《 相變前夕 : 當算力遇上算計，AI投資的臨界點何在? 》

1.從非線性系統看人工智能投資的臨界點

當華爾街分析師在電子表格上計算著AI公司的本益比時，或許錯過了更深層的問題:

「這場狂熱不僅是一次資產泡沫，更是一場複雜系統接近相變點的徵兆。」

預測AI泡沫何時破裂，不是簡單地標出日曆上的某一天，而是理解一個高度互聯、充滿正反饋循環的系統，如何從穩定滑向失序。

2.臨界點的蛛絲馬跡

2025年1月27日，中國新創公司DeepSeek發布的AI模型引發了一場小型地震。

這款模型聲稱以不到600萬美元的GPU預訓練成本，達到了與OpenAI相當的性能水準(儘管業界分析師估計其完整基礎設施成本可能高達1.3至1.6億美元)，Nvidia股價應聲暴跌17%，單日市值蒸發近6000億美元，創下美國股市史上最大單日損失紀錄。

這不是偶然事件，而是複雜系統中「弱訊號」的典型案例——

一個看似微小的技術突破，觸發了市場對整個AI投資邏輯的重新審視。

無論DeepSeek的實際成本是數百萬還是上億美元，關鍵在於它打破了「只有巨額投資才能開發頂尖AI模型」的市場共識。

這種現象揭示了當前AI產業的脆弱性。

當一個網絡高度集中、各節點緊密耦合時，局部擾動會迅速傳播。

根據最新數據，Microsoft、Amazon、Meta和Alphabet四家公司2025年在AI基礎設施上的投資預計超過4000億美元。

這種資源的極度集中，類似物理學中的「臨界質量」——當密度達到某個閾值，系統行為會發生質變。

數據顯示的警訊同樣令人不安。

麻省理工學院報告指出，儘管美國企業在AI專案上投入350至400億美元，高達95%的組織未能產生可見的財務回報。

這個數字背後隱藏著一個更深刻的複雜系統特徵:「探索-利用困境」。

企業大量投入AI，既是對未來的押注，也是對「被淘汰」的恐懼。

這種集體行為形成了所謂的「膽小鬼博弈」——

誰先停止投資，誰就可能全盤皆輸。

3.循環因果的陷阱

複雜經濟學區別於傳統經濟學的核心，在於承認「正反饋循環」的存在。

在AI產業，這種循環無處不在:

「科技巨頭的巨額投資推高股價，高股價讓融資更容易，更多資金又流向算力建設，創造出更多「需求」的假象。」

分析這場泡沫，必須理解三層嵌套的循環結構。

(1)第一層是資本循環。

領先AI公司之間形成了一個封閉的資金迴圈——

微軟投資OpenAI建設數據中心，OpenAI再向Nvidia採購晶片，而Nvidia又是這些科技巨頭的重要股東。

這種「循環投資」人為抬高了市場熱度，但當外部資金流入放緩，整個循環將失去動力。

(2)第二層是預期循環。

2025年，Nvidia、Microsoft、Apple、Alphabet和Amazon五家科技公司佔S&P 500指數近30%的市值，前十大公司更佔據近40%，超越了2000年網路泡沫時期的峰值。投資者買入這些股票，不是因為相信當前盈利，而是賭未來的「殺手級應用」。

