AI投資裂解成六大矛盾 資本開支爭論加劇

巴克萊軟體分析師Raimo Lenschow在8月3日的研究報告中寫道，AI投資敘事已裂解成六組互斥的矛盾，超大規模企業（hyperscaler）的資本開支既被解讀為需求證明，也被視為資產負債表風險。

Lenschow——巴克萊美國軟體分析師——表示：「在與投資人討論AI主題時，我們面臨許多相互矛盾的擔憂。」

甲骨文（Oracle）的OCI雲端基礎設施年增率高達93%，但由於投資人權衡巨額資本開支與負的自由現金流，該股目前交易本益比僅約16倍。大型股SaaS股票年初至今已下跌至少20%，而同期標普500指數上漲11%，即便ServiceNow交出穩健的季度成績單。OpenAI財務長Sarah Friar告訴員工，7月年化經常性收入超過整個第二季度，主要由GPT-5.6、ChatGPT Work與Codex驅動——與此同時，月之暗面（Moonshot AI）發布了Kimi K3，一個擁有2.88兆參數的開源模型。

市場必須決定：AI是否會改寫整個軟體堆疊——這將需要巨額的額外運算——抑或AI基礎設施已經過度建設。兩種敘事不可能同時完全成立，而最終的定論將決定甲骨文、微軟與SaaS板塊是往上重新評價還是往下修正。

甲骨文與微軟面對同一枚硬幣的兩面

甲骨文處於最暴露的位置。當資本開支上升時，市場懲罰其資產負債表；當成長預期被下調時，市場又質疑AI故事是否夠強勁。這兩種懲罰以不完全自洽的方式疊加。但甲骨文在雲端運算領域的晚進入意味著它必須比同業更激進，才能抓住AI基礎設施的窗口期。如果新建資料中心面臨日益嚴峻的選址與電力限制，那麼及早鎖定產能的公司可能握有先行者優勢。

微軟則面臨另一種擠壓。Azure、Copilot與Office 365讓它擁有多條AI營收路徑，因此不需要在每一場AI競賽中都下最激進的賭注。這種相對的從容也帶來了自身的兩面批評：部分投資人認為AI動能還不夠強勁，而長期基金則擔憂大規模支出下的投入資本報酬率。前者說微軟不夠激進；後者說它已經過於激進。

SaaS賣壓與基本面穩健的對比

軟體板塊的矛盾最為直接。大型股SaaS股票年初至今下跌至少20%，遠遜於標普500的11%漲幅，這暗示市場正在重新定價軟體的商業模式本身——而不僅僅是調整估值倍數。但營運數據尚未證實這種悲觀情緒。ServiceNow最近一季度表現穩健，目前尚無財務證據顯示主要SaaS平台出現客戶流失或營收侵蝕。

兩個問題有待解答。第一，大型SaaS平台真的可能被取代嗎？第二，這些公司能否將AI轉化為產品升級與定價能力，而非讓AI壓縮以席位為基礎的營收？部分公司已開始轉向使用量計價模式，這使得「AI殺死SaaS」的路徑遠比敘事所暗示的更為複雜。

最深層的邏輯張力存在於兩大流行的看空敘事之間。如果AI真的取代現有的軟體堆疊，那麼重建整個軟體層本身就需要龐大的AI運算能力。目前多數AI工作負載仍集中在訓練而非推論；如果推論需求激增，運算需求不會就此消失。「AI殺死軟體」與「AI基礎設施泡沫」不可能同時被推到極致。

基礎模型公司的估值隱含著它們將奪取AI經濟價值的很大一部分。然而，開源模型、多模型配置與專業化的小型模型持續擴張，顯示模型能力正在商品化。OpenAI的營收加速——7月年化經常性收入超過整個第二季度——支持封閉前沿模型的論點。但月之暗面的Kimi K3（一個擁有2.88兆參數的MoE模型，具備100萬token的上下文窗口）則助長了開源商品化的敘事。

微軟和其他大型科技公司日益強調多模型配置。如果模型層迅速商品化，單一封閉源基礎模型的定價能力將被削弱。如果當前估值得以維持，模型層就不應迅速退化為通用基礎設施。市場尚未選邊站。

企業AI需求也在轉變焦點。Elastic擴大了與OpenAI的合作，將OpenAI模型與Elasticsearch結合，用於企業資料檢索、治理與token成本降低。Snowflake推出了Cortex AI Gateway，用於控制AI代理如何存取企業資料與工具，並與1Password、SailPoint和Saviynt合作強化身分與安全。共同主線不是運算——而是權限、信任模型與成本上限。企業AI採購正從「模型能力」轉向治理、安全與可控成本。

多方論述有其邏輯，空方論述有其證據。真正的問題不在於AI是否有效，而在於誰能奪取營收增量、誰來吸收成本風險。推論營收成長與token價格下跌、AI的通縮效應與電力和資料中心成本上升、贏者通吃的動態與進入門檻下降——每一組對立都尚未有定論，等待數據來裁決。

本文僅供資訊參考之用，不構成投資建議。