【宏觀專業報告】AI 短評 Jackalopelin 學習小宇宙天地

✍️ Abstract

AI 泡沫擔憂

• 市場雖討論 AI 泡沫，但擔憂多為想像，目前仍是產能短缺，非供過於求。
• 風險在於 AI 技術限制 (如幻覺、高成本) 及電力供應等政治障礙，可能導致估值修正而非崩盤。

債務與融資

• 科技巨頭為 AI 擴張瘋狂發債，總金額創紀錄。
• 債券市場已開始為 AI 負債潮定價，風險利差擴大，顯示市場仍保持理性。
• AI 建設資金來源已從企業自有現金轉向全球退休金、保險等金融體系共同承擔。

Meta 財務與融資

• 大規模籌資：為投資 AI，Meta 發行了 300 億美元債券，並透過與私募信貸公司 Blue Owl 成立合資公司的「表外結構」，為路易斯安那州的資料中心籌集了 270 億美元，以避免影響自身信用評級。
  • 由 Meta 持股 20%、Blue Owl Capital 持股 80%。
• 市場反應：
  • 債券市場已對其風險定價，其資料中心發行的債券票息高達 6.6%，利率接近垃圾級債券。
    • 整整比無風險的美債高出 2% (200個基點)。
    • 它比 Meta 自己發行的普通債券還貴 1% (100個基點)。在債券市場，1% 的差異是巨大的，通常代表信用評級差了 3-4 個級距 (例如從 AA 降到 BBB)。
  • 相較於 Alphabet，Meta 的債券利差正在擴大，反映投資人對其財務風險的擔憂。
    • 利差 (Credit Spread) 指的是「公司債殖利率」與「無風險利率 (通常是同天期美國公債)」之間的差距。
• 財務狀況：Meta 雖恢復高成長，但其固定資產與負債也同步擴張。
  • 其資本支出預計將達到營運現金流的 84%。

AI 模型競爭 (Llama)

• 市佔流失：Meta 的開源模型 Llama 正面臨阿里巴巴 Qwen 模型的強力競爭。
  • 新加坡國家 AI 計畫已宣布棄用 Llama，改採 Qwen。
  • 在 Hugging Face 平台上，Qwen 的下載量與基於其開發的二創模型數量已超越 Llama。

經濟影響

• 對 AI 的經濟影響看法分歧，介於生產力大爆發與溫和成長之間。
• 企業引進 AI 初期可能因「J 曲線效應」導致效率下滑，生產力提升需要時間。
  • J 曲線效應：指的是新技術 (如：人工智慧 AI) 在被企業引進的過程中，生產力會經歷一個先下沉、後上升的過程，因為其曲線形狀類似英文字母 J 而得名

    • 我覺得比較像 Nike 標誌。

• AI 的長期效應可能比經濟模型預測更大，但不會像科技圈預期的那麼快到來。

中國的競爭

• 中國以低成本、開源的 AI 模型 (如阿里 Qwen) 快速崛起，並在海外市場擴張。
• 中國模型的普及有效抑制了美國科技巨頭的估值，因其提供了具競爭力的替代方案。
• 許多中國 AI 新創 (如階躍星辰、月之暗面) 技術實力已接近美國頂尖水平，但估值顯著較低。

