AI 是泡沫嗎？a16z 用數據回答：這次和 dot-com 不一樣

本文整理自《The a16z Podcast》2026 年 2 月播出的單集。

80% 的回報來自 AI，但這代表泡沫嗎？

如果你只看一個數字就要判斷 AI 到底有多熱，這個數字大概是：AI 贏家企業幾乎佔了 S&P 500 回報的 80%。這是 Andreessen Horowitz（a16z）合夥人 David George 在他們首份「State of Markets」報告中揭示的數據，而這個數字立刻引來了一個不可迴避的問題：這是不是又一個 dot-com 泡沫？

George 的回答很明確：不是。但他不是用信仰在回答，而是用結構性的數據拆解。在他看來，公開市場目前的價格確實高於歷史平均，但背後有實質的獲利支撐，離 dot-com 時代的瘋狂還有很大的距離。

他的核心論點是：這一輪的科技龍頭，是人類商業史上最好的企業。這不是誇飾，而是可以從長期利潤率的趨勢中直接讀出來的事實。投資人現在付出的溢價，買的是利潤，不是虧損中的成長。這跟 2021 年的氛圍截然不同，更不用說 2000 年了。他引用了一個簡單的四象限分析：把公司按高/低成長和高/低利潤率分成四類，高成長高利潤的公司獲得最高的估值倍數，而且這些估值在調整利潤率之後，其實沒有那麼誇張。

CapEx 很大，但跟 dot-com 是兩回事

AI 基礎設施的資本支出規模確實驚人。根據目前的估算，到 2030 年累計的超大規模基礎設施投資將接近 5 兆美元。光看這個數字，任何有記憶的人都會想到 2000 年前後瘋狂鋪設光纖的場景。但 George 認為，結構上有幾個根本性的差異。

首先，這一輪的資本支出是由歷史上最賺錢的企業在支撐。Meta、Microsoft、AWS、NVIDIA，這些公司不是燒創投的錢在蓋資料中心，而是用自己的現金流。CapEx 占營收的比例，跟 dot-com 時代相比低得多。

其次，AI 營收的上升速度遠快於當年雲端的起步速度。George 拿了一個很有意思的對比：Azure 花了七年才達到 AI 營收一年就跑到的水準。Azure 營收超過 CapEx 花了十年，而他認為 AI 的回本週期會快得多。

但他也沒有粉飾風險。他特別點出了兩個訊號。第一，債務正在進入這個體系。光靠現金流已經不夠覆蓋未來預計的 CapEx，大型科技公司開始舉債。第二，投資高度集中，這本身就帶有風險。

他對 Meta、Microsoft 這些公司舉債不太擔心，因為它們的信用品質極高。但不是每家公司都一樣。他直接點名了 Oracle，說這是一場「全公司押注」式的轉型：Oracle 正在把自己變成雲端公司，為此將連續多年處於現金流為負的狀態，而他們的信用違約互換（CDS）成本在三個月內已經攀升到 2%。George 不是說 Oracle 會出事，但他在密切觀察。

沒有暗 GPU：供需的根本差異

在 George 的整段論述中，我覺得最有畫面感的比喻來自他引用的投資人 Gavin Baker。Baker 把 AI 的基礎設施建設跟 2000 年的光纖狂潮做了對比，結論只有一句話：「沒有暗 GPU。」

dot-com 時代，電信公司瘋狂鋪設海底和陸地光纖，但鋪完之後發現沒那麼多資料要傳。大量光纖就這樣暗躺在那裡，閒置了好幾年才慢慢被用上。這就是所謂的「暗光纖」（dark fiber）。但 GPU 不一樣。George 說，你把一顆 GPU 裝進資料中心，它幾乎是立刻就被完全利用。所有超大規模業者都回報，需求遠遠超過供給。

更值得注意的是老舊晶片的狀況。Google 自己揭露的數據顯示，七到八年前的 TPU 利用率仍然是 100%。a16z 團隊也密切監控二手 GPU 市場的價格，A100 和 H100 的租金一直維持在相當健康的水準。這表示舊世代的晶片並沒有被淘汰閒置，而是持續在產出價值。

