人工智慧熱潮的隱憂與價值投資思維：巨額 Capex、護城河缺失與市場集中度風險全解析

本文深入剖析人工智慧（AI）產業資本支出（Capex）狂潮對全球金融市場與總體經濟的深遠影響。研究顯示，AI 技術雖具備實質變革性，但當前資本市場正面臨極高的集中度風險、基礎模型層普遍缺乏持久護城河，以及超大規模業者（Hyperscalers）資產負債表顯著惡化等財務隱憂。若供應鏈核心企業營運受阻，恐將引發私貸市場緊縮、股市大幅修正乃至總體經濟衰退。因此，長期價值投資人此刻必須高度警惕，回歸葛拉漢與巴菲特所強調的資本配置、自由現金流與安全邊際原則，嚴格重新估算內在價值並審視資產配置。

一、 大局與現狀：AI 如何宰制 S&P 500 與美國總體經濟

根據 Steve Eisman 於影片中的分析，AI 已躍升為當前美股、債券市場乃至整個美國總體經濟的核心主導力量。從市場集中度視角觀察，2023 年至 2025 年間，「Magnificent 7」即貢獻了 S&P 500 指數約一半的總報酬，資本市場的風險溢價已被極少數科技巨頭完全壟斷。

AI 對於 S&P 500 權重與各產業層面的影響力比重如下：

• 資訊科技與科技屬性部門：資訊科技（InfoTech）目前佔 S&P 500 權重的 40%，且絕大部分與 AI 供應鏈直接相關；若計入具備科技屬性但被劃分為其他板塊的公司（如 Google 與 Amazon），此比重已高達 50%。
• 公用事業部門：佔 S&P 500 權重約 3%，今年僅為滿足 AI 資料中心的巨大電力需求，資本支出即高達 2,500 億美元。
• 工業與金融部門：工業部門包含建造資料中心的業者（如 Eaton、Rockwell）與提供電力的設備龍頭（如 GE Vernova、Quanta）；金融部門則涵蓋為 AI 巨額建設提供融資的大型投資銀行與替代資產管理業者（Alternative Asset Managers）。
• 未受影響部門：總計受 AI 直接或間接影響的 S&P 500 市值比重已遠高於 65%。全美僅有消費必需品（Staples）與醫療保健（Healthcare）兩個部門（合計佔 14%）完全未參與這波 AI 狂潮。

在固定收益市場方面，根據 Steve Eisman 的觀察，現有公司債中約有 15% 與 AI 相關；然而今年新發行的公司債中，有 超過 50% 直接與 AI 建設融資相關。這意味著傳統債券在資產配置中已逐漸失去分散風險的作用。整個美股與總體經濟的方向，已過度依賴少數幾家科技巨頭與 AI 模型公司的營運成果。

值得注意的是，Steve Eisman 在影片中特別點出「代理人 AI（Agentic AI）」的實際應用範例——例如其妻子 Valerie 曾使用 AI 代理人自動搜尋劇院門票、比對價格並完成購買。這證實了 AI 確實具備極高的實用價值與變革性。然而，從價值投資觀點來看，「技術具備變革性」與「模型開發商能否賺取超額利潤」是完全不同的兩回事。當前的市場價格早已隱含了過度完美的商業化預期。

二、 商業模式轉變與資本配置：從輕資產到重資本的財務隱憂

從巴菲特最重視的「資本配置（Capital Allocation）」與「資產負債表體質」視角檢視，超大規模業者（Hyperscalers，如 Google、Microsoft、Amazon、Oracle）的商業模式正經歷一場嚴重的劣變。

1. 輕資產轉為重資本的資本配置惡化

過去 Hyperscalers 屬於產生龐大自由現金流（FCF）的輕資產模型，企業得以將充沛的現金流用於大規模庫藏股扣抵與股利發放。然而在 AI 算力軍備競賽下，建置成本變得極其昂貴。根據 Steve Eisman 的數據，單顆 NVIDIA 最新 Blackwell GPU 價格超過 5,000 美元，而一座 1GW 電力需求的全新大型 AI 資料中心需配備 10 萬顆以上 Blackwell 晶片，光是 GPU 晶片成本即高達 5 億美元，建置與設備總成本更達到 300 億美元。