但是，這種預期本身就在推動股價，形成自我實現的預言——直到某個時刻，預期與現實的剪刀差大到無法忽視。

(3)第三層是基礎設施循環。

2025年科技公司預計在AI基礎設施上投入約4000億美元，相當於每10個月執行一次阿波羅計劃的規模。

這些數據中心、GPU集群一旦建成，就產生沉沒成本壓力，迫使企業繼續投資以「證明」先前決策的正確性。

「路徑依賴」——過去的選擇鎖定了未來的軌道。

4.收入與支出的巨大落差

投資研究機構Morningstar的分析揭示了AI產業面臨的根本性挑戰。

要證明當前的投資支出合理，到2030年AI相關收入需要達到每年2兆美元的規模。然而現實是，當前全球AI收入約僅200億美元。

這意味著在未來五年內，AI收入需要增長100倍，才能支撐現有的投資邏輯。

這種投入與產出的巨大落差，正是複雜系統失衡的核心訊號。

• 傳統經濟學假設市場會通過價格機制自我調節，
• 但複雜經濟學認識到，在正反饋循環主導的環境中，失衡可能持續擴大，直到系統突然崩潰。

當投資者意識到「未來」可能永遠不會到來時，信心的逆轉將以驚人的速度傳播。

從資本市場角度，問題在於時間框架的錯配。

科技公司宣稱AI是十年甚至更長期的投資，但華爾街分析師需要在每個季度看到進展。

這種矛盾在2025年已開始顯現:

儘管企業持續增加AI投資，但投資者越來越質疑何時能看到切實回報。

當耐心耗盡，資金將迅速撤離。

5.集中度創新高的系統風險

市場集中度是衡量系統脆弱性的關鍵指標。

當前AI投資的極度集中，創造了一個高度耦合的生態系統。

Nvidia、Microsoft、Amazon和Alphabet不僅是主要投資者，也是彼此的客戶和股東。

這種緊密連結在繁榮期:放大收益，但在危機時:也會放大損失。

從複雜系統的角度，這類似於金融市場中的「系統性風險」。

2008年金融危機的教訓告訴我們，當關鍵機構「大到不能倒」且高度互聯時，任何單點故障都可能引發連鎖反應。

目前AI產業的集中度甚至超過當年的金融業，一旦核心企業出現問題，整個生態系統可能迅速崩潰。

歷史數據提供了警示。

S&P 500前十大公司佔比40%的集中度，上一次出現是在2000年網路泡沫高峰期。

當時的結局眾所周知:

納斯達克指數在隨後兩年暴跌78%，無數科技公司倒閉。

雖然歷史不會簡單重演，但相似的結構性失衡往往預示著相似的系統性風險。

6.相變的可能路徑

複雜系統的演化往往不是線性的，而是呈現「相變」特徵——

就像水變成冰，溫度到達臨界點時，狀態驟然改變。

對AI泡沫而言，可能的演化路徑取決於多重因素的交互作用。

(1)一種可能是「漸進式修正」。

• 在這個情境中，市場通過一系列小幅調整逐步消化過度估值。
• 競爭加劇導致AI服務價格下降，企業被迫更務實地評估投資回報，投資節奏自然放緩。
• 複雜系統通過「負反饋」機制自我調節，避免了災難性崩盤。
• DeepSeek事件可能就是這種調節的開端，迫使市場重新評估「算力壟斷」的假設。

(2)另一種可能是「觸發式崩盤」。

• 某個外部衝擊——可能是宏觀經濟變化、監管政策轉向、或重大技術失敗——成為壓垮駱駝的最後一根稻草。
• 歷史上，大多數泡沫破裂都有明確的觸發事件，但事後分析往往發現，真正的原因是系統長期累積的結構性失衡。
• 觸發事件只是揭示了問題，而非造成問題。

(3)第三種可能是「驗證性突破」。

• AI技術實現質的飛躍，真正的殺手級應用湧現，證明巨額投資並非盲目。在這種情境下，所謂泡沫將被證明是「合理的超前投資」。
• 看似過度的投資，實際上在建設未來的基礎設施。
• 歷史上鐵路泡沫、網路泡沫都遵循這個模式:先狂熱、後崩盤、最終改變世界。

7.時間視窗:2025年-2026年的危險期

如果必須給出一個時間預測，複雜系統分析指向2025年底至2026年作為高風險期。這不是精確的日期，而是多重壓力交匯的時間窗口。

(1) 從技術層面看，當前大模型似乎已觸及某種瓶頸。

• 業界領袖坦承，單純增加算力帶來的性能提升正在遞減。
• 同時，來自中國和開源社群的競爭模型，以更低成本挑戰現有格局。
• 這種競爭壓力將考驗美國科技巨頭的投資回收能力。

