這場 AI 競賽正在全面開打。馬斯克的 SpaceX(同時製造 AI 模型與太空火箭)上週宣布正尋求在美股市場以 1.77 兆美元(約 1.31 兆英鎊)的估值上市;Claude 聊天機器人背後的新創公司 Anthropic 也表示已申請首次公開發行(IPO),ChatGPT 開發商 OpenAI 預期將隨後跟進。
AI 市場此波高點,正值全球在資料中心等相關基礎設施上掀起數兆美元的支出熱潮。同時,企業正嘗試以讓投資「值得」的方式部署這項技術。以下將帶你了解 AI 熱潮目前進展到哪個階段,並用六張關鍵圖表回顧我們是如何走到這一步的。
1. 投資高度集中於科技股,史上罕見
美國 Bianco Research 的 Jim Bianco 指出,目前投資人對科技股的集中程度前所未見——41 檔 AI 相關股票的市值已佔 S&P 500 總市值將近一半。
投資平台 Saxo UK 分析師 Neil Wilson 表示,1970 年代式的通膨衝擊、整體偏高的科技股估值,以及私人信貸市場可能凍結的風險,都對股市構成不利因素。
「整個市場已變成一座巨大的 AI 建築物,」他說。「危險在於重演網路泡沫——市場崩盤,然後是好幾年回報歸零。以某些指標來看,目前的估值不像當年那麼誇張,但這看起來仍是個極度危險的市場。」
2. 支出正以驚人速度成長
根據高盛(Goldman Sachs)研究,從資料中心到晶片,AI 領域的支出正急速攀升——從今年的 7,650 億美元一路飆到 2031 年的 1.6 兆美元。這家投資銀行也承認,規模如此龐大的承諾可能潛藏問題:如果資料中心工程延宕怎麼辦?
「在如此龐大的資本承諾規模下,即使是執行上出現小幅延誤,也會引發外界對支撐這些投資背後的需求假設的嚴格檢視,」高盛分析師表示。但他們也補充,如果支出計畫能順利推進,可能會釋放出新一波 AI 需求。無論如何,這筆支出已清楚顯示,全球金融資源與對回報的期待,正以何等規模投入 AI。
3. 企業與消費者正加速採用 AI
儘管關於 AI 效益的報導好壞參半,麥肯錫顧問公司的數據顯示,絕大多數企業已開始採用 AI——從 2023 年的 33% 上升到現在將近 80%。一般大眾的使用率也很高,根據 Sensor Tower 的資料,OpenAI 的 ChatGPT 月活躍用戶已達 10 億人,創下任何應用程式的紀錄。
AI 開發商現在面臨的問題是:如何從這個龐大的公私客戶基礎上賺到錢。企業需要證明 AI 確實能改善成效並降低足夠的成本來支撐帳單費用。這代表要把 AI 整合到完整的工作流程中——也就是商業界所說的「從頭到尾完成一整項任務」。在這方面,還有很長的路要走。
4. Claude 緊追在 ChatGPT 之後
Anthropic 於去年下半年開始急起直追 OpenAI,當時其 Claude Code 工具在舊金山地區的軟體開發者之間爆紅,隨後傳播到更廣泛的使用者群。Claude Code 代表大型語言模型(聊天機器人的核心技術)使用方式的一大轉變,引領了自主 AI 代理(autonomous agents)的浪潮——這種代理能在沒有人為介入的情況下自動執行任務,讓即使不懂技術的人也能創造軟體並完成各種任務。
雖然 OpenAI 仍擁有更大的整體用戶基礎,但網路分析公司 Kentik(追蹤多家美國網路服務供應商的使用狀況)的數據顯示,Anthropic 正在快速追上。今年 1 月到 4 月間,Claude 的用戶流量增速明顯超越 ChatGPT 與 Google 的 Gemini,並在五角大廈於 3 月將其列為供應鏈風險後出現流量激增。Kentik 預估以此成長速度,Claude 有望在今年夏天超越 ChatGPT——這也是為什麼 Anthropic 比起其對手可能更易走上 IPO 之路的原因之一。
5. 使用 AI 越來越貴
