1. 泡沫的關鍵在股市估值嚴重過高，以及大量生產性資本投入後出現嚴重過剩導致需求和成長放緩

2. 判斷泡沫具體可以衡量經濟壓力、產業壓力、營收成長、估值熱度和資金品質五項指標

3. 未來風險在於投資佔GDP比過高、本益比高於獲利成長水平和高品質資金枯竭

美股自4月關稅暴跌低點以來，不到半年的時間內上漲超過30%，即使在歷史上較為疲軟的9月，S&P 500指數仍逆勢上漲3%，並將各大估值指標推升至歷史高位。兇猛的漲幅和過高的估值也不斷引發市場對AI泡沫化的擔憂，尤其是推動股市上漲關鍵的AI基礎建設，這些巨額支出是否真的能轉化為實質收益？

除此之外，美股上漲對AI的依賴程度正在加劇，而這種依賴卻開始與實體經濟脫節，美國經濟強勁成長若剔除由資料中心領導的AI相關投資，實際上需求已顯著放緩，加上美國非農業就業迅速放緩，學生貸款、信用卡、汽車貸款等各類貸款的拖欠率也在上升。雖然消費等數據依舊顯示經濟仍維持強勁，但背後許多領域已出現鬆動的跡象。

而再度引發市場擔憂AI是否正在形成新一輪泡沫的關鍵，便是近期OpenAI、甲骨文以及Nvidia等公司進行「循環交易」的爭議，也就是Nvidia向OpenAI投資高達1000億美元股權，OpenAI以每年花費600億美元從甲骨文獲得雲端運算設施，甲骨文再向Nvidia購買晶片，形成一個循環，同時OpenAI還會用這筆錢購買Nvidia晶片。這項協議類似於2000年代初電信熱潮期間常見的供應商融資模式，當時Nortel、朗訊和摩托羅拉等公司向客戶提供資金以維持收入快速增長，但在泡沫破裂後承擔大量壞帳。

此外甲骨文最近發行180億美元的債券來籌集這筆巨額投資資金，導致甲骨文的負債權益比已經超過500%，遠高於亞馬遜約50%和微軟約30%，其他企業可能也要轉向債務融資，而非依賴自身現金流來支付巨額投資。究竟股市和經濟的未來都押注在AI投資，但這些AI巨頭卻開始轉向網路泡沫時期的供應商融資和循環交易的當前，AI是否真的會泡沫化，以下將進行深入解析。

泡沫的定義

在深入探討如何評估AI是否真的會泡沫化前，必須先定義什麼是泡沫。泡沫是資本主義發展以來最經典的劇本，17世紀鬱金香狂熱轟動當時的歐洲社會，但其實對荷蘭經濟基本上沒有造成影響；1920年代咆哮的美國股市和1980年代日本的地產泡沫最後都導致經濟嚴重衰退；過去1840年代鐵路泡沫和1990年代的網路泡沫都導致過度建造，最後留下太多無用的鐵軌和光纖，雖然網路已成為現今社會不可或缺的一部分，不能妄下網路無法改變人們生活等不實際的定論，但當時泡沫破裂仍造成大量網路公司破產。

諾貝爾經濟學獎得主、被譽為現代金融之父的Eugene Fama曾表示泡沫根本不存在，學界仍無法就投資泡沫的定義達成共識，且從實務投資的角度來看，要證實一起事件是否成為泡沫需要大量的數據和時間做驗證，但當資料充分齊全且做足研究之時股市早就反應完了，因此執著如何證明泡沫對投資交易來說沒有實質意義，更重要的關鍵在於如何判斷和解讀當前市場的態度，以及在有限的資訊下設計好投資策略、配置、避險等，網路泡沫崩盤初期賣出全數股票的人的收益仍可能遠高於那些從初期什麼都不投資的人。

有鑒於此，本文的泡沫將聚焦在兩個面向，分別是股市估值嚴重過高後崩盤，以及大量生產性資本投入後是否出現嚴重過剩導致需求和成長放緩。具體來看泡沫為從高峰計算股市價值必須下跌50%以上，且在低點持續約五年或以上的時間，以2008年金融海嘯和網路泡沫為例，下跌至谷底大約持續五年，美國樓市更花費10年才完全收復泡沫前高點，網路則耗費15年，另外生產性資本投入成長會大幅下滑約50%。

判斷泡沫另一大關鍵是資產估值與相關前景和實際盈利能力嚴重背離，由於泡沫往往依賴充裕的資本和誘人的故事支撐，背後缺乏實質產出和獲利，最終都以慘烈的結果告終。經濟繁榮在初期看起來與泡沫非常相似，同樣出現估值上升和投資加速等跡象，但關鍵差別在於繁榮的情境下基本面最終會追上來，實際現金流、生產力提升或真實需求成長會達到樂觀預期，短期繁榮或許會過快，但長期依然會有龐大的經濟價值。

