AI 泡沫與互聯網泡沫：為何斯科特·貝森特認為 AI 不同
2026 年的 AI 熱潮是另一個 dot-com 泡沫嗎？美國財政部長 Scott Bessent 認為，當前的人工智慧投資週期與 1990 年代末的網路投機熱潮不同，因為主要科技公司擁有更強勁的收益、成熟的業務和充足的財務資源。然而，AI 基礎設施支出增加、股價估值高企以及融資承諾上升，已引發對該產業長期可持續性的新疑問。隨著投資者評估 AI 相關成長是否能合理化當前市場預期，與 2000 年 dot-com 崩盤的比較變得越來越相關。要理解這些差異，需審視 Bessent 的評論、大型科技公司的財務成果、基礎設施投資風險，以及塑造 2027 年 AI 股市前景的因素。
斯科特·貝桑特在市場擔憂日增之際拒絕了對 AI 泡沫的擔憂
美國財政部長斯科特·貝森特拒絕將 2026 年的人工智慧（AI）熱潮與互聯網泡沫相比，認為當前的 AI 投資週期由財務穩健的科技公司支持，而非投機性初創企業。貝森特於 2026 年 10 月 21 日在紐約一場私人投資者會議上表示，他未見該領域出現系統性金融問題。他的發言正值人們對 AI 股票估值、基礎設施成本上升以及科技公司能否從大規模投資中獲得可持續回報的擔憂日益增加之際。
Scott Bessent 為人工智能投資辯護，反對與互聯網泡沫比較
在年度羅賓漢投資者會議上，貝森特駁斥了將人工智慧熱潮比作 2000 年網際網路泡沫前的投機性網際網路擴張的說法。根據《金融時報》報導，他表示：「這不是 Pets.com」，並引用了這家在網際網路泡沫期間因投資者過度樂觀而聲名狼藉的失敗線上零售商。他的論點強調了這兩個時期之間的根本差異：如今領先的人工智慧投資者包括擁有穩定收入、盈利業務和充足財務資源以支持技術發展的成熟企業。
貝森特也對人工智慧提升生產力及強化美國長期經濟增長的潛力表示信心。他在10月21日的發言，重申了他在10月3日接受Axios訪問時所討論的立場，當時他強調了大力投資人工智慧的大型科技公司的財務實力。然而，貝森特對系統性金融穩定的評估，並不意味著人工智慧股票不會被高估。即使是有利潤的公司，當投資者預期的盈利增長速度快於企業實際能實現的速度時，也可能經歷劇烈的市場調整。這一區分至關重要，因為對人工智慧投資泡沫的擔憂，既涉及企業支出的可持續性，也涉及投資者願意為未來增長支付的價格。
2026 年 10 月科技股拋售反映投資者擔憂
在一系列企業財報公佈後，金融市場對與人工智慧相關的投資成本表現出日益敏感的反應。根據路透社的數據，2026 年 10 月 22 日，科技股為主的納斯達克綜合指數下跌 2.60%，而標普 500 指數下跌 1.21%。由於投資者重新評估擴大人工智慧基礎設施所預期的財務收益，半導體股票遭遇了特別顯著的賣壓。這波下跌反映了市場對資本密集型開發、未來收益預期，以及人工智慧計算服務日益增長的需求是否能合理化科技股高估值的擔憂。同時，這也顯示了對相對集中的一群主要科技公司所存在的不確定性，如何影響更廣泛的市場指數。
Meta Platforms 提供了投資者情緒轉變的顯著範例。10 月 21 日，該公司報告第三季度收入為 646.0 億美元，同比增長 26%，但同時披露了 21.2 億美元的負自由現金流，因為大量的基礎設施投資吸收了營運現金生成。儘管收入表現強勁，Meta 股票於 10 月 22 日仍下跌約 7%。這些結果突顯出投資者日益關注業務擴張與融資所需現金之間的關係。儘管拋售並未證實 AI 泡沫正在破裂，但它表明投資者正越來越根據財務表現和投資回報來評估 AI 公司，而不僅僅是增長預期。
AI 泡沫與網際網路泡沫：透過大型科技公司利潤與股價評估
AI 泡沫與網際網路泡沫的比較揭示了企業盈利能力、技術採用和股票市場估值的重要差異。在 1990 年代後期，許多網際網路初創公司雖然收入有限且商業模式不確定，仍吸引了大量投資。相比之下，2026 年的人工智慧熱潮部分由具備顯著收益、商業客戶和計算基礎設施需求不斷增長的成熟科技公司推動。然而，強勁的財務基本面並不能自動合理化高漲的股價，因此企業盈利能力與估值指標對於理解當前人工智慧市場至關重要。