☘️ Article

• Telegram Line WeChat WhatsApp Email

當前市場對 AI 泡沫擔憂

• 這幾週市場上充滿 AI 泡沫將破的討論，像是大賣空的折舊陷阱，或是針對輝達會計科目的質疑，但真正仔細看，這些擔憂多半停留在想像，離現實還有一段距離。
• 過去華爾街有句俗語，你永遠沒辦法在泡沫裡，意識到自己正身處泡沫，只有等泡沫破了、瘋狂退潮，大家才恍然大悟，不過即便如此，如今 AI 泡沫論突然變得如此普遍。
• 確實，現在的市場期待值，明顯跑在實際落地能力前面，這是所有新科技共同的宿命，投資者必須預測一個尚未成熟的市場規模，自然會出現估值偏高的現象，但即便估值膨脹，也不等同於 AI 正在走向那種全面崩塌的泡沫破裂，更可能只會遭遇修正，而非毀滅式的崩盤。
• 目前讓泡沫論者最擔心的兩件事，一是資料中心過度擴建，二是部分科技股的估值太不貼地氣。
• 先從資料中心的建設潮開始說起，現在真正落地的產能其實還很有限，大多是未來規劃，市場上對 AI 泡沫的討論大幅升溫，是從 OpenAI 公布其長期合作與規劃、並宣稱未來十年投資可能達 1.4 兆美元開始。
• 
• 這個數字巨大，但其中大多只是理論上的可建容量，OpenAI 與輝達真正承諾的只有其中約一成，也就是那筆 1000 億美元規模的合作案，其餘的部分會否發生，完全取決於需求是否如預期成長，甚至還得看後續，是否能找到願意投入的外部資金。
• 換句話說，從可預見的未來來看，AI 不但沒有供過於求，反而仍處於產能短缺狀態，這與泡沫即將引爆的條件完全相反。
• 根據目前的建設計畫，未來資料中心的供給，有機會超前 AI 公司的變現能力，OpenAI 執行長 Sam Altman 甚至坦承，公司要達成他的營收目標，必須依賴尚未正式推出的服務，例如全面押注企業級 AI 服務，甚至可能跨進雲端和機器人市場，這顯示成本與收入之間，確實存在不小的時間差，但差距究竟多大、會持續多久，現在都還沒有答案。
• 所以，真正構成泡沫風險的，其實不是硬體投資，而是 AI 技術本身還有限制，例如大模型容易幻覺、成本高昂、在許多應用場景仍不經濟，如果這些問題長期無解，那才會對成長造成結構性阻礙，但那些影響多半是中長期才會浮現，不會立刻引爆什麼 AI 大翻車。
• 當然，投資市場的情緒比科技進展更脆弱，若某一天資本突然收緊、投資人開始恐慌，那也可能自我實現，造成某些公司資金斷鏈。
• AI 擴張所需的資金規模，已經大到雲端巨頭也吃不消，摩根士丹利估算，2025 到 2028 年的資料中心投資額需要 2.9 兆美元，但超級雲端業者自有現金流，最多只能提供 1.4 兆，剩下的 1.5 兆必須靠外部融資。
• 於是你看到 Meta 發 300 億美元債券、甲骨文發 180 億、其他巨頭再發 270 億，甲骨文更直接從銀行借了 380 億美元，出現二十年來最大的單筆貸款，AI 變成一場全市場都在參與的債務循環。
• 
• 當然，這種衝擊主要會打在像 OpenAI，這種資金依賴型公司上，對於資本雄厚的科技巨頭而言，例如 Google、Microsoft，它們反而可能趁勢擴張市占，因為 AI 已經是它們未來發展的核心。
• 另一個真正的風險，是過去提過的，AI 擴張正撞上電力與選民，過去一年，美國各州電價飆漲，許多地區的漲幅遠超一般物價通膨，資料中心密度最高的維吉尼亞州，資料中心用電占比已經高達四成，等於這個州的每十度電裡，有四度被 AI 跟雲端吃掉。
• 東北與西岸五年內電價漲幅，動輒 50% 到 120%，選民當然會把怒氣發洩在政治上，紐澤西宣布要凍漲電價，維吉尼亞州長警告能源危機，喬治亞的電價六度調漲，直接造成選舉翻盤，電力問題正在變成 AI 的第一個政治障礙。
• AI 產業正在把全美電力市場重新洗牌，資料中心通常選擇便宜電力與土地密集的地區，但規模已經大到即使是便宜的州也開始承受不了，美國的電網老化，再生能源波動大，核能建置速度追不上 AI 用電需求，甚至出現資料中心蓋好了，卻沒有電的荒謬情況，這種狀況直接導致 AI 發展不如預期，估值被迫下修。
• 
• 如果市場期待被迫下修或延後，科技股估值一定會遭受重擊，但這不必然意味著泡沫破裂式的毀滅性崩盤，以 2000 年網路泡沫為例，Nasdaq 花了 16 年才真正站回高點，這次 AI 熱潮中的某些公司，例如目前本益比高達 250 倍的 Palantir，也可能要一些時間才能追上自己的估值，但另一方面，科技巨頭的本益比雖高於長期平均，卻並沒有超出以往科技繁榮时期的區間。
• 綜合來看，AI 相關公司確實可能在某些階段遭遇集體回調，而且有些公司會跌得相當深，但這不代表 AI 正在醞釀一場泡沫危機，現階段的更像是估值走在前面、市場進入調整週期，而不是泡沫即將破裂的前兆。

