輝達上周末向華爾街分析師傳送了一份備忘錄，辯稱該公司沒有參與“循環融資”。所謂循環融資，是一種有爭議的做法，即供應商投資或向自己的客戶提供貸款。但著名做空者吉姆·查諾斯和“大空頭”麥可·貝瑞對此存在疑慮。據《巴倫周刊》周二上午率先報導，輝達發佈了一份長達七頁的檔案，駁斥了有關其投資客戶以虛增收入的說法。這份備忘錄是對上周一位名不見經傳的Substack作者發佈的簡報的回應。該簡報聲稱，輝達參與了一種“循環融資計畫”——利用供應商融資來提升銷售額——並將輝達與安然和朗訊等公司在網際網路泡沫時期犯下的著名會計欺詐案相提並論。安然公司因操縱會計帳目和利用表外債務掩蓋其在網際網路繁榮時期寬頻業務的虧損而臭名昭著。與此同時，網際網路基礎設施提供商朗訊公司則以積極投資並向眾多虧損的電信客戶提供貸款而聞名——這些客戶隨後利用這些資金購買了他們原本無力承擔的朗訊裝置。當網際網路泡沫破裂，電信初創公司無力償還朗訊的貸款時，朗訊不得不對與這些交易相關的收入進行減記，損失數十億美元。曾因預測安然公司倒閉而聞名的查諾斯認為，輝達和朗訊之間的比較是有道理的。“他們（輝達）向虧損公司注資，目的是讓這些公司訂購他們的晶片，”查諾斯在接受採訪時表示。輝達對其客戶進行了大量投資——從ChatGPT開發商OpenAI到埃隆·馬斯克的xAI，再到包括CoreWeave和Nebius在內的一系列AI雲公司。這引起了華爾街的關注。“輝達與歷史上的會計欺詐行為截然不同，因為輝達的基本業務在經濟上是穩健的，我們的報告完整透明，而且我們非常重視我們的誠信聲譽，”輝達在其備忘錄中寫道。“與朗訊不同，輝達並不依賴供應商融資安排來增加收入，”該公司繼續說道。輝達指出，在典型的供應商融資協議中，客戶需要分數年償還供應商。而這家晶片製造商表示，其客戶會在購買晶片後53天內向公司付款。曾預測2008年美國房地產市場崩盤的“大空頭”投資者伯裡，上周在X上發表的一篇文章中，比查諾斯走得更遠，稱輝達是人工智慧市場中多家因投資客戶而存在“可疑收入確認”的公司之一。除了供應商融資之外，查諾斯認為債務進入人工智慧市場是投資者擔憂的另一個原因。查諾斯表示，就像安然公司一樣，輝達的一些客戶，例如Meta和xAI，正在使用表外債務為其晶片採購融資。而另一些客戶，例如Anthropic，則使用傳統的債務融資方式。“我認為，給這些虧損的實體注入大量信貸和非常複雜的金融結構，才是人工智慧技術市場的真正阿喀琉斯之踵，”查諾斯周二表示。雖然會計可能通過人為地誇大對人工智慧技術的需求，從而助長人工智慧泡沫，但這兩位做空者認為，更大的問題其實更簡單：最大的科技公司正在爭先恐後地花費數十億美元來建設人工智慧資料中心，以滿足市場需求。伯裡本周末在他的新Substack平台Cassandra Unchained的一份通訊中聲稱，人工智慧市場就像網際網路泡沫時代一樣，正經歷著“災難性的供應過剩和遠遠不夠的需求”——換句話說，晶片、伺服器和資料中心太多了，但企業和消費者對人工智慧應用的基本需求卻不足。輝達則認為市場正在加速增長，在其最新財報中稱，對其人工智慧晶片的需求“遠超預期”，並反駁了市場泡沫的說法。該公司周二表示，其技術領先競爭對手“一代”，儘管來自Google日益激烈的AI晶片競爭一度導致這家晶片製造商的股價下跌，但周三有所反彈。但查諾斯也認為，人工智慧建設的快速推進超過了需求，這令人擔憂：“如果事實證明，我們並不需要像2027年或2028年那樣多的資料中心或晶片產能，那麼訂單可能會開始被取消，這是一個很多人沒有談到的巨大風險。” (北美商業見聞)

處於AI熱潮核心的各大企業，已相互投資了數十億美元。這引發了部分人士質疑AI的循環融資模式是否具有永續性。Joe 盧, CFA | 2025年10月26日 美東時間摘要美國巨頭企業之間的循環融資正驅動AI產業的擴張，導致成長指標膨脹，但終端用戶需求卻沒有相應成長。台灣的半導體與資料中心供應鏈雖從此資本中受益，但若美國AI投資放緩，將面臨重大風險。龐大的AI基礎設施支出與日益增長的電力需求，對美國和台灣的能源系統都構成壓力，壓縮了製造商的利潤。台灣對少數幾家美國巨頭企業的出口依賴，造成了高度的集中度風險，即使是強健的企業資產負債表也無法完全緩解。對投資者而言，監控AI資本支出動能、台灣出口訂單及能源成本，是區分投機性過剩與可持續結構性增長的關鍵。在「循環融資」結構的推動下，AI正驅動著現代史上最大規模的資本週期之一；在此結構中，輝達(Nvidia)、OpenAI、甲骨文(Oracle)、亞馬遜(Amazon)和Google等公司，同時扮演著投資者、供應商和客戶的多重角色。此一動態強化了企業估值，並創造了一個直接衝擊全球晶片製造中心——台灣的資本循環，這為台灣帶來了創紀錄的出口，但也累積了日益增加的風險曝險。本分析將探討當前AI熱潮與網路泡沫之間的相似與相異之處，評估這些資本流動最終將演變為可持續的增長，或是在自身的槓桿下崩潰，並重點關注其對台灣半導體產業的意涵。自我融通的人工智慧機器三家公司定義了當前的循環：輝達(Nvidia)、OpenAI和甲骨文(Oracle)。輝達(Nvidia)對OpenAI投資高達1,000億美元；OpenAI用這筆錢購買輝達的晶片；而為OpenAI提供3,000億美元雲端服務的甲骨文(Oracle)，則購買數百億美元的輝達GPU以履行該合約。每家公司都報告了更高的營收和上漲的股價，但相同的資本卻在一個封閉的系統內循環。彭博社(Bloomberg)將輝達(Nvidia)形容為「AI 的央行」，透過擴展流動性來維持此波熱潮。此結構與1990年代電信熱潮時的「供應商融資」(vendor financing)如出一轍，儘管AI的支出主要由內部現金流而非債務所資助。然而，這些關係使得營收看起來比實際更為強勁，因為資本是在一個封閉的網絡內循環，而非源自終端用戶，從而虛增了整個AI供應鏈的感知需求。此模式類似於戰後日本的「經連會」(keiretsu)或韓國的「財閥」(chaebol)，其交叉持股雖確保了供應穩定，卻也掩蓋了財務風險。台灣正處於此資本循環的正下方。台積電(TSMC)製造輝達的GPU，日月光(ASE)進行封裝，而緯創(Wistron)、廣達(Quanta)和英業達(Inventec)則組裝甲骨文(Oracle)和亞馬遜(Amazon)所部署的AI伺服器。