跨市博弈丨AI泡沫不是因為AI沒用 而是太有用

泡沫從來不需要建立在謊言之上。恰恰相反，最危險的泡沫通常建立在真相之上。

南海公司背後有新金融工具、鐵路狂熱背後有真正改變世界的交通網絡。1920年代有電氣化、汽車與大眾消費。1990年代的互聯網確實創造了亞馬遜、Google、Meta，以及今日整個數位經濟的骨架。泡沫的罪不在於幻想未來，而在於把未來的所有現金流一次性、無折扣、加槓桿、再包裝成ETF賣給下一個人。

AI正在走這條熟悉的路。它不是假技術，更不是加密貨幣白皮書裏那種靠形容詞維持估值的空中樓閣。它有產品、有用戶、有企業預算、有生產力提升的真實可能，甚至還有真金白銀的收入。但正因如此，它才更像泡沫，而不是更不像。

愚蠢的泡沫很容易避開，但聰明的泡沫最難。

三年前，Nvidia的市值還是7550億美元。這在當時已經不便宜。如今，它超過5萬億美元。金融市場最擅長的一件事，就是把昨天看似荒謬的估值，改寫成今天看似保守的起點。當一家公司從全球最大半導體公司變成全球最大資本市場信仰容器時，投資人不再問「這家公司值多少錢」，而是問「宇宙還有多少算力需求尚未被折現」。

這是一個危險的問題，因為答案永遠可以很大。

現在，美股已經不只是由幾家科技巨頭主導，而是被一整套AI供應鏈綁架。Nvidia是神像，Broadcom是副祭司，Micron、SK Hynix、Samsung、Sandisk等記憶體與半導體公司則是新聖殿的建築承包商。最新一輪漲勢甚至把 Micron一度推進了1萬億美元市值俱樂部。截至上月底止，Nvidia約5.2萬億美元，Google約4.7萬億美元，Apple 約4.6萬億美元，Microsoft約3.1萬億美元，Amazon約2.8萬億美元，Broadcom約2萬億美元，Tesla與Meta各約 1.6萬億美元，Berkshire、Eli Lilly與Micron則各在1萬億美元附近。

曾幾何時，1萬億美元是一個形容帝國公司的數字。現在它更像是AI派對的最低消費。

Micron的入場尤其值得玩味。Nvidia至少有壟斷敍事，有CUDA生態，有晶片供不應求，有毛利率的神話。Micron 賣的是記憶體，這個行業歷史上最穩定的特徵就是不穩定。它周期性、資本密集、供需容易失衡，價格可以像科技股一樣上天，也可以像大宗商品一樣摔回地球。如今市場卻願意用近乎軟體公司的想像力去重新定價記憶體公司。這不是錯，至少暫時不是。高頻寬記憶體(HBM)是AI訓練與推理的重要瓶頸，需求真實存在。但記憶體行業一旦被冠上「AI基礎設施」的光環，投資人就會忘記它仍然需要工廠、設備、庫存、價格紀律，以及同行不要一起發瘋。

但歷史顯示，同行通常會一起發瘋。

另一邊廂，資本市場亦已經聞到血腥味。Roundhill推出的Memory ETF，代號DRAM，在35天內資產管理規模突破 100億美元。這個速度比許多科技新創找到產品市場契合還快。ETF的天才之處在於它把一個複雜的產業周期，壓縮成一個四個字母的交易代碼。投資人不必理解DRAM、HBM、NAND、製程、供需、庫存調整或資本支出節奏。他們只需要知道：AI需要記憶體，記憶體股票會漲，而ETF讓他們不用思考哪家公司先摔死。

華爾街稱之為金融創新，其他人可以稱之為把動物本能裝進合法容器。

市場集中度也在發出尖叫。科技與通訊服務板塊合計已接近標普500權重的一半，與其他9個板塊加總相當。這不是一個普通的牛市。這是一個美國股市把自己改造成AI指數的過程。投資者以為自己買的是標普500，實際上買的是一籃子科技巨頭，外加一些用來裝飾分散化幻覺的銀行、工業、醫療與消費公司。