債務量是否有危機？

• 除了剛才提到過度興建與電力問題，外界現在比較擔心的是，資金最敏感、最具風險定價能力的債券市場，觀察大型科技公司今年瘋狂發債，亞馬遜、Alphabet、Meta、微軟與甲骨文五家企業今年合計籌得 930 億美元，是過去三年的總和還要多。
• 但更引人注意的是，部分公司開始用更聰明的財務手法，例如 Meta 在 10 月以合資架構向私募信貸巨頭 Blue Owl 籌到 270 億美元，用來建造路易斯安那州的巨型資料中心，因為採用表外結構，可以不動到自家亮眼的信用評級，這類金融工程越來越普遍，市場當然會緊張。
• 
• 但僅憑發債量暴增，還不能說市場已進入亢奮狀態，債券交易員目前並沒有失去理性。
• 首先，科技巨頭今年已無法像年初那樣，以更低成本輕鬆發債。市場明顯知道接下來會有大量新債供應湧入，開始拉大風險利差，現在最普遍的預估，摩根士丹利來計算，現在至 2028 年，全球將投入 2.9 兆美元用於新資料中心，但大型科技公司自有現金流頂多能支應一半，其餘勢必仰賴外部融資。
• 這代表，市場已開始為 AI 負債潮定價，從個別企業看，差異更明顯，甲骨文在所有大型科技公司中，最具攻擊性，資本支出明年預計將達營運現金流的 138%，遠超過 Meta 的 84%，投資人已經反映風險，在投資級科技公司中，甲骨文的債券利差今年擴大最多。
• 至於靠表外融資建造資料中心，也並未被債券市場忽略，例如 Meta 的路易斯安那資料中心發行的 25 年期債券，票息高達 6.6%，比同期限的公司債還高出約 1 個百分點，甚至達到一般垃圾級債券的水準，這代表市場知道誰是真正的借款者，也願意把風險加回去。
• 
• 這段期間，借款方急，因為所有科技巨頭都擔心，慢一步就會在 AI 賽局中落後，這使得信用市場變成放款方主導，利差與條件不像泡沫時期那樣鬆動，反而保持冷靜、精準，放款方無形中，已經在藉由放貸金額來控制 AI 估值。