投資困難的地方就在狂熱時期當下很難判斷資本是在建構新經濟的基礎，還是只是抬高虛有的價格，甚至可以說要及時判斷泡沫是不太可能的。自2022年底ChatGPT發布以來，超大規模雲端服務商（hyperscalers）每年在資料中心上的資本支出已翻一倍多，用於訓練和運行更大模型所需的基礎設施。當OpenAI CEO Sam Altman提出需要投資7兆美元時，各家科技巨頭也接連喊出上百億甚至千億的資料中心，一方面市場已經見證AI對這些科技巨頭帶來成長加速，甚至出現許多超高獲利的新創企業，另一方面卻也開始擔心如此龐大規模的支出是否可持續。

衡量泡沫的五大指標

要全面衡量市場是否存在上述定義的泡沫，可以從以下五個層面做深入分析：

1. 經濟壓力：資本支出是否會佔整體經濟過高？

2. 產業壓力：資本支出是否會佔產業營收過高？

3. 營收成長：營收成長翻倍需要多少時間？

4. 估值熱度：估值相對水位對比歷史是否被嚴重高估？

5. 資金品質：資金來源是來自穩健的資產負債表，還是脆弱且高波動的投機資金？

以下五個指標的分析將使用Nathan Warren教授的文章Is AI a bubble? – by Azeem Azhar and Nathan Warren （Sep 17, 2025），當中會量化各項指標的壓力值，並用紅黃綠三個燈號顯示。

1. 經濟壓力：目前的投資規模大到足以改變整體經濟嗎？

當前AI的投資規模極為龐大，摩根士丹利預計到2029年在AI基礎設施上的投入將達3兆美元然而最大的問題在於經濟的「依賴性」，美國當前有超過三分之一的GDP成長由資料中心建設帶動，經濟體過度依賴單一產業拉動成長，若未來這種成長放緩，經濟和股市可能會比預期更快崩潰。

衡量經濟壓力的一個方法是觀察某項投資佔GDP的比重，也就是全國產出中有多大比例被投入同一個技術尖端領域，顯示整個經濟有多大程度押注在單一技術上。過去鐵路泡沫時期的經濟壓力最重，1872年美國鐵路投資曾高達GDP的4%，1990年代後期電信泡破高峰時期則接近GDP的1%。

目前的AI建設熱潮位於上述兩場泡沫之間，這些建設包含伺服器、冷卻系統、網路設備、鋼筋水泥建造的機房，以及維持其運作所需的供電設施等，預計2025年全球將有約3700億美元流入資料中心建設，其中約有70%投向美國，相當於美國GDP的0.9%。從壓力指標來看僅落在綠色區間，低於鐵路泡沫和網路泡沫時期的壓力，但在各家科技巨頭的軍備競賽下可能持續朝向黃色區間靠近。

此外市場普遍預計到2030年全球每年資本支出將達到8000億美元，其中美國約佔60%，這將使美國的AI投資支出達到2025年GDP的1.6%，將超越網路泡沫的1.2%，但預計屆時GDP也將大幅成長，最終佔比可能仍落在1%左右，對比歷史上幾次泡沫高峰，AI尚未達到失控的程度。

另一方面，AI投資有一項過去歷史上的泡沫不曾面臨的困境，那就是折舊速度相當快，鐵路和電信光纖平均可用數十年，20世紀時美國仍在使用19世紀鋪設的鐵路運輸貨物，1990年代鋪設的電信光纖當前也仍還能使用。相較之下，GPU的壽命短得多，用於模型訓練等尖端應用的GPU有效壽命可能只有三年，之後就被降級。

目前Google和Meta等超大規模雲端公司約三分之一的資本支出正流向這些壽命極短的資產，因此這套投資必須在短短幾年內發揮價值，才不會淪為泡沫化投資。雖然部分理論指出正因為折舊速度快的特性，企業投資反而會更有紀律，過去鐵路狂熱時期資產壽命長達數十年，導致許多企業即使資不抵債也能苟活，但當前AI時代快速更迭下有問題的企業若無法迅速調整通常都會迅速倒閉。

2. 產業壓力：資本支出是否會佔產業營收過高？

這項指標觀察的是資本支出佔營收的比率，估計生成式AI相關產業今年的營收預計將超過600億美元，但這數字可能低估生成式AI帶來的實際價值，例如Meta透過AI讓平台轉換率提高，但這樣的間接貢獻難以統計，因此許多華爾街投行才會估計今年的營收預計為1200億-1500億美元左右。2021年微軟、亞馬遜等主要超大規模雲端公司將營運現金流中約44%投入資本支出，到2024年這一比例已上升至68%，預計今年還將更高。

