這篇 Bloomberg 專欄真正想討論的，不是 AI 股票有沒有泡沫，也不是簡單把今天和網際網路泡沫做類比。
它最核心的一句話是：
市場正在從“AI 像 1999 年網際網路泡沫”，轉向擔心“AI 更像 2008 年信用泡沫”。
這兩個類比完全不同。
如果 AI 像 1999 年，問題主要是股票估值太貴。股票跌了，財富蒸發，但技術本身不一定被證偽。網際網路泡沫破裂後，納斯達克暴跌，但網際網路仍然改變了世界。
但如果 AI 像 2008 年，問題就更嚴重。因為那不是簡單的股票泡沫，而是信用泡沫。公司大量借債，銀行大量放貸，資產被高估，抵押品價值一旦下跌，就會觸發融資收縮、強制賣出、違約和破產。
放到今天，文章的隱喻很清楚：
2008 年的抵押資產是房子，今天可能是資料中心。
如果 AI 資料中心建成之後沒有足夠需求，或者收入不夠覆蓋折舊、利息和持續資本開支，那麼壓力就不會只體現在股價上，而會傳導到債券、CDS、融資成本和信用市場。
這才是這篇文章最值得重視的地方。
先說結論
第一，市場對 AI 的擔心正在換框架。過去大家主要拿 AI 和 1999 年網際網路泡沫比較，現在越來越多投資者開始擔心它像 2008 年信用泡沫。前者是估值問題，後者是融資結構問題。
第二，1999 年類比其實還有一點“安慰”。網際網路泡沫破裂沒有阻止網際網路重塑經濟。很多當年估值荒唐的公司歸零，但真正的技術趨勢活了下來。AI 如果只是股票泡沫，殺傷力主要在股市和財富效應。
第三，2008 年類比更可怕。信用泡沫破裂會帶來真實損失、強制賣出、融資斷裂和破產。文章提醒，AI 資料中心如果變成高估值抵押品，而需求又不及預期，就可能形成類似房地產信用泡沫的風險範本。
第四，AI 這次確實不同於網際網路泡沫。Nvidia 和其他 AI 贏家現在是真賺錢，不是 1999 年那些沒有利潤甚至沒有收入就上市的公司。微軟、蘋果等龍頭估值也遠低於 1999 年高點水平。
第五，但賺錢不代表沒有信用風險。核心問題不是“AI 公司有沒有收入”，而是 hyperscaler 為了搶 AI 領先地位，正在投入越來越多固定資產，資本輕模式正在變成資本重模式。
第六，最需要看的指標不是 PE，而是 CDS、自由現金流和融資成本。文章特別提到 Oracle 的 5 年期信用違約互換價格已經高於 2008 年金融危機期間水平，隱含違約風險超過 16%。第4頁圖表也顯示，Oracle CDS 在 2026 年快速上衝，遠高於雷曼倒閉時期附近的高點。
第七，現金流重新成為市場核心。Alphabet 二季度業績很好，但市場更關注其燒掉 60 億美元現金 和繼續提高資本開支；Meta 自由現金流單季下降 90%，第6頁圖表顯示其自由現金流已經明顯塌陷。
第八，AI 和 FANG 最大區別在於：FANG 是資本輕，AI 是資本重。Netflix 多一個使用者，邊際成本極低；AI 每一次查詢都要消耗電力、記憶體和計算資源。這意味著 AI 沒有傳統網際網路那種天然經營槓桿。
一句話總結：
AI 最危險的風險，不是股價漲多了，而是資本開支、債務融資和自由現金流之間形成了越來越重的信用壓力。
一、為什麼說 1999 年類比反而沒那麼可怕？
過去一年，市場最喜歡拿 AI 和 1999 年網際網路泡沫比較。
這個類比很自然。
都是新技術。
都是投資人不知道怎麼定價。
都是股價先漲，商業模式後驗證。
都是“未來很大，所以現在先買”。
但 Bloomberg 這篇文章提醒，1999 年類比雖然聽起來嚇人，其實還有一點安慰。
因為股票泡沫破裂，不一定會毀掉技術趨勢。
網際網路泡沫破裂之後，大量公司死掉，納斯達克暴跌，但網際網路沒有消失。相反，寬頻、電商、搜尋、社交、移動網際網路、雲端運算，最後都成為真實經濟的一部分。
文章也提到，運河、鐵路、汽車、網際網路這些技術浪潮裡，投資泡沫和資本浪費都反覆出現，但它們沒有阻止技術重塑經濟。
所以，如果 AI 只是像 1999 年，結論可能是：
短期股價會崩，長期技術還會繼續。
這也是為什麼過去投資人還可以自我安慰：即使 AI 有泡沫，也不過是又一次新技術估值泡沫。