AI 究竟會不會改變世界？

• 現在只要談到 AI 的經濟影響，立刻就會出現兩個陣營，一邊是認為 AI 將掀起生產力大爆發的科技派，另一邊則是看法冷靜、甚至保守許多的經濟學派。
• 美國達拉斯聯準銀行，最近的研究就很能代表這兩種思路。他們提出不同 AI 可能帶來的經濟路徑，最中性的情境，是 AI 未來十年可以把美國人均 GDP 的趨勢，成長拉到 2.1%，不算驚天動地，但也不是小事。
• 不過研究也同時列出極端情境，如果 AI 真的達到奇異點，智慧遠超人類，那最好的結果是爆炸性的經濟擴張、資源不再稀缺，最糟的可能是 AI 失控、甚至終結人類文明，2040 年前後直接導致人類滅絕。
• 當然，目前沒有什麼實證，能支持這兩個極端情境當真，但它們之所以被寫進聯準銀行報告，反而凸顯出現在大家對 AI 的理解落差有多大，從無限樂觀到完全毀滅，連聯準銀行都不得不承認這種巨大鴻溝。
• 這也是為什麼市場不會在 2026 年回到平靜，AI 影響的衝擊太大、時程太不確定，它可能是泡沫，也可能是一個會顛覆生產力的時代轉折，甚至可能什麼都不是。
• 
• 目前從主流經濟學的角度來看，AI 的地位其實就像當年的電力、內燃機或電腦一樣重要，但不至於改寫經濟基本盤，因為要把像美國這樣規模的經濟體，拉離 2% 左右的長期趨勢，得是非常巨大的技術衝擊才行，百年來，美國經濟在兩戰、金融危機、科技革新等風暴之下，這條長期線其實都挺穩定的。
• 更現實的是，新技術普及不等於立即提升生產力，企業在引入 AI 的過程中，可能發生經濟學者常說的 J 曲線效應，也就是企業引進 AI 的前期，常常先遇到效率下滑、流程打結、人力重新配置的混亂期，還會伴隨學習成本、數據清整、內部系統互相不適配等問題，反而讓產能短暫倒退。
• 這種先下沉、後上升的過程，就是經濟學者口中的 J 曲線效應，生產力會先掉一段，等到組織調整完成、員工熟悉工具、流程重構成功後，AI 的效益才會開始放大，讓曲線往上反彈，企業真正要跨過的，不是技術本身，而是這段不可跳過的陣痛期。
• 
• 不過從科技派的眼中，這些說法未免太過看後照鏡，AI 崇拜者認為，當年自動化催生工業革命，如今自動化腦力，帶來的生產力跳躍理應更大，他們覺得，經濟模型沒有把 AI 的規模、速度與突破性考慮進去。
• 從企業角度來說，AI 本質上是把勞動變成資本，讓經濟可以突然擁有大量可無限複製的數位勞工，這等於替整個經濟注入全新的投入項目，另外，AI 在創造知識、加速創新方面的潛力，也讓許多人聯想工業革命能在英國誕生，就是因為知識交流的速度突然加快。
• 即使兩派看似南轅北轍，但其實有機會調和，我們回顧蒸汽機、電力、資訊科技等通用型技術的歷史，發現真正大的生產力飛躍，往往不是來自技術本身，而是來自配套的投資，例如電力出現後，工廠必須整個重建，才能真正吃到好處，這些互補性投資，通常才是經濟成長真正的引擎。
• AI 的進步速度比電力快得多，但企業要改組流程、重建基礎設施、調整管理模式，依然需要時間。所以我想，答案可能是，技術派對於最終的生產力提升方向是對的，但經濟學派對於速度的評估也更接近現實。
• 簡單說，AI 的效應，可能比今天的經濟模型預測得大，但也不會像科技圈許諾的那麼快到來，真正的關鍵，在於人類要投入多少力氣，去打造支持 AI 的第二層基礎建設，這將決定 AI 會帶來一個新工業革命，還是又一場被高估的技術浪潮。

我們都在為矽谷買單

• 許多投資朋友想，既然 AI 充滿如此大的不確定性，那是否能夠避開 AI 投資呢，其實很困難，一方面全球多數權值股，都在大力發展 AI，AI 行情與資產價格密不可分。
• 過去，微軟、Google、亞馬遜、Meta 這些公司都是現金製造機，借債純粹是為了節稅或最佳化資本結構，根本不需要依賴外部資金生存，但在 AI 競賽的推動下，資料中心與 GPU 資本支出的現金需求爆炸性成長，速度快到即便五大巨頭第三季，合計擁有 3500 億美元 現金，也不足以應付未來一年的投資規模。
• 
• 正因如此，AI 正透過投資級債券滲透進全球退休金體系，這些債券依法能被購買進退休基金、保險公司、主動與被動型固定收益 ETF，更進一步，一些私募基金與壽險公司，甚至將資料中心貸款結構化，切割成不同風險層級，再包裝成投資級商品。
• 這使得資料中心風險順利流入全球最保守、資金量最大的資產池內，而大多數人根本沒意識到，自己也成了 AI 資本支出的間接出資者。
• 當然，從股價上看，市場開始明確區分，誰能撐得住這種 AI 燒錢速度，Alphabet 是唯一淨現金、自由現金流充裕，且能以自身現金扛下大部分投資的公司，市場對它的信用風險幾乎無動於衷。
• Meta 雖然恢復高度成長，但固定資產暴增、負債同步擴張，CoreWeave 並非現金牛，而是高度依賴槓桿的 AI 基礎設施新貴，甲骨文則因財務體質較弱而承受最大壓力。
• 債券市場的訊號比股市更清晰，長天期公司債的利差，會直接反映投資人對企業財務風險的再定價，目前 Alphabet 的利差不到 1%，接近美國國債，Meta 和 Oracle 的利差擴大，CoreWeave 的利差高達 670 個基點，類比高收益債，資本市場正在把 AI 企業重新分層，區分哪些是真正能完成多年的重資本支出循環，哪些只是被潮流推著向前但跑不到終點。
• 這也說明著，AI 建設不再只是科技公司的財務問題，而是整個金融體系的共同承擔，如果科技巨頭未來因為負債攀升而遭到評級下調，或債券殖利率因市場擔憂而上升，AI 資本支出成本將全面提高，資料中心擴張動能會受到壓抑，科技股估值也會重新被調整，固定收益市場甚至可能暴露出更多隱性風險。
• 現在的現實是，AI 不僅是科技革命，也是財務革命，它重塑了企業的資本架構、金融市場的風險來源，甚至影響每一個人的退休金配置，越來越多來自全人類共同的退休金與保險金流，AI 的長期趨勢依舊強勁，資料中心的需求仍持續擴張，但在金融面向上，支撐這一切的並不是某個科技企業，而是整個全球固定收益體系。
• 在這個階段，AI 的夢仍然巨大，但付帳的方式已經改變，資金來源從科技公司自己付，轉變為整個社會的金融資產負擔，AI 基礎建設的擴張速度將越來越依賴債市、利差、評等、全球流動性循環，以及退休金與保險金如何續買企業債，AI 的未來跨度越大，金融市場的捲入程度就越深，而這是一個已經開始、且無法逆轉的結構性趨勢。

