【小龍專欄】百萬富翁問題：AI資本會否無限擴張？AI牛市的天花板不是晶片而是「折舊」

過去兩年，AI 資本開支進入了一個近乎瘋狂的階段。市場以前看科技股，核心往往是軟件、平台以及用戶增長；但今時今日談論 AI，核心已經演變成數據中心、GPU、電力、散熱、土地、融資與折舊。這個轉變至關重要，因為 AI 表面上是一場「智能革命」，但在財務報表入面，它其實越來越像一場重資產的工業革命。高盛估計，AI Hyperscaler 相關公司 2026 年的資本開支市場共識已飆升至約 5,270 億美元。更有基準模型估算，在 2026 至 2031 年間，AI 基建的累計資本開支可達 7.6 萬億美元，範圍涵蓋算力、數據中心和電力基建。摩根士丹利亦指出，全球 AI 相關數據中心建設成本到 2028 年將逼近 2.9 萬億美元。這些天文數字說明，AI 已經不再是單純的科技敘事，而是一場不折不扣的資本密集型競賽。

面對這場瘋狂的競賽，市場不免要問：AI 資本究竟會不會無限擴張？答案顯然是「不會」。AI 資本可以擴張得很快，但絕不可能無限擴張，原因不是因為 AI 沒有用，而是因為每一粒 GPU、每一座數據中心、每一兆瓦電力，最後都要面對一個極其現實的財務清算——折舊。

一、 AI 最大誤會：以為算力是永恆資產

好多投資者看 AI，會覺得只要買夠 GPU、起夠數據中心，就能建立長期護城河。這個想法只對了一半，另一半其實非常危險。數據中心本身可以用很多年，土地、電力接入和冷卻系統也確實可以形成長期資產。然而，AI 晶片的命運完全不同。GPU 作為高科技資產，它不單面對物理老化，更會被新一代晶片的經濟性無情淘汰。

傳統工廠的一部機器可能可以用上十年八年，但 AI 晶片面對的問題是，下一代晶片一旦推出，其性能、能耗和推理成本可能會即時發生幾何級數的改變。這意味著舊的 GPU 雖然還沒壞，但它的經濟價值已經暴跌。高盛亦明確指出，AI 加速器的經濟壽命一般估算只有四至六年，受到物理損耗和經濟性過時兩方面的雙重限制。這就是 AI 資本擴張的第一個天花板：資產還沒懷，但其回報率已經壞了。

二、 折舊不是會計小事，而是 AI 牛市的最核心問題

不少散戶聽到「折舊」，會直覺地認為這只是非現金開支的會計名詞，既然不影響即時現金流就不重要。這想法在重資產投資中非常危險。折舊雖然是非現金開支，但它代表著過去流出的資本開支正在逐步反映到損益表（P&L）之中。今日你用 1,000 億美元買 GPU，現金雖然即時流出，但會計上不會一次過扣盡，而是分幾年折舊。假設批設備成本 1,000 億美元，用 3 年折舊，每年就要折約 333 億美元；如果用 6 年折舊，每年折舊就變成約 167 億美元。同一批資產只因折舊年期不同，每年的盈利壓力就差了一倍。換句話說，AI 公司今日的盈利表現，某程度上取決於管理層如何主觀估算資產的壽命。

這一點在現實中已經不是純粹的理論。Meta 為了美化賬面，將部分伺服器及網絡資產的估計使用壽命延長至 5.5 年，預期可令 2025 年的折舊開支減少約 29 億美元。微軟的年報亦顯示其電腦設備一般以 2 至 6 年的直線法折舊。最值得留意的例子是亞馬遜，它曾於 2024 年起將伺服器使用壽命由 5 年延長至 6 年，令當年折舊及攤銷開支減少 32 億美元，淨利潤因而增加 25 億美元。但到了 2025 年，亞馬遜又因為 AI 及機器學習技術發展加快，被迫將部分伺服器及網絡設備的使用壽命由 6 年改回 5 年，並因部分設備提早退役而錄得約 9.2 億美元的加速折舊及相關費用。這個訊號極其關鍵，它證實了 AI 資產的真實壽命根本沒有會計表面寫得那麼長。

三、 AI 資本擴張公式：回報率必須跑贏折舊率

AI 資本不可能無限擴張，因為所有資本投入最後都要服從一條簡單的經濟規律，那就是新增資本回報率必須大於資金成本、折舊成本與技術過時風險的總和：
"新增資本回報率">"資金成本"+"折舊成本"+"技術過時風險"

