一、AI 投資現況：2025 年美國相關支出達3,000 億美元，規模顯著但未超歷史周期報告開篇指出，儘管2025 年下半年AI 資本支出（Capex）持續加碼（如OpenAI 與甲骨文3000 億美元合作、輝達100 億美元投資等），但從歷史維度與GDP 佔比看，當前投資規模仍處於合理區間，無需過度擔憂“過熱” 風險。1.1 2025 年AI 投資規模：美國年度化支出達3,000 億美元，硬體佔比超60%整體規模：2025 年美國AI 相關支出呈現「雙重指標驗證」－①羅素3000 指數成分股中，AI 基礎設施相關企業的營收預期較2023 年3 月累計增加3,000 億美元（年化）；②美國國民帳戶中，AI 相關支出的三個月年化量增2020 億美元約結構分佈：硬體為核心投入領域，佔比超60%－ 半導體（含GPU/AI 晶片）支出1,120 億美元，資料中心建設（含伺服器、HVAC 系統）880 億美元，電力配套（含新能源供電）650 億美元，軟體與服務（含模型訓練、安全）350 億美元。短期波動因素：2025 年夏季支出激增部分受關稅驅動的「提前備貨」 影響（美國自台灣進口AI 硬體環比增長40%），但9 月進口回落並未改變全年支出趨勢，預計2025 年全球AI Capex 將達5200 億美元（美國佔比58%）。1.2 歷史對比：當前AI 投資佔GDP 比重< 1%，遠低於過往技術周期GDP 佔比視角：2025 年美國AI 投資佔GDP 比重不足1%，而歷史上重大技術周期（如1920 年代電力革命、1990 年代IT boom）的峰值投資佔比均達1.5%-2%，部分基礎設施周期（如1880 年代美國鐵路建設歷史）甚至達2%-5%，當前投入歷史區間。企業層面：標準普爾500 成分股中，AI 相關資本支出佔總Capex 的比例從2023 年的8% 升至2025 年的15%，但仍低於2000 年網際網路泡沫時期IT 支出佔比（22%），且集中在半導體、雲端服務等「硬科技」 領域，未出現全面投機現象。二、技術驅動邏輯：AI 生產力提升與計算需求激增，支撐投資永續性報告核心論證指出，AI 投資並非“無源之水”，而是由“生產力提升潛力” 與“算力需求剛性” 兩大技術邏輯支撐，兩者共同構成​​投資持續增長的底層動力。2.1 生產力提升：AI 應用可實現25%-30% 效率成長，美國經濟價值達4.5 兆美元微觀案例與學術驗證：企業層面，AI 落實已顯成效－Klarna 客服效率提升70%、德勤諮詢任務處理速度提升35%、美國銀行後台操作誤差率下降40%；學術研究顯示，成功部署AI 的企業平均生產力提升27%（中位數26%），遠提升傳統數位化工具（如ERP 5%）。宏觀潛力測算：高盛基線假設下，AI 全面滲透後（預計2027-2037 年10 年周期），將為美國勞動生產率帶來15% 的永久性提升，對應經濟價值增量4.5 兆美元（按2025 年GDP 測算）；即使在「弱AI 場景」（僅8% 約 27%），價值27% 27% 增幅達數17% 價值提升）則達8.1 兆美元。當前滲透階段：仍處於早期－ 僅2.5% 的美國就業崗位面臨當前AI 應用的自動化風險（主要集中在編碼、客服、基礎諮詢），隨著應用向高複雜度任務（如醫療診斷、工程設計）延伸，生產力提升空間將進一步釋放。2.2 算力需求：模型規模年增400%，成本下降速度跟不上需求成長算力需求爆炸式增長：大型語言模型（LLM）的訓練算力（以FLOPs 衡量）年均增長400%，2025 年frontier 模型（如GPT-5、Claude 4）的訓練算力達10²⁵ FLOPs，較2020 年增長1000 倍增長，25%，年限設計量，比2020 年增長1000 倍。成本下降速度滯後：儘管計算成本（FLOPs / 美​​元）年均下降40%、能源效率（FLOPs / 瓦特）年均提升40%，但需求增長速度（400%）是成本下降速度的10 倍，導致「算力投入缺口」 持續擴大－ 以訓練一個千億參數模型反而，2020 年成本約1 億美元，成本約15 億美元，成本降至3 億美元。性能與規模正循環：歷史資料與當前榜單均顯示，模型參數規模與性能（以MMLU-Pro 得分衡量）呈強正相關（R²=0.85），2025 年Hugging Face leaderboard 中，參數超兆的模型平均得分達85 分，較千億參數模型高12 分，這意味著投入企業需加大競爭力。三、宏觀價值測算：AI 資本收益現值達8 億億美元，遠超當前投資規模報告通過「現值貼現模型」 測算AI 的長期經濟價值，結果顯示，即使不考慮海外收益與AGI 潛力，AI 為美國企業創造的資本收益現值已覆蓋當前及未來投資，從宏觀層面驗證投資合理性。3.1 核心假設與測算邏輯高盛採用四因素架構測算AI 資本收益現值（PDV）， baseline 假設如下：生產力提升：15% 的美國勞動生產率永久提升（對應4.5 兆美元經濟價值）；滲透周期：企業adoption 分10 年完成（2027-2037 年），從adoption 到實現全收益存在4 年滯後；資本分配比例：AI 創造的增量價值中，41% 歸屬於資本（與美國經濟整體資本份額一致）；貼現率：15%（取AI 相關上市公司WACC 的75 分位，反映高不確定性）。