2. 資本結構與槓桿風險案例

這種從輕資產向重資本的轉變，迫使巨頭們進行極端的資本配置轉型，進而引發本益比與評價倍數的修正壓力（Multiple Compression）： * Google：在 AI 狂潮爆發前，每年可產生超過 800 億美元的自由現金流。如今該充沛的現金流已因昂貴的 Capex 消耗殆盡，Google 更於 2026 年辦理高達 850 億美元的股權增資，這是該公司自 2005 年以來首次公開籌集股權資金。 * Oracle：市值約 3,900 億美元，為參與昂貴的 AI 資料中心競賽，其總負債在過去兩年內從 940 億美元暴增至 1,550 億美元。這導致 S&P 將其信用評級下調至 Triple-B Minus（BBB-），距離垃圾債券僅一步之遙。

3. 表外融資與審計疑慮

為隱藏高額槓桿以維持評級，部分業者開始採用表外融資手段。根據 Meta 2025 年 Form 10-K 財務報告，Meta 於路易斯安那州建置 270 億美元資料中心時，設立了名為「Beignet Investor LLC」的特別目的載體（SPV）。Meta 僅持股 20%，其餘 80% 由 Blue Owl 與 Pimco 持有，使高額債務得以排除在 Meta 的資產負債表之外。

對此，審計單位 Ernst & Young 於 Meta 的 10-K 報告中將該筆交易列為「關鍵審計事項（Critical Audit Matter）」。根據 Steve Eisman 於影片中的白話翻譯，審計機構的真實心態其實是：「審計人員對這筆表外交易感到極度不安與神經緊張，無法確定其合規性，但由於 Meta 是極其重要的頂級客戶，最終在妥協下僅能以審計語言提出警告以求自保。」這凸顯出表外融資操作所隱藏的財務不透明風險。

4. 循環融資（Circular Financing）風險

此外，產業鏈內部亦出現循環融資現象。根據 Steve Eisman 的分析，NVIDIA 出資或貸款給其他科技公司，再由該等公司使用獲取的資金購買 NVIDIA 晶片。這種製造表面營收成長的手法，進一步推升了整體 AI 產業鏈財務結構的脆弱性。

三、 護城河與訂價權檢視：SaaS 末日、低轉換成本與價格戰威脅

依據葛拉漢與巴菲特的經濟護城河（Economic Moat）理論，AI 的發展正深刻衝擊傳統軟體與基礎模型商的訂價權與競爭格局。

1. SaaS 末日與私募股權/私貸連鎖風險

AI 導致軟體開發成本大幅下降，引發市場對「SaaS 末日（SaaS Apocalypse）」的疑慮，對缺乏強大營運黏著度的傳統軟體公司（資訊安全除外）帶來龐大威脅。以 Adobe 為例，其股價自 2024 年 2 月歷史高點 630 美元重挫 60% 至 2026 年的約 245 美元，主因在於市場意識到工程師 Brandon Thomas 已推出免費開源的替代方案。

更嚴峻的系統性風險存在於私募市場。2017 至 2022 年間，私募股權（PE）業者大量以 50% 負債與 50% 股權的槓桿收購（LBO）架構收購 SaaS 公司，其中私貸（Private Credit）提供了主要債務融資。隨著公開市場軟體公司估值腰斬，私貸項目中的 50% 股權實質上已被抹平。當這些槓桿貸款於明年集中到期並面臨重組融資時，將引發私貸與 PE 的嚴重違約陣痛。

2. 模型層缺乏持久護城河

在 AI 大語言模型（LLM）層面，使用者與企業客戶在 Chat GPT 與 Claude 之間的切換成本極低甚至為零。今年初模型業者嘗試調漲價格後，企業端（如 Uber 短短數月即吹噴其 AI 預算）結束了「Token Maxing」（無節制使用 AI）的狂熱，轉趨嚴格的成本控管。

3. 中國開源模型的價格戰衝擊

中國開放權重（Open-weight）模型的崛起，進一步摧毀了模型開發商的訂價權：

根據 Steve Eisman 的分析，Anthropic 與 OpenAI 均缺乏足夠強韌的資產負債表來承受價格戰，而兩家公司近期已有降價防守市佔率的實質動作，資本回報率惡化已成必然。

四、 集中度風險與單點故障：OpenAI 的財務與高層流失危機

當前 AI 產業供應鏈呈現極高的高度集中度風險，而 OpenAI 已成為整體系統中最薄弱的「單點故障（Single Point of Failure）」環節。

1. 全產業集中度連鎖反應

• NVIDIA：最近一季應收帳款中，有高達 70% 僅來自前五大客戶。
• Hyperscalers：約 70% 的 AI 相關雲端營收來自 Anthropic 與 OpenAI（佔其總雲端營收 25% 至 35%）。
• Oracle 與 CoreWeave：Oracle 高達 6,000 億美元的未完成合約積單（RPO）中，約 50% 單獨來自 OpenAI；CoreWeave 有超過 20% 的合約訂單來自 OpenAI。

