AI：牛方與熊方
在展開辯論之前，必須承認大型股票與比特幣與全球流動性有密切關聯。二○○○年科網泡沫爆破的原因，是因為美國聯儲局收緊了寬鬆貨幣政策——原本擔心的千年蟲危機最後僅屬小事，並未成為事件。當資金環境收緊，加上科網股估值過高、收入甚少甚至沒有收入、商業模式存在缺陷，泡沫自然爆破。因此，只要全球流動性維持現有步伐，人工智能的泡沫很可能會繼續膨脹。
若以國內生產總值（GDP）增長來分析，可拆解為：人口增長 + 生產力增長 + 債務增長。人口老化導致勞動力縮減（工人減少，退休人口拖累），迫使經濟必須依靠不斷擴張債務以維持。各國政府透過流動性注入來貨幣化，造成每年約 8% 的貶值率，推高資產如比特幣（與全球流動性有 80–90% 的相關性），同時懲罰持有現金者。
二○二五年某些時候流動性放緩，原因包括政府停擺導致債務再融資延誤，加上十月比特幣做市商問題，之後 MSCI 因可能將 Microstrategy (MSTR) 剔出指數而引發波動，造成現時比特幣與納斯達克出現「鱷魚口」式錯位。然而，預期二○二六年比特幣價格將會急升，因為美國有十兆美元債務到期、SLR 改動（帶來三至四兆美元銀行信貸）、以及財政刺激措施如小費稅減免（帶來一點五兆美元推動）。
這顯示至少在二○二六年，人工智能密集的板塊，例如鈾及數據中心，以及比特幣相關股份，將隨着全球流動性發揮作用而持續上升，推動主要指數再創新高。
人工智能的牛市情境
人工智能確實帶有投機成分，但亦有確鑿證據顯示：（a）我們可能仍處於真正多年的建設初期階段；（b）技術能力與需求正以足夠快的速度疊加增長，足以消化現時的大量資本開支；（c）只要全球流動性保持寬鬆，牛市合理地有可能再持續一至兩年。
1. 人工智能能力與使用量正以極快速度疊加增長
最新的實證研究（METR 及後續分析）顯示，人工智能代理能處理的任務長度與複雜度，從二○一九年至二○二五年間大約每七個月便翻倍一次，這被視為「新摩爾定律」，速度遠快於歷史上的硬件擴展。這並非僅屬基準測試的瑣事：事實上，人工智能某些方面甚至每三個半月至六個月便翻倍。
· Google 報告指出，在短短八個月內（2024 年 12 月至 2025 年 8 月），人工智能代幣使用量增加了約十四倍，顯示這是極快速的實際應用採納，而非純粹的投機炒作。
· 企業已經在為人工智能付費：多個買方分析估計，標普 500 指數市值中約有 15–25% 反映了對人工智能帶來盈利提升的具體預期，而非幻想中的三十年折現現金流。
若人工智能能力繼續每約六至八個月翻倍，許多現時被視為「非經濟性」的工作負載（代理、流程自動化、程式編碼、設計、支援服務）將比熊派預期更快變得具經濟吸引力，從而把實際收入與使用率拉升至現時已過度建設的基礎設施之上。
2. 需求仍然超越產能，而非相反
來自業績電話會議的硬數據推翻了「產能過剩」的簡單說法：
· Morgan Stanley 與 Bloomberg 估計，AI 及 cloud capex 在 2025 年將按年上升約 60%，達至約 4,900 億美元，而 2026 年的預測亦被上調，原因是「客戶對 AI applications 的需求持續超越產能」，涵蓋美國及中國的 hyperscalers 以及 CoreWeave、Oracle 等 neo‑clouds。
· 在 2025 年第三季，大型科技公司的 AI capex 按年上升 75%，達至 1,134 億美元，為全年最快增長。Amazon、Alphabet 及 Meta 均上調了 2025 及 2026 年的 capex guidance，理由是 AI 需求較預期更強，來自內部及外部客戶。
· AI 與 robotics 的指數級增長正推動全球進入另一個臨界點。Elon Musk 亦理解這一點。然而，兩者目前對經濟的影響仍不足以令其進入供給驅動的通縮狀態，因為央行正創造創紀錄的流動性。雖然最新的 CPI 數據顯示出顯著的通脹放緩（disinflation），但 AI 與 robotics 正快速追趕，按照 Elon Musk 的估算，美國經濟將在三年內進入供給驅動的通縮期。
這與後期泡沫（例如 1999 年光纖）有重要分別：當時的利用率多年來都未能追上；但在現時情況下，供應商仍然報告 GPU clusters 售罄及存在等候名單。這並不代表未來不會出現過度建設，但卻強烈支持未來一至兩年仍屬於產能受限、利於增長的格局。
3. QE 與全球流動性仍然有利於風險資產