(2) 從資本層面看，創投市場已出現結構性轉變。

• 全球新成立基金數量銳減，資金進一步向頭部企業集中。
• 對於缺乏核心競爭力的「套殼」公司，生存空間正在壓縮。
• 泡沫的形態正在改變——早期是「所有公司都宣稱AI」的盲目炒作，現在則集中在「算力過剩」風險。
• 如果下游應用無法在短期內爆發，上游囤積的巨量算力將面臨閒置貶值。

(3) 從宏觀層面看，2026年美國面臨多重不確定性:

      中期選舉、新聯準會主席上任可能帶來的政策變化。

• 若通脹再度抬頭，貨幣政策可能轉向緊縮。
• 歷史經驗顯示，資本開支過度集中、通脹上升、流動性收緊，往往是產業泡沫破滅的關鍵組合。
• 當免費資金不再唾手可得，所有依賴未來現金流折現的高估值模型，都將面臨重估。

8.泡沫之後:創造性遺產

最後，從更長遠的視角:泡沫不等於災難。

歷史上每一次技術革命都伴隨泡沫——蒸汽機、鐵路、電報、網路，概莫能外。

泡沫是創新的燃料，通過非理性繁榮將社會資源在短時間內集中到新興領域，完成基礎設施的超前建設。

• 1637年荷蘭鬱金香泡沫破裂後，留下了現代金融市場的雛形。
• 1720年英國南海泡沫催生了公司治理制度。
• 2000年達康泡沫後，Amazon和Google崛起，網路成為經濟基石。

現在回看，那些「過度投資」的光纖網路、數據中心，恰恰支撐了後來的雲端運算革命。

AI泡沫若破裂，短期內企業倒閉潮、股市暴跌不可避免。

但是，從複雜系統的自組織角度看，這是一次「創造性重組」。

泡沫消退後留下的龐大基礎設施——數據中心、GPU集群、訓練好的基礎模型——將成為下一輪創新的土壤。

那些真正創造價值的企業將脫穎而出，就像2000年後的Google、Amazon取代了無數達康公司。
業界領袖樂觀表示，AI對社會價值巨大，即使泡沫破裂，創新不會止步。

這不是盲目樂觀，而是理解了複雜系統的韌性。

關鍵在於區分短期投機與長期價值——泡沫會破，但技術本身不會消失。

對投資者而言的啟示是:

放棄預測精確時間，轉而理解系統行為模式。

當前的AI熱潮同時具有泡沫的所有特徵(過度估值、資源錯配、從眾心理)和

真實技術革命的潛力(通用技術、基礎設施建設、長期影響)。

明智的策略不是押注何時崩盤，而是識別哪些節點在系統重組後，依然具有價值。

歷史告訴我們，泡沫的精確時間永遠無法預測，但系統失衡的跡象可以觀察。

當正反饋循環過度強化、資源配置嚴重失衡、預期與現實的剪刀差持續擴大時，相變點就在不遠處。

• 2025年底到2026年，所有這些訊號都在閃爍紅燈。

投資者應做好準備，不是為了逃離AI產業，而是為了在風暴過後，找到真正改變世界的那些倖存者。

承認系統的不可完全預測性，同時保持警醒，在混沌中尋找秩序。

AI泡沫何時破? 答案可能就在——

• 下一個DeepSeek式的技術突破，
• 或下一次聯準會的利率決策，
• 又或者是某個我們尚未注意到的臨界事件。

唯一確定的是，當來臨時，將以複雜系統特有的方式——

突然、劇烈、出乎意料，卻又在事後看來理所當然。

---

圖表分析

---------------------------------

參考文獻:

1. DeepSeek事件與Nvidia股價

1a. Nvidia股價暴跌報導

Josephs, L. & Rooney, K. (2025, January 27). Nvidia drops nearly 17% as China's cheaper AI model DeepSeek sparks global tech sell-off. CNBC.

https://www.cnbc.com/2025/01/27/nvidia-falls-10percent-in-premarket-trading-as-chinas-deepseek-triggers-global-tech-sell-off.html

1b. Nvidia市值損失

Josephs, L. (2025, January 27). Nvidia sheds almost $600 billion in market cap, biggest drop ever. CNBC.

https://www.cnbc.com/2025/01/27/nvidia-sheds-almost-600-billion-in-market-cap-biggest-drop-ever.html

1c. DeepSeek成本爭議說明

註: DeepSeek官方聲稱GPU預訓練成本為$5.576 million，但業界分析師(如SemiAnalysis)估計完整基礎設施成本可能達$130-160 million。

成本數據範圍從$5M到$2.4B不等，存在重大爭議。

關鍵在於其挑戰了「唯有巨額投資才能開發頂尖模型」的市場假設。

---

2. MIT研究:AI投資回報率

2a. MIT原始報告

MIT Media Lab Project NANDA. (2025, July). The GenAI Divide: State of AI in Business 2025.

報告PDF: 

https://www.artificialintelligence-news.com/wpcontent/uploads/2025/08/ai_report_2025.pdf

替代連結: https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf

研究方法:

• 52次高管結構化訪談
• 153份高階主管問卷調查(來自4場主要會議)
• 300個公開AI部署案例的系統性分析
• 研究期間: 2025年1月至6月

核心發現:

• 美國企業投資$35-40億美元在AI專案
• 95%組織未見可測量的財務回報
• 僅5%整合型AI試點產生重大價值
• 只有5%的客製化企業AI工具達到生產階段

2b. 新聞報導

Challapally, A. (2025, August 21). AI investment led to zero returns for 95% of companies in MIT study. Axios.

(Aditya Challapally , MIT Project NANDA研究貢獻者)

https://www.axios.com/2025/08/21/ai-wall-street-big-tech

Shibu, S. (2025, August 20). Nearly 95% of Companies Saw Zero Return on In-House AI Investments, According to a New MIT Study. Entrepreneur.

https://www.entrepreneur.com/business-news/most-companies-saw-zero-return-on-ai-investments-study/496144

(2025, August 19). MIT Report Finds Most AI Business Investments Fail, Reveals 'GenAI Divide'. Virtualization Review.

https://virtualizationreview.com/articles/2025/08/19/mit-report-finds-most-ai-business-investments-fail-reveals-genai-divide.aspx

2c. 學術評論

Furr, N. & Shipilov, A. (2025, August 29). Beware the AI Experimentation Trap. Harvard Business Review.

( Nathan Furr (INSEAD策略教授), Andrew Shipilov (INSEAD管理學教授))

https://hbr.org/2025/08/beware-the-ai-experimentation-trap

2d. 批判性分析

Kaput, M. & Roetzer, P. (2025, August 26). That Viral MIT Study Claiming 95% of AI Pilots Fail? Don't Believe the Hype. Marketing AI Institute.

(批評重點: 指出研究方法論問題，包括樣本量小(僅52次訪談)、未考慮效率提升等非財務回報)

https://www.marketingaiinstitute.com/blog/mit-study-ai-pilots

---

3. 科技巨頭AI基礎設施投資

3a. 4000億美元投資規模

Franck, T. (2025, November 18). 10 Artificial Intelligence (AI) Infrastructure Stocks to Buy for the $400 Billion Buildout. The Motley Fool.

(數據: Microsoft, Amazon, Meta, Alphabet預計2025年集體投資$405億美元)

https://www.fool.com/investing/2025/11/18/10-artificial-intelligence-ai-infrastructure-stock/

3b. 3800億美元估計

Son, H. (2025, October 31). Tech's $380 billion splurge. CNBC.