美國巨頭企業之間的每一份新合約，都為台灣的工廠帶來一波訂單，但同時也將其營收與相同的融資週期綑綁在一起。此循環解釋了為何在AI商業化變現遲滯的情況下，台灣的半導體月出口額仍能達到歷史新高。這也解釋了其脆弱性：如果全球融資緊縮，同一個循環可能會反向解開，在美國股市反映經濟放緩之前，就已拖累台灣的出貨量。AI週期的脆弱基礎AI熱潮建立在一個脆弱的基礎上，投資者必須監控其三大核心脆弱性：資本密集度與商業化變現之間的差距、能源的物理性限制，以及供應鏈內部的高度風險集中。首要的脆弱性是支出與收入之間的不平衡。麥肯錫(McKinsey)預計到2030年，AI基礎設施的投資將達5.2兆美元，但貝恩(Bain)估計，該產業需要2兆美元的年營收才能支撐此等級的投資。OpenAI約130億美元的預估銷售額，突顯了此一鴻溝。將真正的終端用戶變現仍難以實現，只有5%的ChatGPT用戶付費訂閱服務。更關鍵的是，只有不到15%的企業AI試點計畫能轉入全面生產，因為大多數公司尚未實現顯著、可衡量的生產力提升。幾年前預測的、由AI驅動的大規模裁員尚未實現，進一步表明該技術的經濟效益尚未被大規模地實現。對台灣而言，此一差距將直接轉化為訂單的波動性。晶圓製造和組裝依賴於長達數季的能見度，如果美國客戶為了使資本支出與實際營收保持一致而暫停投資，台灣的出貨量將在美國股市反映經濟放緩之前就已下滑。資料來源：Bain, McKinsey其次，此資本與營收的不平衡延伸至實體基礎設施，特別是能源。光是OpenAI的「星際之門」(Stargate)專案就需要23千兆瓦(GW)的電力——約等於23座核反應爐的發電量。在台灣，經濟部能源署預計到2030年，工業用電需求將持續增長，主要由晶圓廠和資料中心所驅動。此一壓力勢必導致電價調整，即使全球AI需求依然強勁，上升的電力成本將壓縮製造利潤，並對ESG的目標構成挑戰。資料來源: The Guardian, Data Center Dynamics, ess.re最後，儘管AI龍頭企業現金充裕，但其財務實力卻有著系統性風險。與由債務驅動的網路泡沫不同，微軟(Microsoft)、亞馬遜(Amazon)、Google和輝達(Nvidia)等公司，每年超過2,000億美元的自由現金流，它們自我融通AI擴張的能力延長了此一週期，但也使台灣的供應鏈高度依賴少數關鍵參與者的支出決策。台積電(TSMC)的前五大美國客戶已佔其營收的60%以上。即使其中僅有一家放緩，也可能降低多個製程節點的晶圓廠產能利用率。資料來源：TSMC歷史表明，此類的過度建設往往為未來的生產力播下種子。1990年代的光纖網路和2010年代的太陽能產能都遵循了相同的模式：初期的泡沫留下了有用的基礎設施。台灣的角色與此類似。在今日的熱情下建立的硬體基礎，將成為AI主流階段的基石。投資的要點並非預測崩盤的時機，而是去預判此一轉變——從投機性的資本支出，轉向商業化變現的部署，其標誌正是生產力的普遍提升，從而證明大規模投資的合理性。與網路泡沫的差異然而，一些關鍵的差異將此AI週期與網路泡沫區分開來。2000年的泡沫建立在債務和疲弱的資產負債表之上。今日的AI巨頭——微軟(Microsoft)、Google、亞馬遜(Amazon)和輝達(Nvidia)——現金充裕，合計每年產生2,000億美元的自由現金流，並能從內部為擴張提供資金。回到2000年，像世界通訊(WorldCom)和環球電訊(Global Crossing)等公司大量借貸來建設它們無法填滿的網絡。當信貸市場緊縮時，違約在整個行業中引發了連鎖反應。而當今的企業即使明天削減支出，仍能保持獲利。另一個區別是資產的有形性。光纖泡沫留下了未被充分利用的電纜；AI熱潮則正在建設充滿可重複使用晶片和電力基礎設施的、全球分佈的資料中心。其利用率很高：資料中心的空置率低於5%，而運算需求仍然供不應求。此一建設雖具侵略性，卻是為了應對可見的使用量——而非純粹的投機。AI基礎設施正以接近滿載的狀態運行，與2000年代初閒置的光纖網路不同。資料來源：JPMorgan至關重要的是，商業化變現已在進行中。雲端巨頭從AI雲端工作負載、廣告優化和生產力工具中賺取實際收入。輝達(Nvidia)的晶片銷售代表著有形的需求，而不僅僅是炒作。瓶頸不在於採用率，而在於電力供應——這與2000年代初空蕩蕩的伺服器機櫃是完全不同的問題。另一個關鍵的區別在於估值。儘管偏高，但今日的估值錨定在一個2000年時普遍缺乏的、真實盈餘與現金流的基礎上。在1990年代末，像思科(Cisco)和甲骨文(Oracle)等領先的網路股，其預估本益比(forward P/E)超過60倍，許多未獲利的公司則以「眼球數」或「點擊率」等投機性指標進行估值。今日，AI龍頭股的預估本益比約在35倍左右。更重要的是，今日本益比中的「E」(盈餘)，代表著符合一般公認會計原則(GAAP)的龐大利潤。市場並非為從零開始的無限增長定價，而是在一個既有龐大且獲利的基礎上，實現強勁增長而定價。資料來源：Forbes, Yahoo Finance對台灣而言，此一區別至關重要。在2000年，網路泡沫幾乎未觸及台灣的出口產業。而今日台灣則處於AI價值鏈的核心，台積電(TSMC)、日月光(ASE)、緯創(Wistron)和廣達(Quanta)都扮演著關鍵角色。同樣的的循環，在虛增美國估值的同時，也直接驅動了台灣的出口盈餘。即使泡沫修正，實體的基礎設施——晶圓廠、工具和人才——依然存在。簡言之，AI可能正處於泡沫之中，但它並非建立在虛無飄渺之上。危險不在於資不抵債，而在於估值過高。當預期重新設定時，即使基礎技術持續進步，股價也可能急遽下跌。網路泡沫以崩盤告終，但它也為我們奠定了數位經濟的基礎。AI很可能正遵循同樣的劇本——只是這一次，台灣的半導體產業是主角之一。為台灣投資者剖析的觀點台灣處於投機性金融與實體生產的交匯點。作為AI硬體骨幹的角色，確保了其近期的盈餘動能，卻也放大了週期性風險。近期的好處是實質可見的：更高的工廠利用率和創紀錄的出貨量。中期的風險也同樣清晰：能源壓力、產能過剩，以及對少數全球客戶的依賴。對成熟的投資者而言，關鍵在於為週期性轉變進行佈局，而非僅僅著眼於長期趨勢。