中國競爭對估值的抑制

• 另一個對美國科技巨頭的衝擊，來自中國的競爭，中國衝得這麼快，讓美國科技巨頭估值難再用壟斷式成長去定價，過去華爾街給美國 AI 公司的高估值，是因為認定中國追不上，但現在中國模型便宜、快、規模大，又開始往海外市場擴張，等於吃掉了美企未來增長的外溢空間。
• 當美國公司再想漲價、提高 API 費率，海外客戶會直接拿中國開源模型來比價，中國的模型即便在極端高階能力上還有落差，但對大部分企業需求已是好用又便宜，這正是壓估值最有效的武器。久而久之，美國 AI 科技股的未來本益比，就不可能無止境拉高，因為市場會開始計算，全球競爭者已經站上來了。
• 舉例來說，新加坡的國家 AI 計劃 AISG 已經宣布，東南亞語言大模型，已全面棄用 Meta 的 Llama 架構，正式改採阿里巴巴的通義千問 Qwen 開源方案，最新推出的「Qwen-SEA-LION-v4」直接衝上東南亞語言評測榜首，在印尼語、泰語、馬來語等核心語言的理解與生成能力，全面超車舊有的美系模型。
• AISG 也說明，Qwen 的授權方式更有利當地二次開發，開源後一年多，下載量突破 6 億次，已超越 Llama、DeepSeek 等對手，成為全球應用最廣的開源大模型，阿里之所以能勝出，靠的是技術、成本與生態三件事，演算法與算力表現穩定，語料庫吸收大量本地語言，適配度高，價格又更友善，加上阿里在東南亞電商等產業深耕多年，整套方案推得動、落得下。
• 
• 事實上，今年以來，中國 AI 加速出海，DeepSeek 帶起開源熱潮，矽谷投資人 Chamath 改用 Kimi，美國編程平台導入智譜，甚至 Airbnb CEO 都稱讚 Qwen 表現勝過 OpenAI。
• 其他像是中國 AI 新創 Moonshot AI，最近推出的 Kimi K2 Thinking，也以僅數百萬美元的訓練成本，就在智能指標上衝到全球第二、緊追 GPT-5.1，甚至在某些進階推理與 Agent 任務中，超越 OpenAI。
• 真正關鍵的是估值落差，Moonshot 的估值只有 33 億美元，而 OpenAI 估值是 5000 億美元、新創 Murati 的新公司都喊到 500 億美金，儘管中國算力有限、晶片受限，但 2023–2025 年中國雲端巨頭的資本支出比美國低 82%，最終模型性能卻愈發接近，意味著中國的 ROI 路徑比美國更清晰。
• 如果中國 AI 實驗室能以低成本，快速追上甚至挑戰美國前沿模型，已經成為新常態，對美國科技巨頭，光靠大語言模型來保持領先，已有相當難度，只能在機器人、自駕車上卯足全力，換取更高的商業回報。
• 
• 再往下走，對這些中國 AI 企業來說，因為國際雲市場競爭極度擁擠，要從 AWS、Azure 手上搶客並不容易，但像阿里巴巴開始靠大型跨國合作往外推，例如 BMW 的智慧車合作、與蘋果在中國市場的潛在整合，都是高難度但高曝光的試煉場。
• 如果這些合作證明 Qwen 能在車載 AI、手機 AI 這種超級場景裡站得住腳，阿里巴巴等於打開了進軍全球的閘門，未來中國 AI 產業若真往 2030 年主導地位邁進，阿里巴巴一定在其中扮演關鍵角色，它可能不是聲量最大的那一個，但在基礎設施、開源生態與用戶滲透率上，已經悄悄把自己推進第一梯隊。
• 
• 這也是為什麼，黃仁勳最近接受金融時報專訪時說：「中國會贏下 AI 競賽。」雖然他後來把語氣收回，改稱中美差距相當接近，但他真正想強調的是，美國必須靠吸引全球開發者才能保持領先。這句話的背後其實透露出他最擔心的事，開發者可能正在悄悄向中國模型靠攏。
• 為什麼矽谷這麼快被吸走？因為中國模型開源、授權寬鬆，任何團隊都能直接建立商業產品，不用付授權費，這場開發者大遷移已經發生，而且非常明顯。
• 2024 年初，Meta Llama 的下載量是 1060 萬，阿里 Qwen 只有 50 萬，但到今年十月，Qwen 已累積 3.85 億次下載，反超 Llama 的 3.46 億，以 Qwen 為基礎延伸出的二創模型，如今佔 Hugging Face 新上架模型的 40% 以上，而 Meta 已掉到 15%。
• 
• 當然，黃仁勳所說的中國會贏，仍為時過早。美國仍握有最先進晶片、最大算力的優勢，這些是高端模型發展的核心，但中國以便宜、好用、開源為主軸的策略，正在快速吸走開發者，而開發者正是整個 AI 生態系的根基。
• 最近使用了幾個中國 AI 模型，發現中國 AI 新創的版圖比想像中更熱鬧。除了靠低成本複製 GPT-4，衝出國際聲量的 DeepSeek 外，還有六家新創正在猛追，模型表現、技術深度、商業化速度都不遜色。

