跳至主要内容

主題三：AI 永動機——千億美元的資金循環

核心論點​

AI 產業正在運行一台精巧的「資金永動機」：投資者把錢投給 AI 公司，AI 公司立刻把錢花在買晶片和雲端上，錢又流回投資者的口袋——每個環節都產生「營收」，但真正從終端用戶口袋掏出來的新錢有多少？這是 2000 年網際泡沫以來最值得警惕的金融結構。

一、你可能從沒見過的「金錢魔術秀」​

想像這個場景：你開了一家餐廳（OpenAI），生意好到爆但一直虧錢。你的食材供應商（Nvidia）說：「我投資你 1000 億！」你感動得痛哭流涕——然後拿這 1000 億去買了他的食材。

供應商的財報上多了 1000 億營收，你的估值因為「獲得巨額投資」而暴漲，供應商的股價也因為「營收暴增」而暴漲。皆大歡喜。

但問題是：餐廳裡的客人，真的多到能把這 1000 億吃回來嗎？

這不是比喻。以下是正在發生的真實資金流：

循環一：Nvidia → OpenAI → Nvidia​

Nvidia 投資 OpenAI 最高 1000 億美元 → OpenAI 承諾用 Nvidia 晶片塞滿數據中心 → 💰 流回 Nvidia

OpenAI 的 CFO 自己公開說了：「這些錢會流回 Nvidia。」 分析師估算，Nvidia 每投 100 億進 OpenAI，就能換回 350 億的晶片採購額。

循環二：Amazon → OpenAI → Amazon​

Amazon 投資 OpenAI 500 億美元（其中 350 億附條件） → OpenAI 擴大使用 AWS 雲端服務 → 💰 流回 Amazon

循環三：Oracle 三角循環​

OpenAI 和 Oracle 簽 3000 億美元數據中心合約 → Oracle 拿這些錢去買 Nvidia 硬體來建數據中心 → 💰 又流回 Nvidia

循環四：CoreWeave 的隱形回路​

Nvidia 投資 CoreWeave（OpenAI 的雲端供應商之一） → CoreWeave 用投資金額購買更多 Nvidia GPU → OpenAI 也是 CoreWeave 的客戶 → 💰 多重回流至 Nvidia

二、歷史的回音：2000 年電信泡沫​

大空頭 Michael Burry（對，就是電影《大賣空》那位預測了 2008 年金融危機的人）已經在社交平台上發了一份現金循環的試算表。歐盟也開始標記這類交叉投資的風險。Bloomberg 做了一篇圖解專題叫《AI Circular Deals》。

上一次出現類似結構？2000 年網路泡沫。

當年的電信設備商（如 Lucent Technologies、Nortel Networks）向自己的客戶提供貸款（所謂的 Vendor Financing），讓客戶用這些錢購買自己的設備。帳面上，設備商的營收暴增；實際上，這些客戶很多後來破產了，貸款變成壞帳，整個電信產業鏈崩塌。

AI 永動機和電信泡沫的結構性相似之處：

維度2000 年電信泡沫2025-2026 年 AI 循環
核心機制設備商貸款給客戶買自己的設備晶片商/雲商投資 AI 公司，AI 公司用投資買晶片/雲端
帳面效果設備商營收暴增Nvidia/AWS 營收暴增
隱藏風險客戶使用率不足，貸款變壞帳AI 終端需求不足以支撐整個循環
估值依據用戶數、頻寬建設速度模型能力、估值輪次
結局Nortel 市值從 3980 億跌至破產待定

三、支持者 vs 批評者的論戰​

支持者的觀點：這是「良性循環」​

支持者認為，這種循環和傳統的產業投資沒有本質區別：

  • 石油公司投資鑽井設備商，設備商再投資鋼鐵公司——資金本來就在產業鏈裡流動
  • 關鍵在於 AI 的終端需求（企業用 AI 省下的成本、消費者為 AI 服務付的費）是否在增長
  • ARR 200 億美元（OpenAI）和月活 9 億用戶，證明需求是真實的