此一框架包含：因此，對投資者而言，目標是追求清晰度，而非預測。需要監控的關鍵問題是，資本流動何時能變得自我維持，而非自我參照。那個轉折點，即AI需求反映的是真正的生產力提升，而非循環的資金時，將標誌著台灣科技經濟下一個結構性的躍進。📲加入我們的專屬頻道，即可獲取我們的跨資產趨勢信念矩陣，以及專家嚴選的投資內容。💬透過LINE與我們聯繫，即可加入社群。👥在Facebook上私訊我們，即可加入社群。如果您覺得這份研究有價值：👍為這篇文章按讚。📰追蹤此部落格，獲取最新的市場動態。➡️分享給其他關注美股和台股市場的投資者。本電子報僅供參考，不構成任何證券或資產類別的投資建議或買賣推薦。文中所表達的觀點為作者截至發布日期的觀點，如有變動，恕不另行通知。所呈現的資訊乃基於從相信可靠的來源所獲取的數據，但其準確性、完整性和及時性不作保證。過往表現並非未來結果的指標。投資涉及風險，包括可能損失本金。讀者在做出任何投資決策前，應諮詢其財務顧問。作者及相關實體可能持有本文所討論的資產或資產類別的部位。Is AI’s Circular Financing Inflating a Bubble?Companies at the center of the AI boom have been investing billions of dollars in each other. This has led some to question whether AI's circular financing is sustainable.Joe 盧, CFA | 2025-10-26Executive SummaryCircular financing among U.S. hyperscalers drives the AI expansion, inflating growth metrics without corresponding end-user demand.Taiwan's semiconductor and data-center supply chains benefit from this capital but are exposed to significant risk if U.S. AI investments slow.Massive AI infrastructure spending and rising power demand strain both U.S. and Taiwan energy systems, compressing manufacturer margins.Taiwan’s export dependence on a few U.S. hyperscalers creates high concentration risk that strong corporate balance sheets cannot fully mitigate.Monitoring AI capex momentum, Taiwan export orders, and energy costs is essential for investors to distinguish speculative excess from sustainable structural growth.AI is driving one of the largest capital cycles in modern history, fueled by a circular financing structure where firms like Nvidia, OpenAI, Oracle, Amazon, and Google act simultaneously as investor, supplier, and customer. This dynamic reinforces valuations and creates a capital loop that directly impacts Taiwan, the epicenter of global chip manufacturing, translating into record exports but also mounting exposure. This analysis explores the parallels and differences between the current AI boom and the dot-com bubble, assessing whether these capital flows will evolve into sustainable growth or collapse under their own leverage, with a focus on the implications for Taiwan's semiconductor industry.The Self-Funding Artificial Intelligence MachineThree firms define the current loop: Nvidia, OpenAI, and Oracle. Nvidia invests up to US$100 billion in OpenAI. OpenAI spends that money to buy Nvidia chips. Oracle, which provides OpenAI with US$300 billion in cloud services, buys tens of billions of dollars of Nvidia GPUs to fulfill that contract.Each company reports higher revenue and rising stock prices, but the same capital circulates within a closed system. Bloomberg describes Nvidia