有關全球超額流動性的實證研究顯示，央行資產負債表增長與股票回報之間存在持續關聯：在 2000 年之後，全球股票的主要牛市階段與 Fed、ECB 及 BoJ 的擴張同時出現，而收緊階段（2000–02、2007–09、2018、2022）則與主要回調相吻合。
今日情況：
· 儘管表面上是「QT」，主要央行仍透過不同渠道（儲備管理購買、常設便利、swap lines）再次注入淨流動性，而全球超額流動性指標仍然處於高位。
· 信貸狀況遠未達到 2000 年式的緊縮；IMF 與 BIS 的研究指出，高企的公共債務已經限制了收緊政策的力度，令政策更傾向於透過低實際利率及支持性流動性進行金融壓抑，而非 Volcker 式的加息。
科網泡沫的高峰出現在 2000 年 3 月，當時 Fed 已明顯轉向收緊政策；目前我們尚未到達這一步。只要全球流動性仍在擴張，或至少沒有顯著收縮，歷史顯示對於高估值的增長型及 AI 資產而言，最小阻力的走勢仍然是向上或橫行，而非立即崩潰。同時亦不要忘記，在科網熱潮期間，沿途曾出現大幅回調，主流媒體在 1998 年甚至高呼泡沫已經爆破。當年十月，許多頂尖交易員亦大幅做空市場。
4. 現時估值雖然偏高，但並非 1999 年式的瘋狂
即使是持懷疑態度的分析亦承認，Nvidia、Microsoft、Alphabet、Amazon 及 Meta 仍然高度盈利並擁有強勁的自由現金流，與許多從未賺過一美元的科網公司截然不同。具體要點如下：
· Nvidia 的交易估值約為 40–45 倍過去盈利，以及低 20 倍的前瞻市盈率（forward P/E），相比之下 Cisco 在 2000 年高峰時的估值約為 200–470 倍過去盈利及 130 倍前瞻市盈率；其收入及每股盈利（EPS）增長仍維持三位數。
· 多份機構研究（如《Ten reasons we are not in an AI bubble》、《Are we in an AI bubble or just at the beginning of a productivity boom?》）指出，若以 PEG 或現金流基準來看，今日的領導企業雖然昂貴，但大致與其增長狀況相符，尤其在人工智能推動即使是溫和的生產力加速時更為合理。
換言之：邊緣部分確實存在泡沫（小型股、尚未有收入的 AI 公司），但人工智能交易的核心是建立在非常真實的現金流之上，並非像 Pets.com 那樣的估值水平。
5. 過度支出其實可以加速變現
歷史顯示，「浪費式」的過度建設往往比審慎投資更快孕育未來的盈利池：
· 九十年代的光纖過度建設留下了 dark fiber，後來成為廉價寬頻及 cloud 的基礎；早期投資者雖然虧損，但這些基建卻促成了整整十年的互聯網盈利業務。
· AI infra 更具靈活性：未使用的 GPU capacity 可以迅速重新分配至新 workloads，而 hyperscalers 可以在自家產品與外部客戶之間靈活調整產能。
現時的 AI arms race 中，大型科技公司在 2025–27 年承諾超過 1.1 兆美元的 capex，迫使它們必須尋找或創造變現方式，將 AI 整合至 search、ads、生產力套件、cloud 及 consumer apps。這種壓力更可能推動盈利用例提前落地，而非令 data centers 永久閒置。
6. 策略性誘因令競賽持續
最後，這並非一般的消費互聯網潮流；各國政府與企業均視之為策略性基建：
· 美國、歐盟及中國的政府明確將 AI 定位為國家安全及工業競爭力的核心，並以補貼及有利的監管支持私人 capex。
· 對於頂尖平台而言，AI 是生死攸關：它們在 search、cloud、social 及 e‑commerce 的核心業務正被重寫。這正是它們願意讓 AI capex 在數年間佔據 80–90% operating cash flow 的原因，因為若失去這場競賽，將永久損害它們的護城河。
這種國家層面與護城河防禦的雙重誘因，使得沉重的支出更可能至少持續至 2026–27 年，既支持供應商的盈利增長，亦為領導者提供敘事上的支持。
綜合而言：誠然，部分指標顯得泡沫化，而在 2020 年代後期產能過剩確實是一個尾部風險。但有關能力翻倍、使用量增長、capex 仍在追逐需求、全球流動性及現時盈利的硬數據，均支持我們仍處於真正科技 S‑curve 建設階段的可信論點。在此觀點下，AI 牛市合理地可以再持續一至兩年（甚至更長），尤其在央行流動性仍具支持力，以及加速的創新有助將今日的「過剩」基建轉化為明日的盈利引擎。
Leave a Reply