Bloomberg 今天丟出一篇標題很直白的文章：「AI 泡沫要破了嗎？」三年過去，華爾街自己都搞不定這個問題——有人說投資人低估了 AI，有人說砸進去的錢已經變成一顆定時炸彈。
我不是金融分析師，但身為一個每天跟 AI 工具打交道的開發者，我想從技術端的角度聊聊：錢到底去了哪裡，哪些地方看得到回報，哪些地方還在燒。
錢去了三個地方
第一塊：算力基礎設施。 Jensen Huang 在 GTC 2026 說 Blackwell 加 Vera Rubin 的訂單量預計到 2027 年達到一兆美元。雲端合作夥伴的 GPU 總量突破 100 萬顆。這些錢是實打實花出去的——資料中心、電力、散熱、光纖。你用 Claude、GPT 或任何一個 AI 服務，背後都是這些硬體在撐。
第二塊：模型研發。 OpenAI、Anthropic、Google、xAI、DeepSeek——每家都在瘋狂燒錢訓練下一代模型。GPT-5.4 三個月內把推理效率提升 32 倍，Groq 3 LPU 的推理速度是 GPU 的 35 倍。這些進步是真的，但訓練一個前沿模型的成本也是真的——動輒數億美元。
第三塊：應用層。 這是最有爭議的部分。AI 能寫程式碼、起草合約、做行銷企劃，但多數企業還在「試水溫」階段。UniCredit 預估 AI 五年內能省下 €4-5 億的營運成本。Xbow 用 AI 做自動化資安測試，剛拿到 $1.2 億的 C 輪，估值破十億。這些是看得到回報的案例，但它們是例外還是常態？
兩種截然相反的觀點
看多派：橡樹資本的 Howard Marks。 他說投資人「低估了 AI」。他的邏輯是：AI 讓世界變得前所未有地不可預測，而不可預測性恰恰是超額回報的來源。他看的不是個別公司，是整個生產力曲線的位移。
看空派：Bloomberg 的核心質疑。 三年砸下去的錢已經「膨脹成懸在金融市場頭上的巨大負債」，但回報模式還不清楚。AI 確實能做更多事了，問題是這些事的商業價值能不能撐住投入的成本。
我自己的觀察是：基礎設施層的錢花得值，應用層的錢花得還不確定。
GPU 不會白買——只要有人需要跑推理、訓練模型，這些硬體就有用。但應用層的故事不一樣。很多公司買了 AI 工具，用了三個月發現它只能處理 60% 的案例，剩下 40% 還是得靠人。這個落差就是泡沫的溫床。
對開發者來說，真正重要的信號
推理成本在自由落體。 GPT-5.4 比 5.2 便宜 32 倍，每個任務只要 $0.37。這不是擠牙膏式的進步，是數量級的變化。推理成本降到夠低的那一刻，很多原本「算不過來」的應用場景會突然變得可行。
Agent 正在取代 Chatbot。 Jensen Huang 在 GTC 上說 OpenClaw 是「下一個 ChatGPT」。xAI 的 Grok 4.20 一次跑 16 個 Agent 協同工作。Google DeepMind 花 $200K 辦 hackathon 來設計 AGI 評測基準。整個產業的注意力正在從「聊天機器人」轉向「能完成任務的 Agent」。
安全變成硬需求。 Xbow 拿到獨角獸估值不是偶然。AI 越強大，用 AI 來攻擊和防禦就越重要。Oege de Moor（GitHub Copilot 和 Advanced Security 的創造者）選擇創立一家 AI 資安公司，這個選擇本身就是一個信號。
政治風險是新變數。 Anthropic 被五角大廈列為「國安風險」，因為拒絕讓 Claude 用於自主武器。AI 公司和政府的關係正在分化——OpenAI 透過 AWS 賣 AI 給軍方，Anthropic 拒絕然後被告。這個分裂會影響開發者的工具選擇和平台策略。
回到最初的問題
AI 泡沫會不會破？我認為更精確的問法是：哪一層會破，哪一層不會？
算力層不太會破。全世界對推理的需求只會增加，不會減少。模型層會洗牌——不是每家公司都能持續燒幾十億訓練前沿模型，但存活下來的會非常強。應用層會破一波——那些「把 ChatGPT 包一層皮就收費」的產品會被淘汰，但真正解決特定問題的應用（像 Xbow 做資安、Cursor 做程式碼）會活下來。
對開發者來說，現在是個好時機。工具越來越便宜，能力越來越強，唯一的問題是：你用它來解決的問題，值不值得被解決？
如果你的 AI 應用只是「讓已經會做的事變快一點」，那可能撐不久。但如果它能讓人做到「原本根本做不到的事」——比如一個人管理 100 個資安測試、或用 16 個 Agent 同時做市場研究——那你踩在的不是泡沫，是地基。
三年後回頭看，我猜最大的驚喜不會是「AI 能做什麼」，而是「成本降到多低」。當推理成本降到接近零的時候，所有關於泡沫的討論都會變得多餘。問題只剩下：那時候你準備好了沒有。
