2025 年全球科技產業正以驚人的速度堆疊 AI 能力，像是興建資料中心、採購 GPU、擴建電力基礎設施，並在最短時間內嘗試打造下一代算力網絡。從晶片巨頭 NVIDIA，到宣布未來八年將投入 1.4 兆美元建設資料中心的 OpenAI，再到 Amazon、Google、Meta、Microsoft，科技巨頭無不奮力搶佔 AI 基礎建設的制高點。
然而在這場史無前例的基礎建設競賽背後，越來越多市場訊號開始指出：AI 熱潮正在形成多重不同的泡沫，涵蓋基礎建設、資本市場、AI 投資重演網路泡沫，以及人形機器人。
第一層泡沫：基礎建設狂潮
AI 建設速度拉到歷史上前所未見，但商業模式卻仍在探索階段，使風險開始沿著供應鏈往回滲透。Amazon、Google、Meta 和 Microsoft 四家公司今年合計規劃投入約 4,000 億美元建構資料中心，OpenAI 的長期計畫更高達 1.4 兆美元，這些鉅額資金正湧向伺服器、散熱、電力與土地。
為避免資金吃緊，多家科技公司開始依賴債務與新型態的融資結構，例如特殊目的實體（SPV），意即透過成立獨立法人將負債移出資產負債表。例如，Meta 與 Blue Owl Capital 的 270 億美元 SPV 資料中心案就是典型例子，這讓 Meta 雖只持有該 SPV 20% 的股份，卻能取得全部算力，但若市場逆轉，Meta 仍需承擔龐大財務義務。
同時，市場也浮現「循環投資」跡象。例如 NVIDIA 向 OpenAI 投資 1,000 億美元興建資料中心，不過 OpenAI 接著以相同基礎設施購買 NVIDIA 的 GPU，這種模式形同 NVIDIA 補貼自身最大客戶，讓需求看似強勁，卻不盡然真是如此。
更大的問題在於回報週期長，像是 OpenAI 即便未來收入可觀，但預計至少要到 2029 年才能實現正向營運現金流。麻省理工學院經濟學教授 Daron Acemoglu 提醒，AI 的長期生產力效益確實存在，但當前的敘事明顯被誇大，風險在於投入速度跑在需求成熟之前。
第二層泡沫：資本市場的過度期待
如果基礎建設泡沫反映的是「過度投入」，那資本市場泡沫反映的就是「過度期待」。
儘管 NVIDIA 財報亮眼，今年第三季獲利超出預期，原本市場期待這能平息外界對 AI 過熱的疑慮，然而財報公布後，NVIDIA 股價先漲後跌，最終下跌 3.2%，帶動標普 500 與納斯達克 100 指數同步回落，也讓投資者進一步質疑 AI 能否繼續呈現線性成長。
除了 NVIDIA 之外，AMD 與 Arm 股價在 11 月雙雙下跌逾兩成，而 Meta 與 Microsoft 等積極投入 AI 的公司，也因高額資本支出計畫，在財報後分別下跌 21% 與 13%。
在這樣的市場氛圍下，投資者的目光聚焦在企業能否維持合理的利潤率，以及大量前置投資最終能否帶來明確的投資回報等核心問題上。換言之，市場正在走向以實際數字為基準的「現實檢驗」，認為唯有更清晰的投資報酬率與更具效率的落地證據，才能讓 AI 重新獲得華爾街的信心。
第三層泡沫：AI 投資正在重演網路泡沫，且規模更大
許多分析者也將 AI 狂潮視為 1999 年網路泡沫的翻版，因為在資金湧入、媒體渲染、估值脫離營收等面向上，兩者之間相似性驚人。不過從規模來看，2025 年的 AI 泡沫甚至可能比 1999 年更巨大，因為今年全球 AI 資本支出與風險投資合計預計將突破 6,000 億美元，但將網路泡沫高峰換算至現值，只有約 3,600 億美元。
然而，AI 的運算成本和基礎建設門檻遠高於網路時代，也讓 AI 泡沫比網路泡沫更具威脅。在網路泡沫時期，雖有許多新創倒閉、電信商破產，但資本多由分散的個人投資者所投入；相較之下，AI 資料中心的早期資金主要來自大型科技公司與專業機構投資者，曝險金額更大、集中度更高。
在這樣的循環裡，產業分化的速度也正加快。由於科技革命一向具有「贏者通吃」的特性，無論是個人電腦、搜尋引擎還是智慧型手機，最後都只有少數玩家成為主導者。在這樣的趨勢之下，五年後 AI 產業在市場上可能只剩少數幾家主要供應商，意味著失敗者將遠多於贏家，許多大型企業的資產負債表最後可能只會留下鉅額虧損數字。
AI 泡沫化的具體展現：人形機器人
目前，人形機器人可能就是 AI 泡沫最具體的象徵之一。《Harper’s Magazine》指出，許多機器人公司透過影片展示機器人被踢、被推或做出體操動作，以此暗示其穩定性與成熟度，某些「機器人管家」影片則呈現機器人在鏡頭前倒咖啡、煎蛋，彷彿機器人能勝任所有家務。然而這些演示往往經過精心排練，多數機器人可能「只能操作這台咖啡機、在這個角度、完成這一次示範」。
資本市場更在加速擴大這股泡沫。摩根士丹利預測，到 2050 年全球將有超過 10 億台人形機器人投入使用，然而目前僅有三家美國公司進行商用機器人的試點部署。
更嚴峻的問題是技術落地。人形機器人的控制系統需要透過大量視訊與感測器資料來訓練，其中很多是由人類遠端遙控產生，或依賴模擬環境。地板濕滑、物品位置不同、光線變化等真實環境中的變數，都會讓機器人難以正確反應。這些技術門檻，也讓許多專家認為，人形機器人距離大規模應用仍有許多挑戰必須克服。
AI 革命確實帶來前所未有的機會，但眼前的浪潮同時疊加了基礎建設、資本市場、敘事與機器人四層泡沫。AI 浪潮仍將持續，但最終勝出的，將是那些在泡沫中看清投資回報、商業落地、財務風險，以及保持穩健的企業。
＊本文開放合作夥伴轉載，參考資料：《NPR》、《Bloomberg》、《Crazy Stupid Tech》、《Harper’s Magazine》，首圖來源：Unsplash