2. OpenAI 營運與財務惡化證據

• 高層離職潮：2026 年 OpenAI 爆發核心高層離職潮，包括 Denise Dresser（CRO，8 月離職）、Brad Lightcap（COO，8 月離職）、Caitlyn Kalinowski（機器人與硬體主管，3 月離職）、Kate Rouch（CMO，4 月離職）與 Kevin Weil（首席科學研究官，4 月離職）。
• 財務失衡嚴峻：根據 Wall Street Journal 報導，OpenAI 在 2026 年 6 月季度的營收為 67 億美元（季增 18%），但單季營運成本高達 123 億美元（僅單季成本即增加 30 億美元）；相比之下，Anthropic 同期營收已達 110 億美元以上（季增逾 100%）。
• 策略轉向與巨額資金缺口：OpenAI 早期低價搶佔 B2C 市場策略失敗，目前被迫轉向 B2B 市場追趕 Anthropic。根據 Ed Zitron 的分析文章估計，OpenAI 未來數年每年需籌集 1,000 億美元資金方能維持營運。

3. 單點故障引發總體衰退的傳播機制

根據 Steve Eisman 的分析，若 OpenAI 在一年內倒閉，將觸發嚴重的系統性連鎖反應： 1. 第一波衝擊（巨頭重創）：Oracle 股價將遭毀滅性打擊（重演 2025 年 8 月 RPO 報告揭露依賴度後，股價自 330 美元高點暴跌 70% 至約 130 美元之悲劇）。 2. 第二波衝擊（Capex 急凍）：Hyperscalers 將被迫大幅砍減 Capex（該 Capex 佔 2026 年預估 2% GDP 成長的一半）。 3. 第三波衝擊（信用緊縮與衰退）：Capex 急凍將迅速傳導至私貸（Private Credit）市場與 PE 機構，引發企業債務違約潮與信用緊縮，進而將美國推入立即性總體經濟衰退。

五、 瓶頸與四大情境演進：電力限制、巨額 Capex 與市場情境機率估計

除了財務壓力，AI 資料中心的實體建置正面臨嚴重的物理、電力與政策許可瓶頸。

1. 實體建置瓶頸與資本循環（Capital Cycle）

2026 年 Hyperscalers 資本支出預估達 8,500 億美元，但正面臨社區反彈（NIMBY）、水資源與電力許可延宕。電網承載受限且天然氣渦輪機建置需時數年（帶動 GE Vernova 走強），使業者轉向核能與 Bloom Energy 等替代方案。

根據 Brad Safford（PAA Research）發布的研究報告預估，2027 年底美國資料中心產能將達到實際需求的 2 倍。從馬拉松資本管理（Marathon Asset Management）倡導的「資本循環理論」來看，當大量資本盲目湧入導致產能過剩，企業的資本報酬率（ROIC）必定面臨均值回歸壓力，致使 2028 年 Capex 支出顯著崩跌。

2. 四大演進情境分析

六、 價值投資人的因應策略：避開模型商、擁抱「鏟子股」與防禦型配置

價值投資人當前應如何進行資產配置與風險管理：

1. 釐清觀念

對 AI 交易保持謹慎不等於看空 AI 技術本身。AI 確實具備變革性，但投資的關鍵在於「誰能真正賺到超額利潤」。

2. 聚焦賣鏟人（Picks & Shovels）

優先選擇基礎設施供應商而非模型開發商： * 算力與記憶體：NVIDIA（算力中心）、Micron（記憶體）。 * 網路設備：Arista、Cisco。 * 電力與電氣化設備：GE Vernova、Eaton。

投資人必須評估企業的核心問題：「客戶離開該公司的難易度為何？」若轉換成本極低，則必須極度審慎看待其估值。

3. 防禦型板塊與 ETF 配置

• 安全避風港板塊：醫療保健（Healthcare）、消費必需品（Consumer Staples）、財產及傷害保險（Property & Casualty Insurance）。
• 三檔防禦型 ETF：
• LVHD（Franklin US Low Volatility High Dividend Index ETF）
• SPLV（Invesco S&P 500 Low Volatility ETF）
• KBWP（Invesco KBW Property and Casualty Insurance ETF）

