AI 投資潮的算術困境：生產力回報遲遲未至，萬兆美元押注能否撐到轉型實現

AI 產業的資本規模，在歷史上找不到對比基準。PwC 估計光是全球資料中心累計支出，到 2050 年就可能突破 30 兆美元，接近美國國債未償總額，比鐵路或網際網路熱潮的投入規模還要大得多。Anthropic 一家公司的未來支出計畫就達 5,180 億美元，是其 2025 年營收的逾百倍。問題是，錢先進去了，但回報的時間表還沒人說得清。

JP Morgan 在今年 8 月直接點出，美國的「廣泛生產力提升仍難以察覺」，並對當前 AI 估值的可持續性提出質疑。以 Nvidia 為例，JP Morgan 估算，若要讓其估值站得住腳，美國生產力必須在未來十年每年成長 3% 至 5%——而國會預算局的基準預測只有 1.75%。哥倫比亞大學商學院經濟學家 Stijn Van Nieuwerburgh 估計，光是美國，從 2025 年到 2032 年的 AI 投資總額最高可達 9 兆美元，相當於每年燒掉美國 GDP 的 3.2%；若要取得 10% 的投資回報，美國 AI 業者屆時需要年創收 3.55 兆美元，但現在還只有這個數字的一個零頭。更棘手的是，目前大量 AI 基礎建設靠槓桿舉債，Van Nieuwerburgh 明確警告：「相對溫和的需求下滑、時程延遲或資產縮水，都可能造成遠超比例的損失。」

Bain & Company 的研究給出了另一個更根本的判斷：現有市場的生產力收益，根本不夠彌補當前的投資缺口，「必須有全新市場出現」才能補上這個差距——比如 AI 引導機器人、新一代電池或半導體材料。據 Bain 估算，Google、Amazon、微軟等超大型雲端業者，在未來五年內需要找到逾 4.2 兆美元的新增營收，才能支撐整個基礎建設擴張。「關鍵在於應用能不能在燒光之前趕到。」這句話說的不是技術能不能實現，而是時間能不能接上。

AI 業者自己的盤算，是押注在「遞迴自我改進」這個概念上——模型學會自我強化，帶動指數級的能力躍升，從而加速生產力爆發。Google DeepMind 策略長 Jasjeet Sekhon 直接說，這是當前整個投資論點的「核心支柱」。Anthropic 自己的經濟模型顯示，2030 年 AI 對年增長率的貢獻，從溫和情境的 0.4 個百分點，到極端情境可達 13 個百分點，差距懸殊，且公司明確表示不對任何情境賦予機率。至於就業衝擊，Anthropic 執行長 Dario Amodei 去年預測，五年內 AI 可能讓半數初階白領工作消失；史丹佛大學今年 8 月的研究則指出，22 至 25 歲的 AI 暴露行業工作者——如會計、法律助理——就業率比難以被 AI 取代的職業低了 19%。影響已經在邊緣開始顯現，只是還沒有全面爆發。

劍橋大學經濟學家 Diane Coyle 提供了一個讓人冷靜的歷史校準：過去每一波革命性技術，從出現到生產力效益全面落地，通常需要 10 到 50 年。這不代表 AI 沒有前途——鐵路在 1873 年恐慌後沒有消失，網際網路在科技泡沫破裂後也沒有關掉。基礎建設蓋好了，後面的效益遲早會兌現。但企業的財報周期和貸款還款期限，等不了五十年。現在最值得盯緊的風險，不是 AI 能不能改變世界，而是在它真正改變世界之前，資金先燒光了，誰來接這個缺口。