AI泡沫規模驚人 研究機構：達網路泡沫的17倍、2008房市泡沫四倍

人工智慧 (AI) 投資究竟是不是泡沫，已經掀起正反兩派論戰，獨立研究機構 MacroStrategy Partnership 發布報告指出，人為壓低的利率環境中吹大了 AI 泡沫，如今規模已經達到網路泡沫時期的 17 倍、2008 年次貸泡沫的四倍，而 AI 投資的規模已經達到極限。

MacroStrategy Partnership 擔任 220 家機構投資人的顧問，分析師團隊成員包括曾任瑞銀 (UBS) 大宗商品商品策略團隊的 Julien Garran。

這個數據的計算，需追溯到 19 世紀瑞典經濟學家 Knut Wicksell 的理論：當企業借貸成本高於名目國內生產毛額 (GDP)2 個百分點時，資本才算獲得有效配置。聯準會(Fed) 長期量化寬鬆 (QE) 壓低公司債利差，使資本錯配累積，如今這個差距才剛轉為正值。

Garran 進一步計算所謂的 「Wicksellian 缺口」(Wicksellian deficit），這不僅涵蓋 AI 投資，還包括住房、商辦地產、NFT 與創投。他認為這就是 GDP 中因低利率而被錯配的部分。

Garran 也針對大型語言模型 (LLM) 的實際效能提出質疑。他援引的研究顯示，某軟體公司的任務完成率介於 1.5% 到 34%，這代表完成率難以穩定重現。

阿波羅 (Apollo) 經濟學家 Torsten Slok 先前根據美國商務部數據指出，大型公司的 AI 採用率正在下降。他還提出一些真實測試案例，例如請一個圖像生成器創作「白方只需一步就能贏的棋盤」，結果離正確答案還差得遠。

Garran 認為，LLM 已經走到擴展的極限。

他說：「我們不知道 LLM 何時會撞上報酬遞減的瓶頸，因為我們沒有衡量語言統計複雜度的指標。要知道是否撞牆，我們必須觀察 LLM 開發人員。如果他們推出一個模型，成本比前一代高 10 倍、算力需求高 20 倍，但效果卻不比現有模型好多少，那麼我們就算是撞牆了。」

報導認為，這一切正在眼前發生：ChatGPT-3 花了 5000 萬美元開發，ChatGPT-4 為 5 億美元，而 ChatGPT-5 投入 50 億美元，卻延遲推出，而且即使後來發布了，也並沒有明顯比上一代更好。不僅如此，也很容易被競爭對手迎頭趕上。

Garren 指出，這代表難以開發出一個具有商業價值的應用，「每一代 LLM 的訓練成本以指數級上升，但準確率的提升卻迅速遞減。模型本身沒有護城河，所以定價能力很弱。最大量使用 LLM 的人其實是在存取一種算力，對開發商來說，這種成本比用戶每月訂閱費還要高。」

Garran 的結論非常明白：已停滯的經濟會因為資料中心與財富效應觸頂反轉而陷入衰退，更糟的是，這些效應將會逆轉，就像 2001 年網路泡沫破裂時一樣。

他說：「危險在於，這不只會把我們推入 投資時鐘第 4 區（第 4 區為通縮性崩盤, deflationary bust），還會讓聯準會 (Fed) 與川普政府很難藉由刺激措施讓經濟走出困境。這意味著將需要更長一段時間推動通貨再膨脹 (reflation)，有點像 1990 年代初期儲貸危機(S&L Crisis) 之後的情況，政府甚至可能採取 特殊措施，包括讓美元貶值以推動產業回流。」

該公司目前的投資建議是：加碼資源與新興市場、特別是印度與越南，減碼 AI 與平台公司。他們還建議做多黃金股票、做多短期美國公債、做多波動率 (VIX)、以及做多日元兌非美元的大多數貨幣。