as “the central bank of AI,” extending liquidity to keep the boom going.This structure mirrors the vendor financing of the 1990s telecom boom, though AI spending is largely funded by internal cash flow rather than debt. Still, these relationships make revenue appear stronger than it is, as capital circulates within a closed network instead of originating from end users, inflating perceived demand across the AI supply chain. This pattern resembles post-war Japan’s keiretsu or Korea’s chaebol, where cross-ownership ensured supply stability but also obscured financial risk.Taiwan sits directly under this capital loop. TSMC fabricates Nvidia’s GPUs, ASE packages them, and Wistron, Quanta, and Inventec assemble the AI servers that Oracle and Amazon deploy. Each new contract between U.S. hyperscalers sends a wave of orders through Taiwan’s factories, but also ties their revenue to the same set of financing cycles. This loop explains why Taiwan’s monthly semiconductor exports reached record highs even as AI monetization lagged. It also explains the vulnerability: if global financing tightens, the same loop can unwind, pulling Taiwan’s shipments down before U.S. equities reflect the slowdown.The AI Cycle's Fragile FoundationThe AI boom is built on a fragile foundation, with three core vulnerabilities that investors must monitor: the gap between capital intensity and monetization, the physical constraint of energy, and the high concentration of risk within the supply chain.The primary vulnerability is the imbalance between spending and income. McKinsey projects a $5.2 trillion in AI infrastructure investment by 2030, yet Bain estimates the sector needs $2 trillion in annual revenue to justify that level. OpenAI’s estimated US$13 billion in sales highlights this chasm. Real end-user monetization remains elusive. Only five percent of ChatGPT users pay for subscriptions. More critically, fewer than 15% of corporate AI pilots transition to full production because most companies have yet to realize significant, measurable productivity gains. The widespread, AI-driven layoffs predicted just a few years ago have not materialized, further indicating that the technology’s economic benefits are not yet being captured at scale. For Taiwan, this gap translates directly into order volatility. Fabrication and assembly rely on multi-quarter visibility, and if U.S. customers pause to align capex with real revenue, Taiwan’s shipments will decline before the U.S. stock market prices in the slowdown.Source: Bain, McKinseySecond, this capital-revenue imbalance extends to physical infrastructure, particularly