過去鐵路狂熱時期為鋪設新鐵軌和添置車輛發行債券，利息必須靠客運票價和貨運收入來償還，一旦資本支出成長大幅超越營收，便會出現無法償債的風險。1872年美國鐵路擴張達到高峰時資本支出約為營收的兩倍，1990年代末網路泡沫時該比率上升到將近四倍。當前的生成式AI熱潮下年營收約600億美元，然而全球資料中心資本支出卻高達3700億美元，該比率高達6倍以上，是三個時期中壓力最大的。

從壓力指標來看雖落在黃色區間，高於鐵路泡沫和網路泡沫時期的壓力，但若用1200億-1500億美元的年營收計算，該比率就明顯下降至2.5倍-3倍左右，加上當前許多企業客戶在資料中心尚未建成前就提前鎖定產能來爭取算力，顯示背後的潛在需求仍相當龐大。

3. 營收成長速度：營收成長翻倍需要多少時間？

當年鐵路和電信繁榮期出的問題不在於產業本身的壓力，而是收入動能耗盡，1873年鐵路泡沫破滅後鐵路收入較前年同期下降3%，1990年網路泡沫破裂後電信業則下降0.5%。但這是因為鐵路和電信都屬於剛需，在崩盤之前各項收入的成長其實都不算過快，1873年的鐵路營收年增為22%，大約三年才能成長翻倍，1990年代末期的電信營收年增為16%，翻倍需要四年以上。

相比之下生成式AI的營收仍在加速成長，保守估計下今年營收將成長約為一倍，且未來幾年將更加快速， OpenAI預計到2030其營收可維持73%的年化成長率，摩根士丹利預估到2028年可能達到1兆美元規模，相當於2022至2028年間年複合成長約為122%，因此若考慮到營收的成長速度和潛在市場，當前AI熱潮的泡沫壓力小於先前兩個時期。

高成長率背後是由對於雲端運算無盡需求支撐，甲骨文預計2030年其雲端業務累計營收可達約3,800億美元，另外生成式AI已經帶動企業IT預算擴張，高需求也帶動許多新建資料中心一投入營運就達到滿載。Nvidia CEO黃仁勳預測市場對Hopper和Blackwell晶片的需求在明年依然會供不應求。

目前美國約有9%的企業至少擁有一個有用的生成式AI，預計這個比例五年內會上升至75%，而平均每家採用企業的採用數量也將增加到數百個，企業端應用將出現高速成長。消費端方面，美國消費者每年線上支出約1.4兆美元，若維持每年15%–17%的成長率，到2030年可能翻倍至3兆美元。目前300%-500%的爆炸性成長率已經在中型新創公司和大型模型供應商中出現，顯示只需將消費者數位支出的一小部分重新分配給AI應用，就能帶動數千億美元的收入，並證實這個產業仍在強勁上行，與鐵路和電信泡沫破裂前疲軟的營收成長完全不同。從壓力指標來看，AI帶動營收成長翻倍所需時間遠低於前兩個泡沫時期，落在健康的綠色區間。

4. 估值熱度：估值相對水位對比歷史是否被嚴重高估？

前面的經濟壓力和產業壓力反映這場浪潮的規模，收入成長顯示成長過程，而估值熱度則反映市場情緒，這往往是泡沫最明顯的特徵。歷史上每次技術革命的初期金融市場往往都會過度反應，投入的資本遠遠超出後續收入所能證明的合理水平，但泡沫是否形成甚至破裂關鍵在於這股狂熱能否順利過渡到部署以及回收的階段，也就是基礎設施充足並帶來真正的生產力提升。

這裡關注本益比（P/E、市盈率）以及巴菲特指標，高本益比反映是場在押注未來快速成長，但如果長期過高但最終無法實現預期的營收成長，正是引發泡沫破裂的關鍵。網路泡沫高峰時納斯達克指數本益比約為72倍，光是網路板塊的股票就高達605倍，也就是投資者願意為當時的公司支付相當於600年利潤的價格，沒有任何公司能實現足夠快的成長來支撐這種離譜的預期，即使許多公司後續營收都出現穩健成長，但股價仍在泡沫破裂後暴跌。另一方面，鐵路泡沫時期雖僅約為20倍，但最終仍出現泡沫破裂，原因在於營收成長停滯，無法支撐起20倍的本益比，因此泡沫是否會破裂關鍵不在於估值本身有多極端，而是營收增長速度與股價是否取得合理的平衡。當前納斯達克指數的本益比約為32，僅為網路泡沫時期的一半，其他科技板塊的估值雖高於歷史均值，但遠遠不及當年網路泡沫的高峰，且生成式AI的收入仍持續快速攀升，目前發生過去兩次泡沫的風險並不大。

