商業模式尚未成形，龐大投資面臨考驗，AI 泡沫是否出現？各界爭論升溫
生成式 AI 帶來的龐大投資潮，讓全球資料中心、GPU 供應鏈與雲端業者幾乎呈現全面爆發的景象。人們把它比擬為電力、網路後的下一場基礎建設革命，也有人警告這是一個持續膨脹的科技泡沫。
更複雜的是，英特爾前執行長季辛格（Pat Gelsinger）近期在《金融時報》指出，戳破泡沫的關鍵未必來自需求崩壞，可能來自量子運算的突破。在GPU熱潮方興未艾的當下，他主張未來兩年量子科技可能迎來臨界點，而這項技術一旦成熟，將會直接撼動GPU所建立的AI運算秩序，因為許多以矩陣乘法堆疊的AI模型架構，可能不再需要GPU主導。
從雲端營收到算力限制 AI投資不會成泡影
事實上，季辛格是少數同時承認AI潛能、又強調其物理極限的人。他指出，即使產業喊得震天價響，要蓋2GW等級的AI資料中心、要大幅擴充AI運算基礎，但真正能決定投資速度的不是熱情，也不是GPU的供給量，而是最基本的電力。他說，即便建築、地板、空調設備都能率先完工，「只要沒有電，沒有人會下單採購數十億美元等級的AI晶片」。全球能源每年成長僅約3～4%，不可能無限擴張，因此電力將成為天然調節力量，防止AI產業過度膨脹，使其不易形成泡沫。
在他眼中，AI投資不像網路泡沫那般由想像驅動。雲端供應商如今擁有真實營收、成熟商業模式、現成客戶與可計算的需求，使投資即便波動，也不太可能化為幻影。
相較季辛格的觀點，矽谷深科技（Deep Tech）創投公司Playground Global合夥人巴雷特（Peter Barrett）的觀點似乎有所矛盾。他認為AI「同時被低估，也被高估」。短期來看，資本部署確實不夠有效率，許多基礎模型與基礎建設投資未必能回本。然而長期來看，AI的效用將大幅超越今日的表現。
他把當前的時代比喻為「AI的DOS時代」，雖然介面粗糙、效率不佳，但正是下一波應用的前奏。巴雷特相信，未來AI將以全然不同的方式運作，並為硬體、架構帶來新需求。換言之，今天看似過度建設的部份，可能在為下一個技術世代打地基。
投資過度 成本回收有疑問
相對的，對於AI泡沫是否形成？最知名的反方當屬電影《大賣空》主角原型，以放空次貸聞名的麥可‧貝瑞（Michael Burry），他的觀點多來自賽恩資產管理公司（Scion）前投資協理菲爾‧克里夫頓（Phil Clifton）的研究。
菲爾認為，儘管美國民調與政策研究機構皮尤研究中心（Pew Research）指出，約6成美國人每週與AI互動數次，但需求端帶來的經濟效益仍低於市場預期。
從投資面來看，英國資產管理集團Man Group的統計顯示，雲端服務巨頭的資本支出在4年內成長4倍，且未來5年預計再投入約3兆美元，卻未反映出相應的營收成長。該研究並將此現象比擬為2000年的光纖泡沫，當年基礎建設速度遠超過實際使用量，產能利用率一度跌至5％，電信價格更在一年內下滑70％。
菲爾也指出，微軟因供給過剩取消2GW資料中心案，並質疑輝達客戶是否能從高額投資中回收成本。尤其伺服器折舊被延長到6年，但GPU一年一代，舊晶片往往在尚未完全攤提前功能就落後、效能變差。批評者也質疑輝達同時強調「最新晶片性能更好」與「舊晶片仍具經濟價值」的論述存在矛盾。基於這些論述，麥可．貝瑞警告投資人不要忽視泡沫訊號，特別是在企業普遍相信AI指數型成長能無限持續的時刻。
▲ 在雲端資本支出快速擴張下，市場開始質疑輝達客戶是否能從高額AI基礎建設投資中順利回收成本，泡沫風險再度浮上檯面。（Source：Unsplash）
應用深度不足 AI商業模式尚待驗證
中研院院士段錦泉更直言：「AI泡沫已經形成。」在他的分析中，泡沫的根源並非技術，而是成本過高與商業模式未成熟。
他指出，大模型雖能產生令人驚豔的結果，但本質仍是黑盒子。對金融、醫療等高風險領域而言，「看起來合理」並不足以成為決策依據。段錦泉引用麥肯錫為國際信貸組合經理協會（IACPM）所做的調查指出，AI在多數金融機構的應用仍停留在業務簡化與內容生成，真正納入作業流程的比例極低，離影響核心決策仍有差距。
他認為，AI本應是知識密集產業，如今卻成為超級資本密集產業。投資AI所需的資本甚至可能高於建一座汽車工廠。砸了這麼多錢，企業到底該怎麼賺回來？人們是否願意長期付費使用AI產品與服務？隨著新型高效晶片問世，GPU市場使是否會面臨產能過剩與價值重估的挑戰？種種疑問讓他相信AI泡沫已現。
AI是否形成泡沫，各方意見分歧，但無論如何， AI發展前景不在於誰喊得最大聲，而在於技術與商業模式是否能撐得起現有的資本投入。