批評者的反駁：每個環節都在生成「營收」，但新錢在哪？​

批評者指出，這台永動機有三個致命缺陷：

  1. 營收的雙重計算： 同一筆錢在 Nvidia 和 OpenAI 的財報上被分別計為營收。整個 AI 產業的「總營收」裡有多少是重複計算的？

  2. 條件性資金： SoftBank 的投資分三期、Amazon 的 350 億附條件——這些錢不是一次到帳。一旦任何環節出問題（比如 OpenAI IPO 失敗），後續資金可能縮手。

  3. 終端需求的差距： M365 Copilot 1500 萬付費席位中，實際轉化率僅約 35.8%，佔 4.5 億 M365 用戶的 3.3%。企業到底從 AI 中得到了多少真金白銀的 ROI？每月 30 美元的溢價是否能長期持續？

四、自研晶片：報名健身房 ≠ 練出六塊肌​

OpenAI 除了融資，還有一張牌：代號「Titan」的自研晶片。

維度Google TPUOpenAI Titan
代數第七代（TPU v7）第一代
團隊規模數千人約 20 人
開發歷史十年迭代剛起步
設計方式全自主設計外包 Broadcom 設計
代工自有團隊與台積電合作台積電 3nm 代工
功能訓練 + 推理僅推理（訓練仍靠 Nvidia）
量產狀態大規模部署最快 2026 下半年

即使 Titan 順利量產，也只能降低推理的部分成本，訓練端仍完全依賴 Nvidia。

而且台積電先進製程搶到頭破血流——Google、Nvidia、Apple、AMD 全在排隊。Broadcom 公開表示產能是瓶頸。OpenAI 作為新客戶想插隊？祝好運。

五、DeepSeek 的當頭棒喝​

如果說永動機代表了「砸錢就是護城河」的信仰，DeepSeek 就是打破這個信仰的那記重拳。

核心事件： 中國的 DeepSeek 在 2025 年初發表了 V3 和 R1 模型，訓練成本僅約 550-600 萬美元，卻達到了與 GPT-4 相當營力的推理能力。

他們是怎麼做到的？

  • Mixture-of-Experts（MoE）架構： 每個 Token 只激活一小部分參數，大幅降低運算量
  • FP8 混合精度訓練： 用更低精度的數字格式，減少記憶體用量並加速訓練
  • 知識蒸餾： 用大模型的輸出訓練小模型，避免從頭訓練的冗餘

對產業的衝擊：

  1. Nvidia 股價暴跌： DeepSeek 發布當天，Nvidia 經歷了有史以來最大的單日市值蒸發，投資者質疑：如果便宜的模型也能用，誰還需要那麼多昂貴的 GPU？
  2. OpenAI 的估值邏輯動搖： 如果「砸錢 = 護城河」的假設被打破，OpenAI 動輒千億美元的融資和 8500 億的估值還站得住嗎？
  3. 地緣政治衝擊： 美國透過出口管制限制中國取得高端晶片的策略，被 DeepSeek 用演算法創新繞過了。這迫使西方重新評估「硬體封鎖」策略的有效性。

六、所以這台永動機還能轉多久？​

有一個確切的時間節點：2026 年第四季度到 2027 年。

OpenAI 計劃最快 2026 底 IPO。一旦上市，遊戲規則徹底改變——上市公司要每季公開財報。循環融資的結構、真實毛利率、實際現金消耗，全部攤在陽光下。

Anthropic 也在準備 IPO，可能在 2026 年 10 月。兩家公司共同上市後,市場的透明度將大幅提升，投資者能直接比較兩家的財務健康度。

最壞情況： 如果終端需求增長不夠快，IPO 後的財報讓投資者失望，整個 AI 投資循環可能快速收縮——這將不僅影響 OpenAI，而是波及 Nvidia、CoreWeave、甚至微軟的 Azure 雲端業務。

最好情況： 企業 AI 採用率在未來 1-2 年大幅提升，終端需求追上投資規模，永動機變成真正的飛輪效應。

這台永動機最多再轉 1-2 年，真相就會浮出水面。

👉 主題四：微軟的四道緊箍咒