另一項市場關注的巴菲特指標是衡量一國股市總市值相對於該國GDP的比率，這個指標若超過100%通常顯示股市可能被高估，存在泡沫風險，而低於100%則可能代表股市被低估，巴菲特本人認為這是衡量市場價位的最佳單一指標。當前巴菲特指標處於歷史高峰，還高於長期平均值兩個標準差以上，然而這項指標背後隱藏技術性盲點，也就是當前發展AI的大型科技公司都是經營全球市場，收入很大一部分來自美國以外地區，因此公司收益與本國GDP脫鉤。另外歷史上GDP難以在初期就顯著反映科技革新帶來的生產力效益提升，且科技提升的關鍵往往是利潤率，即使產出不變企業利潤和股價也會出現增長，但不一定能有效反映在以GDP為分母的巴菲特指標上。

5. 資金品質：資金來源是來自穩健的資產負債表，還是脆弱且高波動的投機資金？

衡量資金品質的關鍵在於資金來源、背後結構（期限匹配、中介紀律、系統損失吸收能力等），以及資本願意以多少時間來等待回報，是有耐心願意長期等待，並承受中間波動的高品質資本，還是只想追逐短期炒作，缺乏紀律且負債累累的低品質資本。

鐵路熱潮由缺乏實力的散戶投機者推動，1870年代初期美國鐵路公司的帶息債務已佔其總資產的46%，當過度建設導致營收成長停滯時融資鏈瞬間斷裂，引發恐慌以及多條鐵路線被破產清算。1995年網路熱潮初期相關創投規模僅有53億美元，但2001年已有超過2370億美元的資金湧入新創公司，而且資金往往來自新入行且缺乏經驗的經理人。另外1999-2000年的IPO發行量比歷史平均高出六倍，許多公司幾乎沒有營收就直接上市，追漲的也有許多都是盲目的散戶，例如在1998年theGlobe.com這家公司上市當天股價就飆漲超過600%。1990年代後期電信業更累積大量債務，1998至2001年間德國電信和法國電信合計新增淨債務高達780億美元，美國和歐洲的營運商將槓桿率翻了一倍，收入只要稍微跟不上違約就會迅速蔓延。

當前的AI熱潮相較過去更加穩健，微軟、亞馬遜、Google母公司Alphabet、Meta、蘋果和輝達都擁有大量現金流，能透過自有資金來投資和擴展事業，整體資產負債表相當穩健。因此即使未來資本支出總額不斷上升，也不容易導致輕易崩盤。從綜合各項要素的壓力指標來看，AI熱潮背後的資金品質遠高於前兩個泡沫時期，落在非常健康的綠色區間。

未來關注焦點

基於上述五大指標判斷，生成式AI目前仍處於由需求驅動，資本高度密集的繁榮時期，距離泡沫還相當遙遠，但仍需關注幾個值得警惕的壓力點：

1. 投資佔GDP比過高：

若對AI的投資攀升至GDP的2%左右，可能代表市場對AI過度押注，另外若未來3-5年內有一家或多家超大雲端廠商將資本支出削減超過20%，那將代表市場情緒的快速反轉，可能引發其他企業和資金迅速撤離，尤其是AI投資核心的Nvidia訂單積壓量持續縮減將會是關鍵。

2. 本益比高於獲利成長水平：

若估值開始接近50-60倍本益比就會開始危險，在真正的成長週期中企業獲利應追趕股價，而非越來越跟不上，導致估值水平遠高於獲利。以Nvidia為例，2023年AI熱潮初期資金瘋狂湧入，帶動Nvidia股價大幅飆漲，本益比迅速突破100倍，最高峰時期曾接近150倍，但隨後NVIDIA的營收也呈現爆炸性成長，不僅驗證市場預期，還透過實質獲利成長拉低本益比至合理區間，目前落在科技成長股常見的30至60 倍，成功避免過去市場擔心的泡沫破裂。

3. 高品質資金枯竭：

若內部現金流只能覆蓋不到25%的資本開支，資料中心投資的穩定性將受到影響，目前業界的穩定性來自超大型雲端廠商充沛的現金流支撐。若未來這些公司無法再涵蓋大部分資本開支，更多低品質債務和證券化融資將持續進入市場。考慮到GPU相較短的折舊週期，預計內部融資比例下跌到新資本開支的四分之一以下時市場就會轉向依賴債務和證券化，將大幅提高泡沫風險。