與此同時，被動投資在這裏扮演了微妙角色。當科技股上漲，它們在指數中的權重上升；當權重上升，被動基金被迫買入更多；當更多買入推高價格，權重又進一步上升。這不是陰謀論。這是機械式結構。它不會創造泡沫，但會讓泡沫的氣壓更穩定、更安靜，也更難察覺。直到某一天，機械反過來運作。

AI牛市的核心問題並不是「AI有沒有價值」，這個問題太幼稚。核心問題是：誰捕獲價值？捕獲多少？用什麼資本成本捕獲？以及現在的價格是否已經提前吃掉了未來十年的午餐，順便把晚餐也打包帶走。

目前看起來，價值捕獲最清晰的是賣鏟子的人。Nvidia、Broadcom、記憶體廠、數據中心供應商、電力設備商，至少現在可以把需求轉化成訂單，把訂單轉化成營收，把營收轉化成盈利預期。這也是市場如此興奮的原因。與1999 年許多互聯網公司不同，今天的AI供應鏈不是只有眼球、點擊率和「社群黏性」。它有出貨、有毛利、有現金流，還有一群雲端巨頭拿着資本支出預算排隊付款。

但這裏也藏着反身性陷阱。AI晶片公司的收入，是雲端巨頭的資本支出。雲端巨頭的資本支出，是未來AI應用公司的運算成本。AI應用公司的運算成本，必須由企業客戶、消費者或廣告商支付。換句話說，今天Nvidia的利潤，某種程度上是明天OpenAI、Anthropic、Google、Microsoft、Amazon和Meta必須證明合理的成本。

如果這些成本最終變成足夠高回報的生產力工具，那麼今天的估值或許只是看起來貴。但如果這些成本只是科技巨頭之間的軍備競賽，則今日的盈利繁榮就是未來減值、折舊、價格戰與股東信件中「長期投資」四個字的前奏。

投資者現在更願意相信前者，而這並非完全沒有道理。

OpenAI與Anthropic的收入成長速度確實驚人。OpenAI的年化收入run rate從2023年底的低個位數十億美元一路衝上約250億美元，之後似乎進入平台期。Anthropic則更戲劇化，從2025年附近約90億美元的年化收入run rate，飆升至約470億美元。若這些數字能持續，AI應用層不再只是燒錢故事，而是一個正在形成的超高速企業軟件市場。

問題是，run rate是金融市場最性感也最危險的詞之一。它把某一刻的速度年化，彷彿世界不會轉彎、競爭不會加劇、價格不會下跌、客戶不會砍預算、監管不會介入、模型不會商品化。Run rate的魅力在於它看似比營收更前瞻；它的缺陷在於它經常比夢想更脆弱。

尤其是AI應用層仍面臨殘酷的經濟問題。模型能力越強，使用量愈大，算力成本也愈高。企業願意為AI付費，但不代表願意無限付費。AI工具可以提高生產力，但生產力收益往往會被競爭吞掉，最終流向客戶而非供應商。這正是科技史的經典悖論：偉大技術改善世界，卻不一定改善股東回報。航空業改變世界，但長期讓投資人受苦。鐵路改變世界，也讓許多鐵路股票變成廢紙。互聯網改變世界，但1999年買入多數互聯網公司的投資人，得到的是高昂的教訓。

AI可能讓全球GDP更高，卻仍讓某些AI股票回報慘烈。這兩件事不矛盾，事實上它們經常一起發生。

Micron的盈利預期是這場狂熱的縮影。Micron過去的每股盈利起伏明顯，2018至2019年曾有高峰，2023至2024 年甚至陷入虧損。但市場現在預期其盈利將垂直升空，2026年後的分析師預估幾乎像是把普通周期股硬接上火箭。這種情況通常有兩種解釋。第一，公司進入全新結構性成長時代。第二，分析師把周期頂部外推成永恒。

華爾街歷史上第二種比較常見。

當然，這不代表Micron一定會錯。AI記憶體需求可能真的改變行業結構。HBM供應受限，技術門檻更高，客戶黏性更強，價格紀律可能優於傳統DRAM周期。如果如此，市場重新定價記憶體公司並非瘋狂，而是遲來的認知修正。但投資的關鍵不是故事能否成立，而是價格要求故事必須成立到什麼程度。當股價一年漲1000%，投資人買入的不是「可能性」，而是「近乎不容犯錯的可能性」。

