經濟日報社論／AI泡沫化爭論下 台灣應有的思維

從OpenAI推出ChatGPT以來，生成式AI帶動過去三年來的風潮，社會大眾逐漸將AI應用於生活中的大小瑣事，從旅遊行程安排，到學習輔助，甚至是醫療常識、法律諮詢等；另一方面企業也積極尋求應用AI之道，寄望透過AI應用提升營運效率、降低成本，甚至開創新的商業模式。

在此波浪潮下，首先受惠者例如OpenAI等AI演算法開發業者，在資本市場吸引大量資金投入；其次則為AI算力供應鏈業者，從雲端運算到終端伺服器供應商、製造商及上游零組件廠商（包括晶片供應商與半導體製造業者），受惠於AI資料中心建置所帶動的算力需求。

不過，這一波AI所帶來的產業榮景，本質上是從投資的角度獲益。以AI演算法或應用的新創業者來說，多數尚未產生實質獲利，但已從創投資本獲得大量資金挹注。AI算力供應鏈業者，則是得利於大型雲端服務業者在算力資料中心上的大量資本投入。近期的AI榮景是因為整體產業處於投資周期初期，出現大量的基礎環境投資需求所帶動。

也就是說，實際從AI產生的獲利仍屬有限。因此，包括我國央行在內，各界紛紛開始探討AI投資泡沫化的可能性，以及未來可能面臨的風險，包括資本市場的風險到產業經營風險。以我國央行近期所發布的分析報告為例，認為AI產業間的閉環交易結構複雜，若未來AI獲利變現不如預期，恐因其不透明性而加劇系統性風險。此外，AI資料中心對電力需求龐大，以及AI對勞動市場的衝擊，都潛在不確定的風險。

當然，央行對AI仍保持審慎樂觀，認為AI技術進步展現發展潛力，雖然目前終端應用與商業化模式尚未成熟，但新技術落實至生產力提升的過程，勢必歷經調整與適應過渡期，這是科技發展的必經之路。

從技術與產品發展生命周期的角度來看，目前AI應正從萌芽期進展到快速成長期之間，當然也就面臨了死亡之谷的考驗。在過去AI快速發展的三年間，資金與研發資源大量投入在AI基礎模型的發展上，也帶動了研發AI模型所需的基礎環境需求，包括算力與資料的需求，也造就了當下百花齊放的AI榮景。但是要從萌芽期推進到快速成長期，關鍵在於相關應用能否順利推進到各行各業中，並且快速推進到一般使用者、尤其是商業環境之中。

不過壞消息是，根據ＭIT的研究數據顯示，全球逾300個生成式AI專案中，高達95%尚未產生實質投資回報。雖然如此，大型雲端服務龍頭業者於2026年仍將有雙位數的資本支出成長，繼續投資在算力之上。這也使得算力等基礎環境的投入，已經成為大廠的資本遊戲，國際AI軟硬體巨頭透過交叉投資與股權交換，進入循環式AI經濟。

這樣的資本遊戲已非一般中小型經濟體所能參與，只是此一發展局勢也帶給我們對AI浪潮的反思。產業面臨AI帶來的競爭，應該要從盲目的規模擴張回歸到「健康成長」的模式。面對AI投資過熱的風險，未來更應思考在短期熱點以外，將資源投入開發可落地、具商業模式的AI應用。

從硬體供應鏈的角度而言，當務之急是進行多元化布局，避免過度依賴單一技術供應源，降低對特定市場熱點的依賴。同時，亦應積極掌握目前國際上的主權AI風潮，在各國政府為提升AI自主掌握程度時，將興起另一波算力投資風潮，如歐盟的AI工廠計畫，以及美國的星際之門計畫等，藉此進一步分散供應鏈客戶過於集中的風險。

短期內，我國AI算力供應鏈來自於下游雲端業者的訂單仍屬穩定，甚至有溫和成長的動力。但在長期來說，業者仍將面臨來自客戶端基礎環境投資減緩的潛在風險。以台灣資通訊供應鏈而言，更應該思考尋求在AI應用的多元布局，甚至從單純的硬體供應，朝整體解決方案與應用開發等方向進行升級轉型。