energy. OpenAI’s “Stargate” project alone targets 23 gigawatts of power capacity—roughly the output of 23 nuclear reactors. In Taiwan, the Bureau of Energy projects a 70% growth in industrial electricity demand by 2030, largely driven by fabs and data centers. This strain necessitates tariff adjustments, and rising power costs will compress fabrication margins and challenge ESG mandates, even if global AI demand remains strong.Source: The Guardian, Data Center Dynamics, ree.esFinally, while today’s AI leaders are cash-rich, their financial strength concentrates systemic risk. Unlike the debt-fueled dot-com boom, firms like Microsoft, Amazon, Google, and Nvidia generate more than US$200 billion in annual free cash flow. Their capacity to self-fund the AI expansion extends the cycle but also makes Taiwan’s supply chain highly dependent on the spending decisions of a few key players. TSMC’s top five U.S. customers already represent over 60% of its revenue. A slowdown from even one of them could reduce fab utilization across multiple process nodes.Source: TSMCHistory shows that such overbuilding often seeds future productivity. The fiber-optic networks of the 1990’s and the solar capacity of the 2010’s followed the same pattern: initial bubbles that left behind useful infrastructure. Taiwan’s role is similar. The hardware base built under today’s exuberance will become the foundation for AI’s mainstream phase. The investment takeaway is not to time a collapse but to anticipate the transition—from speculative capex to monetized deployment, marked by the widespread evidence of productivity gains that justify the massive investment.Differences From the Dot-Com BubbleHowever, critical differences distinguish this AI cycle from the dot-com bubble. The 2000 bubble was built on debt and weak balance sheets. Today’s AI giants—Microsoft, Google, Amazon, and Nvidia—are flush with cash, generating a combined US$200 billion in annual free cash flow, and can fund expansion internally. Back in 2000, companies like WorldCom and Global Crossing borrowed heavily to build networks they couldn’t fill. When credit markets tightened, defaults cascaded across the industry. Today’s players could cut spending tomorrow and remain profitable.Another distinction is the tangibility of assets. The fiber-optic bubble left behind underused cables; the AI boom is building globally distributed data centers filled with reusable chips and power infrastructure. Utilization is high: data-center vacancy rates are below 5%, and compute demand still exceeds supply. The buildout, while aggressive, is responding to visible