這就是泡沫的真正定義。泡沫不是價格上漲很多，泡沫是價格上漲到只剩一種未來能讓它合理。

量化對沖基金巨頭AQR創辦人Cliff Asness說過，泡沫應該指的是沒有任何合理未來結果可以支撐的價格。這句話很重要，因為它阻止我們過早把每個牛市都叫作泡沫。今天的AI顯然存在某些合理未來結果可以支撐高估值。如果AI 真的像電力、互聯網與軟體三者的混合體，如果企業採用速度足夠快，如果模型成本下降速度快於價格下降，如果應用層能建立黏性，如果雲端巨頭的資本支出最終換來新的高毛利收入池，那麼今天的樂觀不是荒唐，而是提前。

但「存在合理未來」與「目前價格合理」不是同一句話。第一句屬於科技評論，第二句屬於投資紀律。市場最愛把兩者混為一談，因為這樣比較方便叫人「買入」。

標普500的盈利預期也正在被AI注入腎上腺素。2026 年第一季每股盈利共識預期自2025年5月以來一路徘徊在70 美元附近，直到2026年5月突然跳升至約80.97美元。這種級別的上修並不常見。它解釋了為什麼股市能在高估值下繼續上漲。只要盈利預期追得上股價，估值倍數就不至於看起來像犯罪現場。

但這裏有一個耐人尋味的問題：這些盈利究竟是終端需求創造出來的，還是hyperscalers的資本支出循環暫時推高了供應鏈利潤？

如果Microsoft、Amazon、Google、Meta和其他雲端巨頭大舉購買晶片和數據中心設備，供應商盈利自然爆炸。這會讓指數盈利上升，讓市場看起來更便宜，也讓投資人更願意買入AI受益股。反過來，科技巨頭股價上漲降低資本成本，又支持更多投資。這是一個漂亮的循環。問題是，所有漂亮的循環在金融市場裏都有另一個名字：槓桿，只是形式不一定在資產負債表上。

這一次的槓桿不是銀行貸款，而是盈利預期、資本支出承諾、供應鏈訂單、指數權重、ETF 流入與投資人信仰共同構成的隱性槓桿。它不會每天被margin clerk追繳，但當需求放緩、價格下降、監管壓力上升或某家巨頭宣布「優化 AI投資節奏」時，市場會突然發現自己其實借了很多未來。

這就是為什麼「AI有用」並不能排除泡沫。房子有用，2006年美國房地產仍然是泡沫。鐵路有用，19世紀英國鐵路股票仍然崩盤。互聯網有用，納指仍然跌了近八成。用途不是估值的地板，現金流才是。更準確地說，是經風險、時間與競爭調整後的自由現金流。

今天市場最缺的不是想像力，而是扣除法。投資者擅長加法：更多模型、更多數據中心、更多晶片、更多企業採用、更多生產力、更多收入。但真正的投資回報來自減法：扣除折舊、扣除電力成本、扣除競爭、扣除價格下降、扣除員工股權激勵、扣除監管、扣除資本開支，最後再扣除投資者已經付出的天價。

扣完以後，剩下多少，才是股東的。

AI牛市目前仍有一個強大的支撐：它正在產生真實盈利。這與許多純概念泡沫不同。Nvidia的財報不是幻想。記憶體價格不是幻想。數據中心需求不是幻想。企業AI預算不是幻想。Anthropic和OpenAI的收入曲線也不是普通SaaS 公司可以假裝出來的斜率。

但市場通常不是在沒有事實時犯錯，而是在把事實外推太遠時犯錯。投資者看到一家公司營收翻倍，就願意假設它將繼續翻倍。看到毛利率上升，就假設競爭永遠不會壓低價格。看到資本支出增加，就假設回報一定更高。看到ETF流入，就假設聰明錢正在確認故事。實際上，ETF流入有時只是人類集體害怕錯過〈FOMO〉的電子紀錄。

這一輪AI狂熱還有一個特別諷刺的地方。AI被宣稱將提升效率、降低成本、取代冗餘人力。但為了達到這個美好未來，科技巨頭正在進行人類史上最昂貴的基礎設施建設之一。為了讓企業少雇一些初級分析師、客服人員和程式員，整個產業正在購買數千億美元晶片、建造耗電巨大的數據中心、鎖定長期電力供應，並向投資者保證這一切很快會帶來驚人生產力。