這裡面有一個看似矛盾的動態，George 把它稱為 AI 的核心悖論：每單位 token 的成本持續下降，但總消費量反而更快地上升。推理成本降了，用量就爆了。這跟很多人擔心的「便宜了就不值錢了」完全相反。至少目前為止，需求的彈性遠大於價格下降的幅度。

500 億到 1 兆：一道簡單但關鍵的數學題

George 被追問目前 AI 產業的實際營收規模時，給了一個坦率的估算：大概在 500 億美元左右。這個數字包含了 OpenAI、Anthropic、各家雲端的 AI 營收、以及各種 AI 應用。他承認精確計算很難，因為大型科技公司有時候會把數字包裝得有利於自己的敘事，但數量級應該差不多。

這裡有一道關鍵的數學題。如果超大規模業者到 2030 年的累計 CapEx 接近 5 兆美元，要達到 10% 的投資回報率，AI 年營收必須達到大約 1 兆美元。1 兆美元大約是全球 GDP 的 1%。George 認為這有可能達成，但也可能會差一點。不過他提醒，不應該只看 2030 年這個截止點，AI 的回收期可能會延伸到 2030 到 2040 年之間。

更震撼的是他提供的另一個對比。2025 年，整個公開軟體產業（包括 SAP 這類老牌企業）新增了大約 460 億美元的營收。而光是把 OpenAI 和 Anthropic 的 run rate 加起來，就幾乎達到了這個數字的一半。他預估 2026 年，AI 模型公司的新增營收將達到公開軟體產業的 75% 到 80%。換句話說，兩三家公司的營收增量，即將追上整個傳統軟體產業。

高盛的估算更為宏觀：AI 將帶來 9 兆美元的營收，假設 20% 的利潤率和 22 倍本益比，換算出來是 35 兆美元的新市值。目前已經被提前反映（pull forward）的市值大約是 24 兆，所以如果假設正確，理論上還有超過 10 兆美元的上行空間。

私募市場：權力法則正在加劇

George 在報告中花了一段篇幅談私募市場的結構性變化，幾個數字特別值得記住。過去 20 年，美國公開上市公司的數量減少了一半。營收超過 1 億美元的公司裡，大約 86% 是私有公司。公司留在私募市場的時間越來越長，而且能長到比以前大得多才上市。

價值的集中度也在加劇。北美和歐洲獨角獸公司的總估值大約是 5.5 兆美元，但前十大獨角獸就佔了將近 40%，而且這個比例從 2020 年以來翻了一倍。George 提到 a16z 在前十大裡投了七家，語氣裡既有自豪也有對權力法則的敬畏。

他還秀了一張讓我印象很深的圖。如果你追蹤 S&P 500 成分股公司的平均壽命，也就是一家公司從進入 S&P 500 到被踢出去的平均年數，過去 50 年這個數字下降了 40%。公司被顛覆的速度越來越快，在指數裡待的時間越來越短。這不是 AI 時代才開始的趨勢，但 AI 幾乎可以確定會讓它加速。

George 最後用「Model Buster」這個概念做了總結。他借用了自己過去寫過的分析框架：有些公司的成長速度和持續時間，會遠遠超出任何人在試算表裡能建出來的模型。iPhone 是經典案例，iPhone 上市後四年，華爾街的共識預測跟蘋果的實際表現差了三倍，而蘋果已經是當時被追蹤最密集的公司。George 認為 AI 領域也會出現同樣的狀況：很多公司的實際表現會大幅超越任何合理的預測。

我的觀察

George 這份報告最有價值的地方，不在於他的結論是「不是泡沫」，而在於他拆解問題的方式。他沒有迴避 CapEx 規模驚人、投資集中度高、債務正在進入這些事實。他只是用數據說明，這一輪的資本支出有現金流支撐、老 GPU 沒有閒置、需求持續超過供給。至於 2030 年 AI 營收能不能到 1 兆美元、能不能讓 5 兆的投資回本，他自己也只說「有可能，也可能差一點」。這種坦率在創投圈並不常見，我覺得反而讓整份報告的可信度更高。