更何況，這次 AI 股票並不像 1999 年那麼荒唐。
1999 年，很多公司沒有利潤，甚至沒有收入，就能上市並獲得高估值。今天不一樣，Nvidia、雲廠、晶片鏈、資料中心供應鏈確實在賺錢，而且利潤已經大幅增長。
文章說得很直接：這一次，AI 大公司是 “making money hand over fist”。
這就是 AI 與網際網路泡沫最大的不同：
1999 年很多公司是在講故事；今天 AI 產業鏈至少已經把利潤做出來了。
所以，單純用 1999 年泡沫去解釋 AI，並不完整。
二、為什麼市場現在開始擔心 2008？
真正讓人不安的是，投資人開始聽到另一種歷史回聲：2008 年。
2008 年金融危機的核心，不是房價下跌本身，而是建立在房地產之上的龐大信用體系崩了。
當年，企業和個人借了太多錢，銀行和金融機構貸了太多錢，抵押品被高估，金融產品被層層包裝。等到房價下跌、按揭違約上升，問題迅速傳導到銀行和整個金融系統。
文章把這個邏輯遷移到今天：
當年的固定資產是房子，今天的固定資產是資料中心。
AI 產業正在建設大量資料中心，裡面有 GPU、伺服器、網路裝置、電力基礎設施、冷卻系統和土地廠房。這些都是重資產，都需要大量資本開支和融資。
如果未來 AI 推理需求足夠強，資料中心能產生高收入、高利用率和高回報，那問題不大。
但如果需求不如預期，或者 token 收入無法覆蓋成本，或者模型價格戰壓低利潤，或者資本開支繼續加速卻看不到回報，那麼資料中心就可能從“未來資產”變成“信用負擔”。
這就是 2008 年式風險：
資產價格和融資能力，建立在未來需求必須兌現的假設上。
一旦這個假設動搖，問題就不只是股票下跌，而是融資成本上升、債券市場收緊、信用違約互換價格上漲、債務再融資困難。
這比 1999 年更危險。
因為股票泡沫破裂，多數時候只是財富縮水；信用泡沫破裂，則會帶來真實破產和融資鏈條斷裂。
三、Oracle CDS：市場已經開始用信用視角看 AI
文章最直觀的圖，是Oracle 5 年期 CDS 圖表。
圖表標題叫 “An Oracular Memory of 2008”，意思是“Oracle 讓人想起 2008 年”。
圖裡可以看到，Oracle 的 5 年期信用違約互換價格在 2026 年快速上衝，已經高於 2008 年金融危機期間雷曼倒閉前後的水平。
這非常值得注意。
CDS 是用來給違約風險買保險的工具。價格越高，說明市場越擔心公司未來可能違約。
文章引用法國興業銀行信用策略師 Jitesh Kumar 的測算：Oracle 當前隱含違約風險超過 16%。
雖然 Oracle 是一個極端個案，會拉高 hyperscaler 平均風險，但方向非常重要。
過去這些大型科技公司通常是低資本開支、低信用風險的資產。五年前，平均 hyperscaler 的違約風險比普通投資級公司低三分之二。現在反過來了，它們的違約風險大約比普通投資級公司高 80%。
這句話很關鍵。
它說明市場已經不再把 hyperscaler 視為無風險現金牛，而開始用信用分析框架重新定價它們。
原因很簡單：
它們正在從資本輕公司，變成資本重公司。
這就是 AI 與傳統網際網路時代最大的變化。
四、資本輕的 FANG，變成資本重的 AI 巨頭
過去十年，市場喜歡 FANG。
Facebook、Amazon、Netflix、Google 這些公司最吸引人的地方，是資本輕、邊際成本低、經營槓桿強。
文章引用 MFS 首席投資策略師 Rob Almeida 的說法：Netflix 每新增一個帳戶，邊際成本很低，收入幾乎可以直接變成利潤。這就是資本輕商業模式的魅力。
一個視訊平台、一個搜尋引擎、一個社交網路，使用者越多，單位成本越低，利潤率越高。
但 AI 不一樣。
AI 每一次查詢都不是“零成本”。它需要電力、記憶體、算力、GPU、資料中心和網路資源。
Rob Almeida 說得很直接：
“There’s no leverage, and every query generates costs.”