這有可能是真的，也有可能是史上最昂貴的Excel外掛。

更微妙的是，AI的成功本身可能壓縮AI公司的利潤。如果模型變得更便宜、更開源、更普及，企業採用會加速，但供應商定價能力可能下降。若AI變成像雲端運算或資料庫一樣的基礎設施，最大受益者可能是用戶，而不是模型公司。若AI變成像搜尋廣告一樣高度集中、規模經濟極強的寡頭市場，那麼少數平台會賺走大部分利潤。這兩種結果都可能讓AI改變世界，但對今天追買整條供應鏈的投資者來說，結果差異巨大。

泡沫的結局也不一定是立即崩盤，這是許多淡友最容易犯錯的地方。市場可以在昂貴狀態下維持很久，尤其當盈利仍在上修、資金仍在流入、敍事仍在擴散時。過早看淡偉大技術，往往比過晚承認泡沫更痛苦。這也是為什麼過去十多年，每年都有聰明人宣稱美股泡沫即將破裂，結果被指數拖去公開羞辱。

真正的問題不是「這是不是泡沫」，這個問題在實戰中沒有想像中有用。更好的問題是：市場正在折現什麼？哪些公司即使在熱潮降溫後仍能保留利潤池？哪些公司的盈利只是別人的資本開支？哪些股票需要完美未來才能不跌？哪些公司即使未來很好也已經太貴？哪些地方的預期最容易被一個季度的壞消息刺破？

作為投資科技股的人，我不會假裝自己對AI無動於衷，那是職業自殺。AI是過去20年最重要的平台轉移之一，甚至可能是比雲端與移動互聯網更深層的生產力工具。它正在重塑軟體、搜尋、廣告、半導體、企業流程、網絡安全、教育、醫療研發與金融分析。低估它的長期影響，是一種昂貴的犬儒主義。

但高估任何技術的短期「變現」能力，也同樣昂貴。市場不會因為某項技術偉大，就免除投資者對價格的責任。事實上，技術愈偉大，愈容易吸引過多資本；資本愈多，未來回報愈容易被稀釋。資本主義最殘忍的地方就在於，它會把好生意變成擁擠交易，再把擁擠交易變成平庸回報。

AI泡沫若出現，並不會證明AI是騙局。它只會證明投資者仍然是人類。這本身倒是對AI取代人類的一點安慰。

目前，所有典型泡沫元素都已經上桌。重大技術突破、暴漲的龍頭股、指數集中度、瘋狂資本支出、主題ETF爆發、分析師盈利上修、名人與非相關企業開始蹭熱度、投資者把周期性行業重新包裝成永續成長故事。這些不是定時炸彈的倒數讀秒，但至少是廚房裏濃煙的味道。

然而，還缺一個決定性條件：證明未來現金流無法支撐價格。至少直到現在，這件事尚未發生。盈利還在上修，收入還在成長，雲端巨頭還在花錢，企業還在試用，模型還在進步。這使得簡單唱淡變得危險，也讓簡單追漲變得誘人。

最可能的結果不是一場乾淨俐落的答案，而是一段混亂而昂貴的分化。真正擁有定價權、規模優勢、軟硬件生態、客戶鎖定與資本紀律的公司，可能繼續長大。依靠「AI相關」四個字獲得估值重估的公司，則會在某個季度突然被要求拿出現金流證件。屆時，市場會重新發現一個古老真理：不是所有站在金礦旁邊的人都能挖到金子，有些只是賣地圖的，有些只是穿着牛仔帽自拍的。

AI的未來可以非常光明，但AI股票的未來不必同樣光明。兩者之間的差距，就是投資者的戰場。

現在最合理的態度不是恐慌，也不是狂熱，而是帶着刀子的謙遜。承認AI可能比懷疑者想像得更大，也承認價格可能比信徒願意承認的更脆弱。承認這場熱潮可能還有很長一段路，也承認它最終可能以經典方式收場：少數贏家成為帝國，多數追隨者成為教材。

徐立言(本欄每逢周一刊出）

https://www.facebook.com/hsulylab