AI 資本效率危機：硬體一年即報廢？企業陷入「加速折舊黑洞」
全球 AI 投資急速膨脹，看似黃金時代，實則隱藏資本效率危機。晶片迭代加速、訓練需求暴增，企業巨資建置的 GPU 與伺服器尚未回收，即被新一代技術淘汰，形成「資本黑洞」。
科技企業陷入困境，買越多折舊越快，投資反成財報負擔。過去伺服器與GPU折舊週期3-5年，現縮至不到1年，甚至2-3年，NVIDIA、AMD年年推新，使舊硬體訓練成本失競爭力。對企業來說，已不再是單純的技術升級，而是被迫參與的「軍備競賽」，買太慢算力跟不上，買太快隔年就貶值，不買就失去資格。
若企業追不上回收速度，投資模式終難以持續
筆者認為這種「不得不買」的心態，是目前AI投資最危險的部分。過去企業用商業模式決定是否投資硬體，如今卻是「市場敘事」逼著持續加碼算力。當投資決策由競爭焦慮而非商業需求驅動，資本效率自然會迅速滑落。AI硬體折舊加速帶來驚人財務壓力，折舊費用飆升、現金流緊縮、ROI下滑成科技業普遍難題。
Meta Platforms 、Google 等預估2026-2028年折舊低估1,760億美元，帳面獲利虛高；Nebius Q3折舊攤銷達9,900萬美元，資本支出超50億美元，現金流吃緊。而GPU迭代更快，企業被迫從3-6年攤提縮短至更激進年限，收入難追上成本侵蝕，EPS恐壓縮。另外，ROI下滑明顯，過去3年回收期壓至12-18個月，但AI商業化跟不上，形成巨大落差。
其實ROI崩塌並非技術本身的問題，而是「速度」的問題。AI技術進步固然重要，但若企業永遠追不上回收速度，這種投資模式終難以持續。筆者認為未來的市場會開始分化：不是每家公司都需要買最新的GPU，而是要靠商業模式與效率決定算力需求。
資本錯置（capital misallocation）問題也在AI投資熱潮中逐漸浮現。大量資金湧向貶值迅速的硬體，而能帶來長期競爭力的軟體研發、演算法創新與人才培育反而被排擠，企業瘋狂擴充算力，卻未真正改善生產力，甚至為了不落後競爭者而進行象徵性投資。造成三大後果：資金大量投入卻回報有限；企業競爭焦點錯位，從差異化創新轉向無止境堆硬體；整體經濟資源配置效率下滑。
這讓部分分析師開始警告，目前AI投資模式呈現「看似前進、實則低效」。硬體年年更新，但商業模式未跟上；企業投入不停擴大，但產出沒有同步提升；需求與算力投資間的落差愈來愈大。
當硬體軍備競賽冷卻，真正能活下來的是哪些企業？
AI 投資若持續偏向硬體，而忽略應用層的需求，未來三年內可能會出現一波「算力泡沫」修正。尤其在企業削減預算、要求獲利的環境下，那些缺乏商業化能力的AI 投資可能會被迫關機或減量使用。
AI硬體的快速淘汰帶來嚴重的永續危機。AI GPU與伺服器因含高金屬且耗能大，若使用不到一年就成廢棄物，將推升全球電子垃圾量。研究顯示生成式AI到2030年可能產生120萬至500萬噸電子廢棄物，年增量最高達230萬噸，回收率僅約22.3%，使ESG投資者憂慮這場算力競賽正成為「不可持續的資源浪費」。
隨著資本壓力上升，雲端三雄AWS、Google Cloud與Azure調整策略，從大量購置硬體轉為租賃、彈性付費與Training-as-a-Service，避免折舊風險，支持彈性擴縮算力，Compute-as-a-Service成為避免資本陷阱的重要手段。
AI產業正從「拚硬體」轉向「拚效率」，普及小型語言模型（SLM）、重視軟體與架構優化，並期待政府訂立永續算力標準，促使企業重新評估投資回收與商業化策略。否則未來3至5年恐面臨算力閒置和電子垃圾激增問題。當硬體軍備競賽逐漸冷卻，真正能活下來的是那些能讓算力發揮最大產值，並能在技術快速更迭中保持財務穩健的企業。
（首圖來源：shutterstock）