也就是說，AI 查詢越多，收入可能越多，但成本也同時增加。
這和 FANG 時代完全不同。
傳統網際網路是“使用者越多，邊際成本越低”。
AI 是“使用者越多，算力消耗越大”。
所以，AI 巨頭的商業模式不能簡單套用過去 FANG 的估值邏輯。
如果每一次 AI 查詢都需要真實消耗算力，那麼市場就必須重新計算：
收入增長能不能覆蓋成本？
模型價格能不能守住？
資料中心利用率夠不夠高？
折舊壓力會不會吞掉利潤？
自由現金流還能不能回到股東手裡？
這也是為什麼現金流突然變得重要。
五、現金流重新成為王
“Cash Is King, Again”。這句話非常準確。
過去 AI 交易裡，市場更願意看收入、訂單、資本開支、GPU 供給、模型能力。只要公司說繼續投 AI，市場往往先把它理解成利多。
但現在投資人開始反過來問：
你投這麼多錢，現金流還剩多少？
文章提到，Alphabet 二季度業績遠超預期，但投資人並沒有買帳。市場更關注的是：公司燒掉了 60 億美元現金，並計畫繼續增加資本開支。
這是一種更接近 2008 年的市場行為，而不是 1999 年。
1999 年，市場會獎勵公司“多燒錢搶未來”。
現在，市場會懲罰公司“燒掉現金還繼續加碼”。
Meta 也出現類似情況。文章稱，Meta 當季自由現金流下降 90%，原本可以返還給股東的錢，被投入資料中心和晶片。
圖表也很直觀：Meta 自由現金流在 2026 年明顯塌陷，和前幾年相比出現斷崖式下降。
這說明 AI 資本開支已經不只是利潤表問題，而是現金流問題。
利潤還可以通過折舊、攤銷、會計處理平滑，但自由現金流是真金白銀。
如果自由現金流持續下降，投資人就會擔心三件事：
第一，公司是否需要繼續借債。
第二，股東回報是否會被擠壓。
第三，如果 AI 收入不及預期，是否會形成融資壓力。
這就是市場心理的變化：
以前是“敢花錢就是有未來”；現在是“先證明你花的錢能回本”。
六、為什麼 AI 公司不敢停？
文章也解釋了一個很現實的問題：為什麼 hyperscaler 明知道市場擔心，還不減少資本開支？
答案很簡單：
它們更怕掉隊。
AI 產業還在快速成形，領先者還沒有完全固化。對於 Alphabet、Amazon、Meta、Microsoft、Oracle 這些玩家來說，現在少投，可能意味著未來失去 AI 入口、雲客戶、模型生態和基礎設施優勢。
文章引用 Macquarie 的 Viktor Shvets 的觀點：
當前 AI scalers 認為，落後的風險遠大於過度投資和長期回報下降的風險。
這就是泡沫形成的典型條件。
每家公司單獨看，繼續投資都很理性。因為如果對手繼續投，而自己停下來，就可能永遠落後。
但所有公司一起繼續投，就可能形成行業層面的過度資本開支。
這就是囚徒困境。
單家公司不敢停，整個行業可能投過頭。
這也是 AI 基建最難判斷的地方。
如果需求最後足夠大，現在的投資就是正確的。
如果需求不夠大，現在的投資就會變成未來的過剩資料中心和沉重債務。
七、債務融資正在上升，利率環境卻變了
文章最後提到一個非常重要的背景：hyperscaler 今年預計借款超過 2000 億美元，高於去年的 1250 億美元。
這說明 AI 資本開支越來越依賴債務市場。
過去十多年，這不是大問題，因為全球經歷了長期低利率。金融危機後，聯準會長期維持寬鬆，疫情後又繼續低利率，科技巨頭可以用很低成本借錢擴張、併購、建基礎設施。
但現在利率環境變了。
文章引用 Nedgroup 的 David Roberts 的說法：過去這些公司依靠 QE 和後金融危機時代的廉價債務擴張，吞併對手、做有機增長。那時債太便宜，所以它們可以承擔。現在回到“舊常態”，公司需要為債務支付更高成本。
這對 AI 很關鍵。
如果融資成本上升，而資本開支繼續增加，那麼公司就必須更快地證明收入增長和現金流回報。
否則債券市場不會繼續無條件支援。
這也是為什麼文章最後說，讓信用投資者用 2008 年視角審視 AI 支出，其實是健康的。
因為股權投資者容易被 1999 年類比安慰：技術趨勢會活下來。