七、 關鍵數字

• 50%：2023 年至 2025 年間，Magnificent 7 對 S&P 500 總報酬的貢獻比例。
• >65%：2026 年 S&P 500 中直接或間接受 AI 影響的市值比重。
• >50%：2026 年新發行公司債中與 AI 融資相關的比例。
• 8,500 億美元：2026 年超大規模業者（Hyperscalers）預計投入 AI 基礎建設的資本支出金額。
• 300 億美元：支援 1GW 電力需求的全新大型 AI 資料中心建置與裝備預估總成本。
• 50%：2026 年預估美國 2% GDP 成長中，Hyperscalers 的 Capex 支出所佔的比重。
• 850 億美元：Google 於 2026 年辦理的股權融資規模（自 2005 年以來首次）。
• 1,550 億美元：Oracle 截至 2026 年的總負債規模（較兩年前的 940 億美元大幅擴增，遭 S&P 降評至 BBB-）。
• 270 億美元：Meta 於路易斯安那州透過表外特別目的載體（Beignet Investor LLC）融資的資料中心規模。
• 60%：Adobe 股價自 2024 年 2 月高點（630 美元）至 2026 年（約 245 美元）的跌幅。
• 70%：NVIDIA 最近一季應收帳款來自前五大客戶的比重；以及 Hyperscalers AI 營收來自 OpenAI 與 Anthropic 的比重。
• 6,000 億美元：Oracle 當前未完成合約積單（RPO）總額（其中約 50% 單獨來自 OpenAI）。
• 67 億美元 vs. 123 億美元：OpenAI 在 2026 年 6 月季度的營收（季增 18%）與營運成本（單季季增 30 億美元）。
• 110 億美元以上：Anthropic 在 2026 年 6 月季度的營收（季增超過 100%）。
• 0.20 美元 vs. 2–10 美元：中國開放權重模型與 OpenAI/Anthropic 旗艦模型每 100 萬 Token 的成本對比。
• 2 倍：根據 Brad Safford（PAA Research）預估，2027 年底美國資料中心產能相較於實際需求的倍數。

八、 什麼情況會改變我們的看法

若發生以下具體發展指標，將重新評估對 AI 產業與市場風險的看法：

1. OpenAI 成功實現盈利轉折或完成超大型融資：若 OpenAI 能有效控制成本（止住單季增加 30 億美元成本的缺口）、成功轉型 B2B 企業端市場並獲得長期資本挹注，降低單點故障風險。
2. AI 模型建立起實質競爭護城河與高轉換成本：模型開發商展現強大訂價權，企業客戶鎖定效應顯著，未出現價格戰，且 Token 營收能覆蓋高昂基礎設施成本。
3. 電力供應與資料中心建設順利突破瓶頸：核能與新型能源技術快速商業化落地，監管與社區許可延宕大幅緩解，使 Capex 能按預期轉化為實際營運收益，未出現產能過剩。
4. Hyperscalers 自由現金流重返健康成長：業者在維持 Capex 的同時，表內負債比率停止惡化，表外融資（SPV）操作受嚴格控制，財務透明度提升。

九、 給長期投資人的實用重點

針對當前總體市場與 AI 產業趨勢，長期價值投資人應掌握以下實用操作重點：

1. 堅持安全邊際：切勿為未來的極端完美預期支付高昂溢價，投資評估應以現實營運數字與自由現金流為依歸。
2. 側重資產負債表強度：優先選擇具備充沛自由現金流、無高槓桿融資風險的「鏟子型」基礎設施龍頭，避開轉換成本極低的模型開發商。
3. 保持資產組合的防禦彈性：適度配置醫療保健、消費必需品及防禦型 ETF（如 LVHD、SPLV、KBWP），降低整體市場集中度崩潰時的波動風險。

歡迎造訪 DeepValues Research 網站閱讀更多開源公司研究報告，或使用 DeepValues App 查詢個別股票的內在價值與安全邊際。

十、 資料來源

• 影片《My Brutally Honest Thoughts About the AI Bubble》，主講人：Steve Eisman（發布頻道：Steve Eisman / The Real Eisman Playbook）
• 研究報告《US Data Center Capacity vs Demand》，分析師：Brad Safford（發布單位：PAA Research）
• 財務報告與聲明《Meta 2025 Form 10-K》，審計單位：Ernst & Young
• 專題新聞報導《OpenAI與Anthropic 2026年第二季度財務數據對比分析》，發布單位：Wall Street Journal
• 產業分析文章《OpenAI 資金需求與營運生存挑戰》，作者：Ed Zitron（Substack）

本文為教育用途，不構成投資建議。