只要每增加一批 GPU，都能夠為企業帶來更高的收入、更高的毛利與更好的客戶黏性，這場資本開支的遊戲就能繼續擴張。

但當情況出現逆轉，例如 GPU 越買越多，模型訓練成本呈指數級上升，而 API 推理價格卻越跌越快，導致客戶不願意支付足夠的高價，同時舊晶片還沒折舊完就已經被新晶片淘汰，到時候 AI 資本就會由「增長資產」迅速演變成「折舊負擔」。這個轉折點就是 AI 牛市真正的分水嶺。投資者不應該只問哪間公司買了最多 GPU，而應該追問買完 GPU 之後，到底幾多年可以收回成本。如果一批 AI 設備需要 5 年折舊，但其商業模式只能在 2 年內保持高毛利，中間就會出現嚴重的盈利錯配。表面上公司仍然高速增長，但底層的現金回報其實已經開始惡化。

四、 巨企為何開始急著倒賣「多餘算力」？

近期路透社報導 Meta 正計劃建立雲業務並出售多餘的 AI 算力，目的正正是為了將巨額的 AI 投資轉化成即時收入，以減低市場對其過度投資的憂慮。Meta 可能會與亞馬遜、微軟、谷歌等雲平台直接競爭，向企業出售 AI 模型存取權或原始算力，而 Meta 2026 年的 AI 基建開支更被估計高達 1,450 億美元。

這件事背後的含義非常深遠。如果 AI 算力真的永遠短缺、永遠擁有高回報，巨企理論上應該全部留給自己發展極限模型以保持領先。當公司開始考慮倒賣多餘算力時，就代表資本開支大到一個連巨企都頂唔順的程度，管理層必須強行提高資產周轉率。數據中心不能長期閒置，GPU 亦不能長期等待需求慢慢出現，因為就算你不用它，折舊每一秒都在發生。AI 資本的最大敵人從來不是競爭對手，而是時間。

五、 AI 行業的「折舊三部曲」與泡沫本質

討論 AI 泡沫，好多人容易陷入兩個極端。一邊強調 AI 會改變世界，所以估值多貴都合理；另一邊則認定 AI 缺乏實質盈利，所以必定是泡沫。這兩種看法都過於簡化。AI 當然有用，且會深刻改變生產力，但有用並不等於所有資本開支都能換取高回報。歷史上的鐵路、互聯網和電訊網絡浪潮同樣改變了世界，但當年盲目擴張的基建資本，同樣遭遇過「技術正確、資本錯配」的清算。

未來幾年，AI 產業不會立刻崩潰，而是會進入殘酷的「折舊競賽」。在第一階段，市場獎勵誰買得最多晶片的軍備競賽；到了第二階段，市場開始獎勵誰能最快將晶片轉化成收入的商業化落地；而最終的第三階段，市場將只獎勵那些能夠在晶片折舊完結之前收回成本的公司。去到這個階段，投資者就會發現，AI 的核心不再是有多少算力，而是每一美元算力可以產生多少自由現金流。屆時產業將會嚴重分化，真正擁有平台、客戶、生態與定價權的公司仍能勝出，但純粹靠借貸、炒估值、堆砌算力概念的公司，將會被折舊黑洞吞噬。

💡 結論：AI 是一場關乎現金流的回報率考試

歸根究底，AI 牛市真正的終極天花板，從來不是晶片供應，而是折舊。

當市場仍然沉醉於 GPU 出貨量、數據中心擴張以及模型參數升級的時候，真正成熟的投資者，眼睛只會緊盯著資本開支如何轉化成收入，收入如何變成利潤，而利潤最終又如何轉化成自由現金流這條鏈條。如果這條鏈條接得上，AI 牛市可以橫跨十年；如果接不上，那滾雪球般的折舊壓力，將會成為下一輪盈利下修與估值崩潰的源頭。

小龍

江恩理論及時間周期專家，陸港台出了多本著作及受不同媒體轉載文章，多次提前預測大市轉勢時間。

免責聲明：本網頁一切言論並不構成要約、招攬或邀請、誘使、任何不論種類或形式之申述或訂立任何建議及推薦，讀者務請運用個人獨立思考能力自行作出投資決定，如因相關言論招致損失，概與本公司無涉。投資涉及風險，證券價格可升可跌。