人工智慧（AI）基礎設施投資狂潮持續推升全球資本市場規模，但隨之而來的債務風險也逐漸浮上水面。一方面，雲端巨頭未來數年的資本支出規模已直逼數兆美元等級，且相當比例仰賴舉債；另一方面，企業端卻已開始為居高不下的 AI 使用成本喊卡，雙重訊號顯示這場 AI 投資盛宴正進入新的檢驗階段。

高盛最新報告預估，從 2025 年到 2030 年，超大規模雲端業者在 AI 與資料中心領域的資本支出將累計達到 5.3 兆美元，堪稱史上規模空前的資本開支週期。

報告同時指出，這些雲端巨頭勢必得向各類市場尋求融資，並可能在流動性信用市場上面臨飽和瓶頸。

紐約大學榮譽教授 Gary Marcus 轉發相關分析時，稱高盛這段話「令人不安」。他表示，如今的問題已不是超大規模 AI 模式會不會崩潰，而是屆時的「附帶損害」會有多大。

Marcus 進一步直言，雲端巨頭幾乎不可能單靠自身收回這 5.3 兆美元的投資，除非靠龐大的政府補貼從納稅人身上彌補缺口，而這正是業者打算採取的路線。

摩根士丹利的測算則提供了更細的資金結構。該行估計，到 2028 年全球資料中心建設的資本支出將逼近 2.9 兆美元，資金來源大致包括：

• 超大規模業者自有現金流約 1.4 兆美元；
• 企業債約 2000 億美元；
• 資產證券化信貸約 1500 億美元；
• 私募信貸與資產抵押及合資債務約 8000 億美元；
• 以及其他資本約 3500 億美元。

換言之，這波 AI 基建投資相當大一部分仍是靠信貸支撐。

值得留意的是，由於能發行巨額公司債的雲端業者就那麼幾家，市場已開始擔心發行人過度集中的風險。

加上資料中心本身並非單一資產，而是涵蓋土地、電力、網路、建築、冷卻系統與伺服器設備的複合體，融資需求因此外溢到基建基金、不動產基金、私募信貸與企業債等多個市場。

一旦市場出現系統性調整，損失傳導的鏈條恐將比網路泡沫時期更為錯綜複雜。

企業集體喊卡：從「盡情使用」到「AI 財務紀律」

就在資本市場端持續加碼之際，企業使用端卻出現明顯降溫訊號。隨著 AI 運算成本攀升，企業正重新評估每一次查詢與自動化流程是否真的「划算」。

其中，叫車巨頭 Uber (UBER-US) 是最具代表性的案例之一。據報導，Uber 今年 4 月就已用完原本編列給整年的 AI 預算，因此宣布對員工使用單一 AI 工具的月度用量設下 1500 美元上限。

Uber 總裁兼營運長 Andrew Macdonald 坦言，如今要證明 AI 支出的合理性越來越困難，很難在花費與實際產品效益之間劃出明確的因果關係。

沃爾瑪 (WMT-US) 同樣對內部 AI 助手的使用量設置上限。該公司全球技術長 Suresh Kumar 表示，旗下程式開發平台 Code Puppy 的使用量「急速飆升」，如今已是該退一步重新檢視的時刻。

這波降溫背後，反映的是計費模式的結構性轉變。隨著 Anthropic、OpenAI 等主要業者陸續將部分服務由固定訂閱制改為按用量（token）計費，企業對每一筆提示詞與自動化流程的成本也變得更加敏銳。

軟體公司 Workato 技術長 Carter Busse 就形容，Anthropic 改採按量計費後，公司單日支出一度暴增 7 倍，讓他不禁感嘆「我們創造了一個怪物」。

德勤（Deloitte）全球生成式 AI 業務負責人 Costi Perricos 指出，運算成本議題如今已進入財務長與董事會的視野。他表示，消費者與企業過去一直被告知 AI 便宜甚至免費，但事實並非如此。

OpenAI 執行長 Sam Altman 本月也坦承，成本已成為今年客戶面臨的「重大課題」，而這個話題在去年幾乎無人提及。

降本浪潮 vs. 實驗室估值，矛盾正在浮現

企業端的降本動作，也對 AI 產業鏈上游構成壓力。Anthropic 與 OpenAI 都計畫於今年稍晚上市，估值上看兆美元規模，但企業普遍緊縮 AI 支出的趨勢，正對兩家公司的營收成長預期帶來潛在威脅。

面對這股壓力，各大平台已開始調整策略，引導用戶轉向價格較低的非尖端模型，以維持使用率。

GitHub 營運長 Kyle Daigle 透露，微軟 (MSFT-US) 已提前與客戶溝通定價變化，並強調並非所有任務都需要動用最先進的尖端模型。

此外，微軟、亞馬遜 (AMZN-US) 與 Google(GOOGL-US) 也相繼推出工具，將用戶請求自動導向成本最低的合適模型。另有部分企業選擇轉向開源模型，直接在自有伺服器或裝置上運行，以降低支付給 AI 實驗室與雲端業者的費用。

分析指出， AI 的戰略價值已獲廣泛認可，但要持續為此付費的商業邏輯，仍有待市場進一步檢驗，就如思科系統 (CSCO-US) 高層 Jeetu Patel 所說：「我們的工程師想要更多用量，我們就得想辦法買單。」