每次 AI 聊天機器人或代理產出回應時,都會以「tokens」(語言的基本單位,可以是字、標點符號或音節)來計算。舉例來說,OpenAI 表示「You miss 100% of the shots you don’t take」這句話值 11 個 tokens。輸入端(例如你輸入給 ChatGPT 的提示)也用 tokens 計算。
不同模型的計價不同:OpenAI 對 GPT-5.5 的輸入 tokens 收費為每百萬 5 美元,輸出 tokens(也就是回應內容)為每百萬 30 美元。
問題在於,雖然企業到處鼓勵員工「tokenmaxx」(也就是瘋狂使用 AI),訂閱者面對的 token 成本正在大幅攀升。而 AI 公司面對的問題則是——他們目前的收費仍然太低。
AI 使用的根本承諾是:企業花在使用這些工具上的錢,能透過提升生產力(也就是經濟效率的衡量指標——每位員工產出更多)而完全回本。如果這個交換沒有發生,支撐 AI 估值與政策的核心假設就會被推翻。
「成本已經完全失控,」英國 AI 新創 Pendra 創辦人 Liam Betsworth 表示。他說他圈子裡的軟體開發者會用代理來寫程式,一開始用最便宜的訂閱方案,沒多久就升級到最貴的方案。這並非個案——新聞網站 Axios 最近報導,有家不具名公司單月就花費 5 億美元購買 Claude Code 的授權。
6. 資料中心建設可能追不上需求
資料中心建設是 AI 產品的「中樞神經系統」,AI 工具的開發與使用持續成長,必須有對應的算力容量跟上——否則就會出現運算瓶頸,進而推高 AI 公司和使用者的成本。
這個產業對資料中心的野心規模大到幾乎難以置信。Bloomberg 估計 2025 年全球有 23 GW 的容量正在興建中(容量以電力計算,因為這是限制站點運算能力的關鍵)。
美國地產公司 JLL 預測,2026 到 2030 年將新增 100 GW——相當於現有估計容量的兩倍、約 1,200 座資料中心。JLL 表示其估計已將可能從未動工的投機性專案納入考量。
資金(與電力供應)從哪來以實現此預測,仍是個開放問題。倫敦大學學院副教授 Cecilia Rikap 表示,全球許多專案依賴政府擴大電網與供電的政治承諾,但政府可能沒有能力兌現。
她質問:「政府有沒有計算過這樣的擴張是否可行?有沒有足夠的預算?是否考慮過相關的環境損害?」
7. AI 模型能力正快速擴張
根據研究 AI 能力評估的機構 METR,自 2023 年以來,AI 模型的能力已有跳躍式成長。
METR 的測量方式是以 AI 模型能否完成一項編碼任務為基準,並以人類完成該任務所需時間量化。依此指標,AI 模型的能力每四個月就翻倍。例如,Anthropic 的 Claude Mythos 模型被計算出在需要人類專家 8 小時到 2 天才能完成的任務上,已達到 50% 成功率。
然而,到目前為止,工作市場上並未出現相對應的衝擊。Anthropic 三月發布的一份報告中的研究顯示,理論上 AI 能執行從資訊工作到法律業務的一系列工作,但實際上尚未大規模發生。
倫敦國王學院學者、專門研究 AI 對工作影響的 Bouke Klein Teeselink 表示,企業在採用 AI 上有瓶頸。例如,執行長或高階經理的工作有多少能安全外包給機器人?涉及法律敏感性的工作能不能交給非人類執行?儘管如此,他認為改變即將到來。
「我們仍處於 AI 革命的早期階段。有很多人正在從事 AI 能做的工作。我們即將看到的改變,規模會非常巨大。」
8. 資料中心撐起美國 GDP
儘管在川普政府削減公部門就業、各行各業大規模裁員的情況下,美國 GDP 仍持續成長——根據美國經濟分析局資料,2025 年成長 2.1%,2026 年第一季成長 1.6%。然而一位哈佛經濟學家計算,若沒有資料中心熱潮,這些數字可能遠遠沒那麼亮眼——也就是說,「資訊處理設備與軟體投資」在 2025 年上半年貢獻了美國 GDP 成長的 92%。
這代表資料中心——以及 AI 熱潮——承擔了美國成長不成比例的份額,也是為什麼全球最大經濟體雖面臨顯著逆風,外觀仍顯健康的重要原因。這筆支出若有任何縮減,都將帶來經濟、進而政治上的後果。
網友熱門留言 (5)