3.2 測算結果：資本利得現值5-19 兆美元，覆蓋投資缺口baseline 結果：美國AI 資本收益的現值達8 兆美元，其中2025-2030 年累計投資預計3.2 兆美元，現值覆蓋倍數達2.5 倍，意味著當前投資在長期可完全收回並產生超額收益。情境敏感度分析：貼現率影響最大：貼現率降至10%（樂觀場景），現值升至12.3 兆美元；升至20%（悲觀場景），現值降至5.1 兆美元，但均高於3.2 兆美元的投資規模；生產力與資本份額次之：「強AI 場景」（27% 生產率提升）現值達14.7 兆美元，「低資本份額場景」（28%）現值仍達5 兆美元，均滿足「收益覆蓋投資」 條件。未計入因素：若加入海外收益（預計佔美國本土的60%）、新利潤池（如AI 驅動的B2B 服務、AGI 潛在價值），現值將進一步增至12-28 兆美元，安全邊際顯著。四、市場結構爭議：先動者優勢不確定，硬體層集中度最高報告指出，儘管AI 投資整體可持續，但「誰能最終受益」 存在爭議—— 歷史經驗顯示先動者表現分化，當前市場結構下，硬體層（半導體）集中度最高，應用層競爭最激烈。4.1 歷史經驗：先動者優勢受三大因素影響，表現好壞參半先動者成功案例：19 世紀英國運河（投資成本高、替代成本高）、20 世紀美國IT（IBM 主機、微軟系統、AWS 雲），核心原因是「稀缺資產控制」 與「垂直整合」— 如IBM 控制早期主機硬體，微軟控制作業系統標準，AWS 控制雲基礎設施。先動者失敗案例：19 世紀英國鐵路（過度建設導致破產率50%）、21 世紀初全球光纖（供過於求導致資產貶值70%），核心原因是“技術迭代快” 與“模仿成本低”，後期整合者可低價收購資產獲利。監管干預案例：20 世紀美國電力（先動者重組為公用事業，收益受監管限制），當前AI 暫無類似監管風險，但需關注資料隱私、反壟斷等潛在政策影響。4.2 當前AI 市場結構：硬體層壟斷，應用層分散各層競爭度差異：半導體層：高度集中－ 輝達主導AI 晶片設計（市佔率85%），台積電主導製造（市佔率92%），頭部2 家企業控制90% 以上的高階產能；資料中心層：中度集中－ 亞馬遜AWS、微軟Azure、Google GCP 佔全球AI 資料中心算力的65%，但區域玩家（如阿里雲、Oracle）在特定市場有競爭力；基礎模式層：中度競爭－OpenAI 市佔率32%，Anthropic 25%，Google DeepMind 18%，Meta Llama 15%，其餘玩家合計10%；應用層：高度分散－ 全球有超1.9 萬家AI 應用企業（CB Insights 資料），頭部10 家市佔率僅12%，以垂直場景（如醫療AI、工業AI）為主。切換成本風險：早期AI 使用者呈現「多模型部署」 特徵－60% 的企業（收入超50 億美元）同時使用2 種以上基礎模型，僅19% 依賴單一模型，這意味著應用層客戶的切換成本較低，不利於先動者鎖定長期收益。五、投資永續：兩大預期支撐支出，短期波動不改變長期邏輯報告結論認為，只要企業仍預期“能捕獲AI 長期價值”，當前投資熱潮就將持續，短期波動（如個別企業盈利不及預期）不會動搖核心邏輯。5.1 兩大支撐因素因素1：先動者捕獲超額收益預期：企業相信通過早期投資可佔據稀缺資源（如GPU 算力、資料），形成競爭壁壘——2025 年調研顯示，80% 的AI 投資企業認為“先動者將獲得60% 以上的AI 相關增量收益”，這一預期驅動企業願意承擔短期折​​舊成本（AI 折舊率18% 18%）。因素2：算力投入推動AGI 潛力：即使短期收益不明顯，企業仍看好「算力積累→模型突破→AGI 落地」 的長期路徑—— 高盛測算，若AGI 在2040 年前落地，將額外創造19 兆美元經濟價值，這一「尾部機遇」 促使企業持續投入。5.2 短期風險與應對主要風險：技術迭代不如預期（如模型性能停滯）、監管收緊（如算力出口限制）、融資成本上升（聯準會維持高利率），可能導致部分中小企業退出，但頭部企業（如OpenAI、輝達）的投資計畫未受影響，2025 年下半年仍有68% 的頭部企業計畫擴大AI Capex。市場訊號：高盛組合策略團隊資料顯示，AI 相關資產的估值溢價（以EV/EBITDA 衡量）為35 倍，低於2000 年網際網路泡沫時期的58 倍，且盈利預期修正以向上為主（2025 年AI 企業盈利上修幅度達12%），未出現“估值與盈利能力” 泡沫的特徵利潤。六、總結：AI 投資「量價齊升」 有支撐，關注三大方向當前AI 投資處於「合理規模+ 兆價值+ 結構分化」 階段，建議讀者關注三大方向：①半導體與算力基礎設施（輝達、台積電產業鏈）；②垂直場景AI 應用（醫療、工業等高壁壘領域）；③資料安全與合規服務（剛滲透的需要領域）。 2026 年關鍵觀察節點包括：OpenAI GPT-6 發佈、聯準會利率政策、全球AI 監管框架落地。 （資訊量有點大）