usage—not pure speculation.AI infrastructure is running near full capacity, unlike the idle fiber-optic networks of the early 2000sSource: JPMorganCrucially, monetization is already underway. Hyperscalers earn real income from AI cloud workloads, advertising optimization, and productivity tools. Nvidia’s chip sales represent tangible demand, not just hype. The bottleneck is not adoption but power supply—an entirely different problem from the empty server racks of the early 2000s.A key distinction also lies in valuation metrics. While elevated, today’s valuations are anchored to a foundation of real earnings and cash flow that was largely absent in 2000. In the late 1990s, leading internet stocks like Cisco and Oracle traded at forward P/E ratios exceeding 60x, with many unprofitable firms valued on speculative metrics like "eyeballs" or "clicks." Today, the AI leaders trade closer to 35x forward earnings. More importantly, the "E" in today's P/E represents substantial, GAAP-compliant profits. The market is not pricing in infinite growth from zero; it is pricing in strong growth from an already massive and profitable base.Sources: Forbes, Yahoo FinanceFor Taiwan, this distinction matters. In 2000, the internet bubble barely touched the island’s export sector. Today, Taiwan sits at the core of the AI value chain, with TSMC, ASE, Wistron, and Quanta all playing critical roles. The same feedback loop that inflates U.S. valuations directly drives Taiwan’s export earnings. Even if the bubble corrects, the physical infrastructure—fabs, tools, and talent—remains.In short, AI may be in a bubble, but it is not built on vapor. The danger is not insolvency—it is overvaluation. When expectations reset, stock prices could fall sharply even as the underlying technology keeps advancing. The internet bubble ended in a crash, but it also gave us the foundation for the digital economy. AI is likely following the same script—only this time, Taiwan’s semiconductor industry is one of the main characters.The Investor Lens for TaiwanTaiwan sits at the intersection of speculative finance and real production. The island’s role as the hardware backbone of AI ensures near-term earnings momentum but magnifies cyclical risk. The near-term benefit is tangible: higher factory utilization and record shipments. The medium-term risk is also clear: energy strain, overcapacity, and dependency on a few global customers.For sophisticated investors, the key is to position for cyclical shifts rather than just the secular trend. A framework for this includes:The AI cycle’s circular financing has lifted Taiwan’s exports and