但信用投資者更關心：
錢能不能還？現金流夠不夠？融資能不能續？資產價值是不是高估？
這個框架更冷靜，也更殘酷。
八、這篇文章對 AI 投資的啟示
第一，AI 不能再只看 PE。
如果只是股票泡沫，PE、PS、盈利增速就夠了。但如果風險開始轉向信用端，就必須看 CDS、債務融資、利息成本、自由現金流和資本開支強度。
第二，資料中心不只是增長資產，也是潛在信用風險資產。
當需求旺盛、利用率高時，資料中心是現金流機器；當需求不足、價格下降、利用率不夠時，它就是沉重固定資產。
第三，AI 和網際網路平台不是同一種商業模式。
傳統網際網路的邊際成本很低，AI 每次呼叫都有成本。市場必須重新理解 AI 業務的經營槓桿，不能簡單套用 FANG 時代估值框架。
第四，現金流比利潤更重要。
Alphabet 和 Meta 的例子說明，即便利潤和收入好，市場也可能因為自由現金流惡化而賣出股票。AI 資本開支越重，現金流約束越強。
第五，債券市場可能比股票市場更早發出警報。
Oracle CDS 是一個訊號。未來如果更多 hyperscaler CDS 上升、信用利差擴大、債務融資成本上行，AI 交易會面臨更大壓力。
第六，AI 技術趨勢沒有被否定。
文章並不是說 AI 一定會失敗。相反，它承認 AI 收入目前仍然強勁，這讓信用投資者暫時沒有失控。但關鍵在於：收入必須繼續增長，才能支撐資本開支和債務擴張。
九、後續重點跟蹤什麼？
第一，看 hyperscaler CDS。
尤其是 Oracle、Meta、Alphabet、Amazon、Microsoft 等與 AI 資料中心建設相關公司的信用違約互換價格。如果 CDS 繼續上升，說明信用市場風險定價在惡化。
第二，看自由現金流。
利潤表好看不夠，真正要看經營現金流減去資本開支之後還剩多少。Alphabet、Meta 已經給市場上了一課。
第三，看 AI Capex 是否繼續上調。
如果資本開支繼續加速，而收入驗證不足，市場會更加擔心信用風險。如果 Capex 放緩，硬體鏈可能受壓，但云廠現金流壓力會緩解。
第四，看債券發行和融資成本。
文章提到 hyperscaler 借款規模預計從 1250 億美元升至 2000 億美元以上。後續融資利率、認購情況和信用評級變化，都非常關鍵。
第五，看資料中心利用率。
如果資料中心建成後利用率很高，收入覆蓋成本，信用風險會下降；如果利用率不足，問題會迅速暴露。
第六，看 AI 收入能否持續超預期。
目前 AI 收入強勁，這是支撐信用市場信心的核心。如果 AI 收入放緩，而資本開支和債務仍然上升，2008 年式擔憂會進一步加深。
第七，看 token 價格和推理成本。
AI 收入不是只看呼叫量，還要看價格和毛利。如果模型價格戰導致 token 單價下降，而每次查詢成本仍高，現金流壓力會更大。
最後總結
這篇 Bloomberg 文章最重要的，不是說 AI 一定是泡沫，也不是說它一定會變成 2008 年金融危機。
它真正提醒的是：
市場正在換一副眼鏡看 AI。
過去看 AI，大家用 1999 年網際網路泡沫做參照。這個框架關注估值、股價、技術想像和未來贏家。
現在，越來越多人開始用 2008 年信用泡沫做參照。這個框架關注債務、現金流、融資成本、抵押資產和違約風險。
這兩個框架的差異非常大。
1999 年的問題是：股票太貴。
2008 年的問題是：債太多，資產太重，現金流不夠。
AI 現在最危險的地方，恰恰是它可能同時帶有兩者特徵：股票端有新技術敘事，信用端有重資產擴張。
所以，下一階段 AI 投資不能只問：
Nvidia 還能不能漲？
雲廠 Capex 還上不上修？
模型能力有沒有進步？
更要問：
自由現金流還剩多少？
債務融資還能不能續？
資料中心利用率夠不夠？
CDS 有沒有繼續走闊？
AI 收入能不能覆蓋越來越重的固定資產？
一句話概括：
AI 如果像 1999，跌的是估值；AI 如果像 2008，考驗的是信用。
而現在，市場真正擔心的，正是 AI 從一場股票估值泡沫，逐漸滑向一場資本開支和信用周期的壓力測試。 (大行投研)