1. 階躍星辰 Stepfun
   • 由前微軟副總裁創立，主打大模型全家桶：語言、影像、影片、音頻，全都一次做。最大模型 Step-2 參數超過 1 兆，LiveBench 排名僅次於 ChatGPT、DeepSeek、Claude、Gemini，實力在全球也是第一梯隊。多模態 API 需求暴增，開發者圈已開始大量採用。
   • https://stepfun.ai/chats/new
2. 月之暗面 Moonshot (Kimi)
   • 靠超長文本聊天機器人「Kimi」走紅，是中國第二熱門的 AI 產品。創辦人是清華、卡內基背景的楊植麟，最新模型 k1.5 在數學與推理基準測試中甚至超過 GPT-4o、Claude 3.5 Sonnet。雖然近期有縮編情況，但技術底子仍相當扎實。
   • https://www.moonshot.ai
3. Minimax (Talkie)
   • 專攻 2C 消費者市場，以伴侶聊天機器人 Talkie 走向全球。Talkie 去年全球下載量一度超越 Character.ai，在美國等市場快速竄紅。2024 年收入約 7,000 萬美元，是少數已成功商業化的中國 AI 新創。
   • https://www.minimaxi.com
4. 面壁智能 ModelBest (MiniCPM)
   • 靠「小模型」突圍，被外界稱為小電廠。MiniCPM 3.0 只有 40 億參數，卻能逼近 GPT-3.5 的能力。產品主攻手機、汽車、PC、智慧家居等邊緣運算市場，強調成本低、隱私佳，是中國最有代表性的 SLM (Small Language Model) 新創。
   • https://modelbest.cn
5. 智譜 Zhipu AI (GLM 系列)
   • 清華系大廠，和學界、政府關係密切。GLM-4-Plus 在多項測試穩定接近 GPT-4，並推出能讀影片與網頁的 GLM-4V-Plus，路線往「AI 代理型」靠攏。規模已超過 20 億美元，甚至被列入美國出口管制的黑名單，是最早被美方鎖定的中國新創之一。
   • https://bigmodel.cn

• Telegram Line WeChat WhatsApp Email