valuations but also tied them tightly to the spending behavior of a few U.S. giants. As these financing loops inevitably tighten, Taiwan will feel the turn first—through export orders, power demand, and valuation shifts.The objective for investors, therefore, is clarity, not prediction. The key question to monitor is when capital flows become self-sustaining rather than self-referential. That turning point, where AI demand reflects genuine productivity gains instead of recycled funding, will mark the next structural advance for Taiwan’s technology economy.📲Join our private channels to gain access to our cross-asset Trend Conviction Matrix and expert-curated investment content.💬Connect with us on LINE to join the group.👥Message us on Facebook to join the group.if you found this research valuable:👍'Like' this post.📰Follow this blog for new market updates.➡️Share it with others who track U.S. and Taiwan markets.This newsletter is provided for informational purposes only and does not constitute investment advice or a recommendation to buy or sell any security or asset class. The views expressed are those of the author as of the date of publication and are subject to change without notice. Information presented is based on data obtained from sources believed to be reliable, but its accuracy, completeness, and timeliness are not guaranteed. Past performance is not indicative of future results. Investing involves risks, including the possible loss of principal. Readers should consult with their own financial advisors before making any investment decisions. The author and associated entities may hold positions in the assets or asset classes discussed herein.立即加入《Joe’s 華爾街脈動》LINE@官方帳號，獲得最新專欄資訊（點此加入）關於《Joe’s 華爾街脈動》鉅亨網特別邀請到擁有逾 22 年美國投資圈資歷、CFA 認證的機構操盤人 Joseph Lu 擔任專欄主筆。Joe 為台裔美國人，曾管理超過百億美元規模的基金資產，並為總資產高達數千億美元的多家頂級金融機構提供資產配置優化建議。Joe 目前帶領著由美國頂尖大學教授與博士組成的精英團隊，透過獨家開發的 "趨勢脈動 TrendFolios® 指標"，為台灣投資人深度解析全球市場脈動，提供美股市場第一手專業觀點，協助投資人掌握先機。

矽谷正在進行一場價值超1兆美元的世紀“豪賭”。為驅動通用人工智慧（AGI）發展，OpenAI在過去數月與輝達、甲骨文、AMD等公司達成天價協議。這筆人類科技史上最昂貴的押注，因為其特別的合作模式——供應商向客戶投資，客戶再購買產品——引發爭議。這種“循環融資”引發市場的強烈警惕，因為它與2000年網際網路泡沫破滅前的情形如出一轍。OpenAI兆美元“豪賭”算力供應商“曲線”入股截至目前，OpenAI已與輝達、AMD、甲骨文、軟銀等巨頭達成了超過1兆美元的基礎設施和晶片協議。據估算，OpenAI的合作項目涵蓋超過20吉瓦的AI算力規劃產能（相當於20座核電站的輸出）。在一項標誌性協議中，輝達同意向OpenAI投資最高1000億美元，分階段執行，並與OpenAI建設資料中心的進度掛鉤。甲骨文則簽署了一份價值3000億美元的雲服務協議，用於承載OpenAI的算力負載。AMD也以一份“巧妙”的協議向OpenAI授予價值高達其自身10%股份的認股權證，換取OpenAI購買並共同開發AMD的下一代AI晶片。這些交易模糊了客戶與投資者的界限。供應商通過“曲線”入股或投資，確保OpenAI有能力購買他們的硬體。例如，輝達1000億美元的投資承諾更像是一種供應商融資租賃：隨著OpenAI部署輝達GPU，大部分資金又會回流至輝達。同樣，與AMD的協議也讓OpenAI成為了其股東。循環融資：巨頭們在重演“朗訊劇本”?風投家本•霍洛維茨（Ben Horowitz）曾稱讚OpenAI首席執行官薩姆•阿爾特曼（Sam Altman）能夠設計出“創新的合作架構”，通過合作夥伴獲得“可觀的裝置融資”，而非繼續消耗風險資本。