(數據: Alphabet, Meta, Microsoft和Amazon 2025年資本支出預計超過$380億美元)

https://www.cnbc.com/2025/10/31/tech-ai-google-meta-amazon-microsoft-spend.html

3c. 阿波羅計劃類比

Thompson, D. (2025, October 2). This Is How the AI Bubble Will Pop. The Atlantic.

Derek Thompson (《大西洋月刊》特約撰稿人)

(數據: 科技公司2025年AI基礎設施支出約$400億美元，相當於每10個月執行一次阿波羅計劃規模)

https://www.derekthompson.org/p/this-is-how-the-ai-bubble-will-pop

---

4. S&P 500市場集中度

4a. 前5大公司佔30%

Cox, J. (2025, October 22). The S&P 500 is more concentrated with AI than ever. CNBC.

https://www.cnbc.com/2025/10/22/your-portfolio-may-be-more-tech-heavy-than-you-think.html

(數據: Nvidia, Microsoft, Apple, Alphabet和Amazon佔S&P 500指數近30%市值)

4b. 前10大公司佔40%

Vohra, P. (2025, July 17). Visualized: The Rising Concentration of the S&P 500. Visual Capitalist.

(數據: 2025年初，S&P 500前10大公司佔指數近40%，超越2000年網路泡沫時期峰值)

https://www.visualcapitalist.com/sp/visualized-the-rising-concentration-of-the-sp-500-tema01/

---

5. Morningstar投資回報分析

Sekera, D. & Breen, W. (2025, October 30). Why the AI Spending Spree Could Spell Trouble for Investors. Morningstar.

 (核心論點: 到2030年需要產生$2兆美元年收入才能證明當前投資合理化，但2025年AI收入僅約$20億美元；收入缺口: 需要100倍增長)

https://www.morningstar.com/markets/why-ai-spending-spree-could-spell-trouble-investors

---

6. 其他文獻

6a. 產業分析

(2025, August 28). Why 95% of Enterprises Are Getting Zero Return on AI Investment. The Financial Brand.

https://thefinancialbrand.com/news/artificial-intelligence-banking/why-95-of-enterprises-are-getting-zero-return-on-ai-investment-191950

6b. 國際報導

(2025, August 22). MIT study finds 95% of firms struggling to reap returns on AI investments. Storyboard18.

https://www.storyboard18.com/digital/mit-study-finds-95-of-firms-struggling-to-reap-returns-on-ai-investments-79422.htm

6c. AI產業報導

Hale, C. (2025, September 8). MIT: Why 95% of Enterprise AI Investments Fail to Deliver. AI Magazine.

https://aimagazine.com/news/mit-why-95-of-enterprise-ai-investments-fail-to-deliver

---

7. #HD591數字台灣(2025.11.30)，AI改寫權力版圖 台灣成最大贏家，謝金河 、黃欽勇

https://www.youtube.com/watch?v=TCchpsBshhM

8. Sisley(2025.12.09)，簡立峰：生成式 AI 進入 2.0 時代，邊緣 AI 與 AI 電商將成避免泡沫化關鍵，INSIDE

https://www.inside.com.tw/article/40147-youth.ntpc

當前 AI 階段，消費者尚未大量付費。

企業的導入雖然看好 Agent 方向，但也面臨工程上的困難與轉型陣痛。

這使得市場亟需找到強大的殺手級應用來帶動現金流。

簡立峰分析，如果 AI 無法在短時間內證明其能幫企業「省錢」或幫消費者「賺錢」，

這場由硬體投資驅動的盛宴就有中斷的風險。

目前企業導入 AI 仍面臨資安疑慮與準確率問題，導致 B2B 市場推展速度不如預期

• 阻止泡沫化的可能發展：AI 電商與邊緣運算

1.AI 導向的商業模式與電商購物

2. 邊緣 AI 裝置（Edge AI）的爆發