網際網路泡沫破裂暴露了薄弱的商業基本面
在1990年代後期，網際網路泡沫迅速擴張，投資者根據對未來成長的預期，為網際網路公司賦予了高估值。許多初創企業缺乏可持續的收入來源，而電信公司則在商業需求完全成熟之前，大量投資於網路基礎設施。根據高盛的歷史分析，納斯達克綜合指數於2000年3月10日達到約5,048點，之後於2002年10月4日下跌至1,139.90點，跌幅約為77%。儘管成熟的科技公司也參與了這波熱潮，但投機性初創企業在融資資金減弱的情況下面臨特別嚴重的財務壓力。網際網路最終改變了全球商業，但其長期成功並未阻止大規模企業失敗和股東的重大損失。這段歷史經驗表明，技術創新與投資收益是兩個不同的考量因素，這一區別在2026年對人工智慧股票而言依然相關。
微軟、英偉達和亞馬遜的財報顯示 AI 市場基本面更為強勁
與 2000 年許多投機性的互聯網企業不同，目前推動 AI 擴張的主要科技公司已產生可觀的收入和營運利潤。微軟在 2026 財政年度報告了 3318 億美元的收入，年增長 18%，並在截至 6 月 30 日的財年中實現了 1337 億美元的淨利潤。英偉達於 2026 年 8 月 26 日報告了 2027 財政年度第二季度收入為 962 億美元，同比增長 106%，其中數據中心業務貢獻了 890 億美元。亞馬遜雲服務（Amazon Web Services）也錄得 2026 年第二季度銷售額為 422 億美元，年增長率達 37%。這些財務成果證明了對雲服務、計算硬體及相關數位基礎設施的明確商業需求。然而，微軟和亞馬遜的收入來源遠不止於 AI，而英偉達的硬體銷售並不能證明所有購買其產品的公司都具備盈利能力。因此，投資者需要區分已證實的企業收益與專屬於 AI 投資的未來回報。
儘管企業盈利強勁，人工智能股票估值仍處於脆弱狀態
股票估值為人工智能熱潮與互聯網泡沫時期之間提供了另一個重要的區別。根據黑石集團於2026年9月16日的分析，2000年泡沫期間，四家領先科技公司的交易價格約為其兩年後預期收益的70倍，而其在2026年對比的四家主要人工智能超大規模運營商則約為18倍。這表明，某些領先科技企業在當前投資週期開始時，其基於收益的估值相對較為溫和，儘管此比較涉及不同的公司和歷史時期。同時，歐洲中央銀行經濟學家於2026年8月17日警告，使用週期性調整市盈率衡量的美國整體股票估值，正接近歷史高點。這些發現並不一定相互矛盾，因為它們使用不同的估值方法衡量了不同的股票群體。對投資者而言，核心考量在於未來的收益增長是否能支撐當前的股價。即使人工智能的採用持續擴展，若利潤增長低於預期或投資者不再願意支付較高的估值倍數，科技股仍可能經歷大幅調整。
2026 年 AI 基礎設施支出與日增的財務風險
2026 年，人工智慧基礎設施支出已成為科技公司的重要財務考量，投資範圍擴展至資料中心、先進半導體、雲端運算和電力基礎設施。儘管對 AI 計算的需求持續增長，但這些項目的規模正對資本預算、融資需求和預期投資回報帶來壓力。S&P Global 與美國銀行的最新研究指出，AI 基礎設施的繁榮正進入更資本密集的階段，引發了關於未來商業需求是否能支撐該行業雄心勃勃的擴張計畫的疑問。
全球人工智慧資料中心投資因基礎設施成本上升而加速
根據2026年10月23日報導的美國銀行全球研究估計，全球數據中心支出預計將於2026年達到1萬億美元，並於2028年達到2.1萬億美元。這些預測反映了對AI伺服器、高性能計算設備、網絡系統和支持基礎設施的投資不斷增加。美國銀行估計，數據中心建設和設備成本平均每兆瓦容量約為4900萬美元，其中資訊科技設備佔總支出的約78%。這些估計說明了為何擴展AI計算能力需要在設施開始產生足夠收入前進行大量前期投資。然而，預計的支出數字並非確認的支出，實際投資將取決於技術需求、建設進度和融資條件。基於區塊鏈的去中心化計算網絡也代表了一種協調獨立擁有的計算資源以處理AI工作負載的新兴方法。