阿爾特曼本人也表示，要完成如此規模的戰略押注，“必須獲得整個行業的支援”，他將OpenAI的戰略描述為“一次極為激進的基礎設施豪賭”，旨在支撐下一代AI模型的發展。然而，批評者將這種模式稱為“循環融資（circular financing）”：供應商向客戶投資，客戶再用這筆錢購買供應商的產品。帳面上看，雙方的業績和估值都在上升，但這實際上是一個封閉的資金循環。風險也因此高度集中：如果AI客戶自身的業務最終無法產生足夠利潤來支撐這些採購，這條鏈條就可能承壓甚至斷裂。雲端運算公司CoreWeave的首席執行官邁克爾•英特雷托（Michael Intrator）曾否認“循環投資”的說法，強調全球最大的科技公司之所以在AI基礎設施上投入巨資，是因為他們確實需要這些設施，而非為了虛增業績。輝達首席執行官黃仁勳也認為，當前的需求是真實的，企業只是“在自然增長”。值得注意的是，輝達和CoreWeave正是通過投資、供應和反向租賃等方式建構了“親子關係”，成就了後者的迅速崛起。圖片來源：視覺中國“AI泡沫規模是網際網路泡沫的17倍”AI的狂熱估值已引發了全球央行和經濟學家的擔憂。據The Information報導，OpenAI的年化營收僅為120億美元，年化虧損為80億美元。要兌現其在AI領域1兆美元的投入，需要持續不斷的私募融資和巧妙的財務策略。現實也正是如此，OpenAI總裁Greg Brockman近日在接受採訪時表示：“考慮了所有因素，如股權、債務……我們正在嘗試尋找創造性的融資方式。”Seaport Global Securities分析師傑伊•戈德堡(Jay Goldberg)在向《每日經濟新聞》記者（以下簡稱每經記者）指出，輝達與OpenAI的交易實際上是在提前透支未來需求。“當市場周期反轉時，未來的需求將會減少，留下更大的問題，從而放大下行風險。”圖片來源：每經記者 鄭雨航 攝英國央行和國際貨幣基金組織（IMF）相繼警告，AI概念股的市值飆升至“與網際網路泡沫高峰時期相似的水平”。目前，美國市值最高的五大公司合計佔據標普500指數總市值的30%，為半個世紀最高集中度。以調整後盈利指標計算，這些股票的估值已是自2000年以來最極端的水平。回顧2000年，朗訊（Lucent Technologies）通過循環融資（佔營收的24%）推動銷售，最終在電信崩盤中股價暴跌。風險投資人托馬斯•唐古茲（Tomasz Tunguz）指出，輝達當前的直接投資規模（約佔營收的67%）比朗訊科技當年的風險敞口高出約2.8倍。MacroStrategy Partnership分析師朱利安•加蘭(Julien Garran)甚至認為，AI領域當前的泡沫規模是當年網際網路泡沫的17倍，是2008年全球房地產泡沫的4倍。然而，狂熱仍在延續，各大公司仍在以令人眩暈的估值競逐AI交易。投行WedBush分析師丹•艾弗斯（Dan Ives）在發給每經記者的報告中指出，全球企業和各國政府都將加入這場AI投資競賽。良性泡沫？“即使部分投資失敗，也會留下真實的技術遺產”不過，科技公司高管堅稱“這一次不同”。他們認為這是一場“生產性泡沫”，即便是部分投資失敗，也會留下真實的技術遺產。一些人甚至主動接受“泡沫”一詞，但加上了限定詞——稱之為“良性泡沫”。OpenAI CEO阿爾特曼稱，這是對未來能力的提前投資，歷史上每一次重大計算革命都伴隨著“瘋狂”的資本支出，這些投入最終奠定了變革性增長的基礎。亞馬遜創始人貝佐斯也表示，當一切塵埃落定，人工智慧將為社會帶來“巨大的利益”。OpenAI CEO阿爾特曼 圖片來源：視覺中國有觀點認為，如今的人工智慧領軍企業比曇花一現的網路公司擁有更雄厚的財力和收入。微軟、Google和輝達等公司利潤豐厚，這意味著它們能夠更輕鬆地吸收失敗的投資。高盛最近的一項分析指出，儘管人工智慧泡沫很大，但許多大型科技公司仍然擁有強勁的盈利能力，足以支撐其部分估值。高盛認為，我們最終可能會陷入泡沫，但不是現在。Dan Ives也向每經記者表示，現在更像是1996年網際網路繁榮的開端而不是2000年網際網路泡沫破滅的時代。終極考驗：盈利缺口、電力制約與GPU折舊即便有樂觀的預期，AI的擴張仍面臨嚴峻挑戰。首先是盈利缺口，這是“泡沫論”爭議的核心。La Pietra Capital創始人Olivier Khatib指出：“最直接、最根本的風險就是盈利缺口。”若巨額投入無法帶來足夠收益以覆蓋成本，泡沫就會開始洩氣。麻省理工學院的研究發現，95%的企業人工智慧項目沒有帶來可衡量的利潤。各大公司在試點項目上總共花費了約400億美元，但卻未能達到預期目標。阿爾特曼也坦言，“在未來幾年內都看不到盈利跡象。”倫敦大學學院（UCL）名譽教授、電腦科學家彼得•本特利向每經記者分析稱，AI背後高昂的計算成本，意味著盈利前景尚不清晰。他警示，龐大的客戶群體固然是優勢，但若產品成本極高，客戶越多，虧損可能越大。他認為，當前初創企業的市值膨脹，如同網際網路泡沫時代的歷史重演。其次，能源缺口正將AI增長“卡脖子”。牛津經濟研究院首席經濟學家亞當·斯萊特（Adam Slater）向每經記者表示，能源與電力可能是制約AI增長的最大因素。貝恩分析報告指出，要維持當前擴張速度，到2030年全球將需要約200吉瓦的AI算力，但按現有趨勢，電力仍存在50吉瓦的缺口（約合50座核電站）。電網容量不足正推高電價並導致資料中心建設延遲，令巨額投資淪為擱淺資產。彼得•本特利認為，如果是以犧牲周邊社區利益為代價建設人工智慧資料中心，則缺乏可持續性，長期來看很可能會走向失敗。他建議開發地熱能、太陽能等合理途徑，以及開發更高效、更精細化的AI模型，以減少能源消耗。第三，GPU折舊風險。唐古茲認為，目前，債務融資市場建立在GPU能保持4~6年價值的假設上。但Google架構師的證據顯示，高利用率的GPU壽命最多3年，其高利率貸款（約14%）和快速折舊可能影響真實投資回報率。科技泡沫與技術革命在早期可能非常相似。只有事後才知道，這場AI投資是蕭條的前奏，還是新一輪工業革命的開端。亞當·斯萊特給出了一個判斷：若現實中缺乏顯著的生產率提升或其他具有變革性的成果，這就是早期預警訊號之一。 (每經頭條)