·貝瑞（Michael Burry）指出，前述五家巨頭已累積超過3兆美元的表外承諾與潛在財務義務，其中尚未執行的租賃承諾接近1.2兆美元，採購承諾超過1.5兆美元。這些承諾之所以危險，在於AI晶片的技術迭代速度極快，資料中心從規劃到完工需3至5年，租約長達13至20年，但AI加速器的架構可能在12至18個月內出現重大變化。這意味著企業可能面臨設備快速失去經濟價值、但長期合約仍須履行的困境。
阿波羅全球管理首席經濟學家托斯滕·斯洛克（Torsten Slok）將超大型企業的信用敘事描述為一場「豪賭」：其合計運營現金流需從約6,000億美元成長兩倍至2兆美元，才能支撐當前槓桿水準。若這一反彈未能兌現，後果將從估值和融資成本擴散至投資，最終拖累GDP。
與網路泡沫的異同：基本面更強 但集中度更高
將當前AI熱潮與1999至2000年的網路泡沫進行對比，是市場參與者最常見的分析框架。兩者確實存在顯著差異：標普500目前的預期本益比為20.3倍，資訊科技板塊為22.5倍，均遠低於2000年初峰值時的54.8倍。更重要的是獲利能力，當年許多網路公司尚未實現盈利，而如今所有超大規模資料中心營運商均獲利豐富，輝達去年獲利達729億美元。
然而，表面的估值差距可能掩蓋了更深層的風險。資訊科技板塊在標普500中的權重已達38%，是歷史平均水準18%的兩倍多，市場對AI相關企業的集中度達到前所未有的程度。費城半導體指數在年初翻倍後，較2026年6月22日峰值下跌19%，而摩根士丹利估計超大規模企業未來12個月的資本支出共識預測接近1兆美元且仍在上升。這種集中度意味著，一旦資本支出失去動力，整個生態系統的利潤預期將被重置。
波士頓夥伴公司全球市場研究總監麥可·穆蘭尼（Michael Mullaney）的評論頗具代表性：「會有贏家嗎？絕對有。但很難說誰是。」這正是泡沫破裂時最殘酷的現實：技術的正確性與投資者支付價格的合理性，是兩個截然不同的問題。
泡沫的「必然性」與「遺產」：投機性成長的理論透視
麻省理工學院經濟學教授里卡多·卡瓦列羅（Ricardo Caballero）在2026年7月發表的論文《投機性成長與AI泡沫》中，提出了一個超越「泡沫或非泡沫」二元對立的第三種可能性：樂觀估值即使最終修正，也可能留下永久性的實體遺產。其機制在於，AI資本擴張生產能力，將收入轉向高儲蓄傾向的資本所有者，這種財富儲蓄反饋會壓低利率，並可能產生多重穩態，包括一個自我維持的高資本經濟。但從低資本狀態出發的理性定價不會自動將經濟推向高資本狀態，轉型需要一個「暫時由信念支撐的估值」來啟動投資加速。
這一理論框架的關鍵推論是：如果足夠的資本在「學習效應」消除估值溢價之前已經安裝完畢，經濟將落腳於高資本穩態，長期利率更低、薪資更高。但如果學習效應來得太早，轉型就會失敗，泡沫破裂後留下的只有浪費。換言之，泡沫是否「值得」，取決於其破裂的時機，而非破裂本身。
這也解釋了為何多位業內人士同時發出警告與樂觀信號。達利歐的判斷正是這一張力的精準表達：AI的生產力變革是真實的，但泡沫的破壞性同樣是真實的，兩者並不矛盾，而是同一過程的不同面向。
中國大陸的立場與全球連鎖效應
在這場全球性的辯論中，中國大陸的角色值得關注。當Anthropic執行長達里奧·阿莫德伊（Dario Amodei）在2026年9月呼籲放緩AI開發以加強安全監管時，OpenAI的薩姆·奧特曼（Sam Altman）與伊隆·馬斯克（Elon Musk）迅速表示支持，但川普公開反駁，稱「唯一對此感到高興的是中國」。中國大陸外交部發言人郭嘉昆則回應稱，「製造恐慌、對抗和惡性競爭只會干擾全球AI治理進程」。
這一交鋒揭示了一個深層矛盾：AI支出已不僅是科技議題，更是宏觀經濟與地緣政治的核心變量。彭博經濟研究指出，過去一年AI相關投資可能貢獻了約一半的美國GDP成長，約2個百分點。這意味著，AI資本支出的任何放緩都不僅是股市事件，更可能迅速傳導至實體經濟，改變成長預測與企業投資計劃。
博科尼大學歐洲政策研究所2026年9月發表的研究進一步指出，若AI金融泡沫破裂，全球經濟將「付出兩次代價」：一次是泡沫本身的財富損失，另一次是貿易與投資的連鎖緊縮。該研究也指出，美國經濟在2025至2026年的平均成長率僅2.2%，僅為1997至1998年4.4%水準的一半，儘管AI投資大幅加速且財政政策擴張。這表明AI投資的宏觀效果可能被其他政策拖累所抵銷。
結語：泡沫的必然性與選擇的空間
回到最初的問題：AI泡沫是否不可避免？從理論與現實的雙重視角來看，答案傾向於肯定。技術革命的本質就是不確定性，而資本市場在面對不確定性時，系統性地傾向於過度樂觀。平野與戶田的理論顯示，在資訊分散與借貸機制存在的條件下，泡沫的發生具有結構性必然。卡瓦列羅的模型則進一步指出，即使泡沫最終修正，其留下的資本存量可能仍具有正面價值，但這一結果取決於修正到來的時機。
然而，「不可避免」不等於「無所作為」。當前最緊迫的風險在於債務鏈的脆弱性與表外承諾的不透明。當AI收入高度集中於少數前沿模型公司，而這些公司的盈利前景仍不明朗時，整個生態系統的穩定性建立在一系列尚未驗證的假設之上。投資者需要的不是對泡沫的否認或恐慌，而是對資本配置效率的冷靜審視：每一美元的AI投資，最終能否轉化為可衡量的生產力提升？這個問題的答案，將決定這場技術革命留下的是遺產，還是廢墟。
※以上言論不代表梅花媒體集團立場※