Meta Platforms 提供了一個近期的例子，說明基礎設施擴張如何重塑企業投資計劃。在 2026 年 10 月 21 日的收益發布中，Meta 將全年資本支出預測範圍縮窄至 1350 億美元–1450 億美元，此前為 1300 億美元–1450 億美元。公司報告第三季度資本支出為 349.1 億美元，包括融資租賃的本金付款，反映其持續投資於計算能力及支援基礎設施。除了設備成本外，AI 數據中心開發商還面臨電力供應、冷卻系統、電網連接和施工進度等方面的限制。這些挑戰可能延遲新計算能力的部署或增加項目成本。相反，更強的基礎設施利用率和更高效的 AI 硬體可能改善長期經濟效益，使運營效率成為評估投資週期可持續性的重要因素。
AI 基礎設施融資與債務風險引發金融穩定擔憂
隨著人工智慧基礎設施的承諾超出成熟科技企業產生的現金流，融資安排正變得越來越重要。2026年10月19日，路透社報導，標普全球估計，六家主要美國科技公司於2025年至2030年間在人工智慧相關資本投資上的總支出可能超過7萬億美元。該信用評級機構還強調了涉及債務、設備租賃、金融擔保以及支持專業雲端服務提供商的承諾所構成的相互關聯融資結構。這些安排可以在多家公司之間分攤開發成本，同時創造出難以從個別資產負債表中評估的財務風險。標普全球並未指出立即需要廣泛調整信用評級，但警告稱，若投資回報低於預期，可能會對借方和基礎設施提供商造成壓力。
國際貨幣基金組織2026年10月的《全球金融穩定報告》指出，與AI相關資產價格可能出現的調整，是一種可能因金融槓桿和集中投資敞口而被放大的風險。然而，借款增加並不一定代表財務困境；關鍵在於未來的營運現金流是否能支持融資承諾和基礎設施維護。即將公布的財報將提供進一步證據，微軟預計於10月28日發布2027財年第一季業績，亞馬遜則預計於10月29日公布2026年第三季業績。投資者將密切關注雲端收入增長、資本支出指引、營運現金生成情況，以及管理層對AI容量利用率的評論。強勁的需求和投資效率的提升可能支持對擴張的信心，而項目延遲、融資成本上升或回報未達預期，則可能增加對AI基礎設施估值的壓力。
AI 股市前景與塑造未來投資回報的關鍵因素
2026 年底人工智慧股市場前景越來越取決於商業應用、企業盈利能力和經濟狀況是否能支持投資者預期。在 10 月 22 日科技股拋售之後，與人工智慧相關的股票於 10 月 23 日交易更趨穩定，但融資成本和投資回報的擔憂仍未解決。人工智慧投資週期的下一階段將由可衡量的業務表現、聯準會政策以及主要股票市場指數的財務風險所塑造。這些因素可能影響科技股估值，即使人工智慧在各行業的採用持續擴展。
AI 貨幣化與收益品質成為關鍵增長指標
AI 股票表現的可持續性日益取決於企業將技術採用轉化為重複性收入和營運盈利能力的可衡量提升。投資者將關注企業 AI 訂閱服務、雲計算消耗量、軟體保證金，以及企業向客戶收取先進 AI 服務費用的能力。單純的收入增長可能提供不完整的圖景，因為基礎設施折舊、研發費用和客戶獲取成本可能削弱擴大 AI 運營的財務效益。微軟於 2026 年 10 月 28 日和亞馬遜於 2026 年 10 月 29 日即將公布的季度報告，將提供商業需求和收益品質的額外證據。持續的客戶支出和改善的利潤率可能增強對 AI 相關投資的信心，而貨幣化進展緩慢則可能導致投資者重新評估未來的收益預期。
聯邦儲備系統政策與利率影響人工智慧股票估值
美國貨幣政策是影響2026年科技股市場前景的另一個重要因素，特別是對於那些估值基於未來大幅盈利預期的公司。美國聯邦儲備系統預計將於10月28日結束10月27日至28日的政策會議，投資者正密切關注其利率決策與經濟展望。較高的國債收益率會降低預期未來利潤的現值，對成長型股票的估值造成壓力，而緊縮的信貸條件則會使企業擴張成本更高。通脹、就業趨勢和經濟增長也將影響投資者對人工智能相關公司前景的評估。貨幣條件同樣影響數位資產的流動性，因此利率與加密貨幣市場的關係對同時關注這兩類資產的投資者而言至關重要。更為有利的利率環境可能改善金融條件，但單單降低借款成本並不能保證人工智能企業的收益會更強勁或股價會更高。
