哈佛研究員：從網路泡沫看AI 警惕過度炒作

人工智慧 (AI) 技術的快速發展引發全球關注，但也伴隨著市場過熱的警訊。哈佛高級研究員 Paulo Carvão 近日發表文章，深入探討 AI 是否正處於泡沫破裂的邊緣，並將其與 2000 年的網路泡沫時代進行對比，指出儘管 AI 潛力巨大，短期內卻可能面臨調整。

AI 泡沫與網路泡沫的驚人相似之處

Carvão 認為，當前 AI 相關市場呈現出與網路泡沫時期類似的風險信號包括：

股票市場集中度過高：目前 AI 相關市場由「七大科技巨頭」—Alphabet(GOOG-US)、Amazon(AMZN-US)、Apple(AAPL-US)、Meta(META-US)、Microsoft(MSFT-US)、Nvidia(NVDA-US)、Tesla(TSLA-US) 主導，其股票佔比超過三分之一，遠超 2000 年網路泡沫峰值時頂尖科技股 (Cisco、Dell、Intel、Lucent、Microsoft) 僅佔指數 15% 的水準。這種高度集中的市場敘事，使投資者對潛在風險感到不安。

基礎設施投資規模失衡：在網路泡沫時期，電信基礎設施 (如光纖網路) 因短期需求不如預期而過度建設，最終導致大量企業破產。如今，頭部 AI 企業正投入數百億美元建設新資料中心，相關總資本支出討論規模甚至達到萬億美元級別，引發「需求能否匹配投資」的擔憂，警示歷史重演的風險。

高滲透率與低回報的矛盾

儘管市場存在泡沫警訊，AI 技術的普及速度卻令人驚訝。在消費者端，OpenAI 的 ChatGPT 在 2025 年 7 月單月網站訪問量超過 50 億次，顯示出消費者對 AI 的極高關注度。

美國國家經濟研究局 (NBER) 的調查數據也指出，約 40% 的美國人口報告使用過生成式 AI，約 23% 的人口在調查前一週內至少一次將生成式 AI 用於工作。該研究結論強調，從產品初始發布後的應用速度來看，工作場景中的生成式 AI 普及速度甚至超越了個人電腦 (PC) 和網路，這表明 AI 具備經濟學家所稱的「通用技術」屬性，可能對經濟產生深遠而廣泛的影響。

低投資回報：95% 項目面臨困境

然而，AI 投資的回報情況卻不容樂觀。麻省理工學院 (MIT) 研究人員在 2025 年 1 月至 6 月對 300 多個公開披露的 AI 項目進行調查，結果顯示，高達 95% 的 AI 項目未能獲得任何投資回報。

成功的 5% 項目關鍵：研究同時發現，僅有的 5% 成功 AI 項目具備三個共同特徵：

• 「外購而非自建」：選擇成熟的 AI 解決方案以降低研發成本與技術風險。
• 「在業務單元內執行」：將 AI 應用落地於具體業務部門，而非依賴脫離實際需求的中央實驗室。
• 「工具整合現有工作流」：選用與企業現有業務流程、系統兼容的 AI 工具，減少技術落地阻力。美國第二大銀行美國銀行便是一個典範，其整合 AI 工具協助銀行家準備客戶會議，將過去數小時甚至數日的工作縮短，體現了 AI 與業務流程整合的成功模式。

AI 技術發展的爭議與市場警示

當前 AI 技術的進步主要依賴於大型語言模型，其核心邏輯是「規模驅動」——即投入更多的計算能力與數據，帶來更優的模型效果。然而，這一發展路徑正遭受權威人士的質疑。

AI 先驅 Richard Sutton 雖曾提出「痛苦教訓」(The Bitter Lesson) 肯定計算能力的重要性，但近期他已批評行業過度聚焦「規模化」的趨勢，呼籲轉向研發「能夠持續學習的智能體」。

另一位知名 AI 批評者 Gary Marcus 亦重申其數十年來的立場，認為以「規模驅動」為核心的發展模式並非 AI 技術的未來方向，並引用 OpenAI 最新 ChatGPT-5 所獲的「混合評價」佐證。

值得注意的是，兩位學者雖對現行技術路徑提出質疑，但均認可 AI 的長期發展潛力，並認為行業需要探索替代技術路徑，這意味著未來可能需要投入更多 (而非更少) 的研發資源。

市場過熱的警示信號

即便連本輪 AI 熱潮的重要推動者 OpenAI CEO Sam Altman，近期也公開表示市場可能存在過度加熱的情況。

他與其他投資者共同指出當前市場存在三大風險：

• AI 相關企業的估值過高，脫離實際業務表現。
• 過多資金湧入 AI 領域，追逐未經過市場驗證的商業模式。
• AI 基礎設施建設速度可能超過市場需求增長速度，導致資源浪費。

這些警示並非否定 AI 的長期價值，而是擔憂短期內過高的市場預期可能引發劇烈的市場調整，當投資者意識到部分 AI 項目無法實現預期回報時，可能出現集中撤資等行為，對 AI 市場的短期穩定造成衝擊。