市場集中度與投資紀律塑造長期回報
大型科技公司對納斯達克綜合指數和標普500指數的影響日益增強，意味著對AI投資情緒的變化可能影響更廣泛的股票市場表現。因此，投資者需要區分半導體供應商、雲端基礎設施提供商、軟體開發商以及採用AI提升生產力的企業，因為每組別面臨不同的收入機會和營運風險。收益修正、估值倍數、信貸利差以及最大科技公司以外股票的表現等市場指標，有助於評估AI驅動的反彈是否由更廣泛的企業增長所支持。同時追蹤傳統與數碼資產的投資者，亦可監察 BTC/USDT 現貨市場與科技指數，以觀察市場情緒的更廣泛變化。展望2027年，可持續的AI投資回報將取決於企業能否證明其技術帶來經濟價值，而非單純依賴對行業快速擴張的預期。即使AI產業取得成功，投資成果仍可能不均，能持續盈利的企業將比依賴日益樂觀預測的企業更具優勢，更能支撐其估值。
結論
AI 泡沫與互聯網泡沫的辯論，突顯了這兩個投資週期之間的重要差異。斯科特·貝森特的信心反映了推動當前 AI 擴張的企業所具備的顯著盈利、成熟的客戶群體和財務資源。與 2000 年許多投機性的互聯網初創公司不同，這些企業已從商業產品和服務中產生了顯著收入。然而，企業的盈利能力並不能消除股票估值過高、基礎設施投資低效，或當增長預期難以實現時出現財務虧損的可能性。
2027 年 AI 股票的前景將取決於採用率的擴展是否能轉化為可持續的收益、更強的現金流，以及能證明持續投資合理的回報。即將公布的科技業績、貨幣政策決策和基礎設施融資條件將提供重要證據。人工智慧作為一項技術的成功，並不能保證每項 AI 投資都能取得同等成功，因此財務紀律和現實的估值預期是投資者必須考慮的關鍵因素。
常見問題
人工智慧基礎設施供過於求的早期警訊有哪些？
潛在的警示訊號包括 GPU 租賃價格下跌、數據中心利用率降低、建設項目延遲，以及對新計算能力的需求減弱。投資者應將基礎設施擴張與實際客戶使用情況和合約續約進行比較。價格的短期下跌並不一定代表供過於求，因為計算效率的提升也可能降低成本。
GPU 折舊如何影響 AI 公司的盈利能力？
AI 計算設備在其預計使用年限內會喪失會計價值，產生折舊費用，從而降低報告的營運利潤。如果更新的處理器使現有的 GPU 比預期更快地在經濟上過時，公司可能面臨更高的折舊費用或資產減值。投資者應同時審查設備的使用年限假設、資本支出和營運利潤率。
為何長期 AI 雲端合約不等同於保證收入？
長期雲端協議可能確立未來的客戶承諾，但收入通常在服務提供時確認。合約修改、客戶財務困難、部署延遲和未使用的容量可能影響實際財務結果。投資者應區分已簽署合約價值與剩餘履約義務與已實現的收入。
AI 超大規模廠商與新雲公司之間有什麼區別？
像微軟、亞馬遜和谷歌這樣的超大規模提供商運營著為多樣化企業客戶提供服務的大型雲平台。新興雲提供商專注於基於 GPU 的計算服務，通常針對 AI 開發者和模型訓練公司。專業提供商可能因集中化的 AI 需求而受益，但由於業務多元化程度較低，可能面臨更大的客戶集中度和融資風險。
降低 AI 計算成本能否提升產業的盈利能力？
較低的運算成本可使人工智慧應用更為實惠，進而可能提升企業與消費者對其的採用率。然而，更大的競爭也可能降低供應商對人工智慧服務的定價能力。財務結果取決於使用量擴張、運營效率與客戶留存是否能抵銷每單位運算價格的下降。
免責聲明：此為一般市場資訊，可能來自第三方、商業或贊助來源，僅供參考及教育用途，不構成財務或投資建議、要約、招攬或保證。我們對其準確性、完整性、可靠性及任何由此產生的損失不承擔責任。投資/交易存在風險；過往表現不保證未來結果。用戶應自行研究、謹慎判斷，並承擔全部責任。如需進一步詳情，請參閱 KuCoin 的Terms of Use及Risk Disclosure。
免責聲明: 本頁面經由 AI 技術翻譯，旨在方便您的閱讀。欲獲取最準確資訊，請以原始英文版本為準。