把晶片變成抵押品，AI狂潮就不只是科技故事
人工智慧（AI）最令人著迷的地方，是它看起來是場產業革命，也正在改寫世界的運作方式；而最令人不安的地方，則是支撐這場革命的資金，也正在改寫金融市場。
過去兩年，市場總常在爭論AI究竟是不是下一個網路泡沫。其實，這個問題可能問錯了。
從新近的發展來看，值得注意的，不是AI會不會像2000年一樣估值過高，而是正在形成一套更接近2008年金融海嘯爆發的信用結構。當算力被金融化、晶片被抵押化、未來的AI收入被提前資本化，但是風險透過特殊目的載體（SPV）與私人信貸市場層層分散。
AI的金融化使得AI不再只是科技週期，也開始成為一場信用週期。
當輝達與6大巨頭資產管理機構合作，預計募集超過5,000億美元的第三方資金投入AI基礎設施；另一方面，博通也透過類似機制替AI算力融資提供信用支持；當市場開始討論資產負債表之外約700億美元的「幽靈負債」時，應該問的已經不是「AI還能漲多久」，而是如果AI需求成長開始放慢時，誰來承擔這些錢？
AI最大的變化：從賣晶片，走向「賣信用」
輝達正在建立一個新的商業模式，不再只是把GPU（圖形處理器）賣給客戶，而是開始協助客戶解決「買不起、融資不足」的問題，也就是把AI雲端業者、資本市場與算力需求連結起來。AI雲端業者取得輝達基礎設施，服務企業與AI開發者；輝達除了取得硬體收入，也可以分享雲端營收，並透過信用支持降低融資門檻。換句話說，輝達正在從晶片供應商走向AI基礎設施金融生態的核心節點。
這一步非常聰明。因為AI最大的瓶頸，逐漸不是「有沒有需求」，而是「誰能付數千億美元的基礎建設費用」。
一座大型AI資料中心需要巨額的電力、土地、冷卻設備、網路與GPU等。輝達執行長黃仁勳甚至形容，單一1GW等級AI工廠的投資成本可能從數百億美元一路上升到800億、甚至1,000億美元。
如果所有資本支出都由谷歌（Google）、微軟（Microsoft）、亞馬遜（Amazon）、Meta、甲骨文（Oracle）自己負擔，資產負債表終究會有極限。
於是，一個金融工程問題出現了：能不能不要由科技公司自己借錢，而是把「未來的算力收入」拿來借錢？
答案就是特殊利益實體（Special Purpose Vehicle, SPV）、租賃、證券化，以及最值得注意的賣方擔保。
最關鍵的金融創新：把GPU變成「抵押品」
其基本邏輯並不複雜。金融機構成立SPV，借錢購買GPU或其他AI運算設備，再把設備租給AI雲端業者；AI公司未來支付的租金，成為償還債務的現金流。
這個商業模式的設計在創新中也隨附風險。如果承租人正常付錢，一切看起來非常漂亮。但如果AI需求下降、客戶違約，那麼這些GPU究竟值多少錢的問題就會出現。如果設備賣不掉，或二手價格大幅下跌，誰負責填補差額損失？
於是，晶片供應商開始扮演最後一道防線。這就是所謂「剩餘價值擔保」（Residual Value Guarantee，RVG），意指如果AI設備未來的殘值低於原先的預估，賣方承擔一定比例的損失。表面上，這不是晶片公司的借款。但從實質來看，非常接近一張「我相信客戶會還錢，如果他不還，我幫他補上」的信用保單。
問題也因此浮現：不列入企業正式資產負債表內的經濟活動或財務承諾的「表外」，不代表不存在風險；即使有，也不代表不會成真。這正是債券投資人開始不安的原因。
危險的不是債務，而是「順周期債務」
金融市場最怕的從來不是借錢。最怕的是在景氣最好的時候借最多的錢，在景氣最差的時候承擔最大的保證責任。
必須提防順周期，當風險與產業景氣同步惡化。
當AI繁榮時，GPU供不應求，設備價格高、租金高、客戶願意簽長約，殘值擔保幾乎沒有成本。此時金融機構願意放貸，信用評等看起來漂亮，AI公司得以繼續擴充算力，晶片公司則取得更多訂單。大家都贏。
但如果AI需求開始放慢，情況會完全相反。GPU價格下跌，租金下降，AI新創現金流惡化，承租人違約；SPV需要處分設備，卻發現二手市場價格遠低於當初估值；最後，晶片供應商的擔保開始被觸發。更麻煩的是，此時晶片公司也開始面臨需求下降。
所以，風險不是孤立的，同時與產業景氣同步惡化。這也是為什麼市場把這類安排比喻為「賣出看跌選擇權」，當景氣好的時候，權利金看起來很美；真正的成本，只有市場暴跌時才會出現。
最需要警惕的是「成長的加速度」
這裡有一個經常被市場忽略的概念：二階導數（second derivative）。
投資人通常看三個東西。第一，AI的收入；第二，收入成長的速度；第三，資本支出數字及速度。但決定信用週期何時開始轉向的，往往是第四個數字：成長速度是不是仍在持續加快？這就是「成長的加速度」。只要AI需求仍然高速成長，即使資本支出龐大，市場也可以接受。因為大家相信，今天投入的100元，明天可以產生更多現金流。
問題在於，如果AI需求仍然成長，只是從50%降到30%，市場會怎麼反應？成長速度變慢是個警訊。而且，如果原來的金融模型假設「明年一定比今年更快」，那麼問題便開始浮現。
信用危機不需要需求「歸零」，只需要需求不再「加速」。2008年次貸危機引爆金融海嘯的教訓即是例證。房價並不是等到崩跌才出現問題；關鍵的轉折，是市場開始發現房價不再以原來的速度上漲。
AI現在面臨的風險，也可能不是「AI沒有未來」，而是AI仍然有未來，但沒有市場原先想像得那麼快。
最脆弱的地方，是整個產業可能其實押在同一批客戶身上
金融市場還有另一個古老的陷阱：表面分散，實際集中。如果十家金融機構各自持有不同AI公司的債務，看起來風險已經分散。可是如果這些AI公司最後都依賴同一批超大規模雲端業者、同一批模型公司，或同一種AI資本支出週期，那麼這其實不是十種風險，而只是一種風險。
這與2008年的次貸證券化有相似之處。當年，市場以為自己把數千筆房貸分散到不同地區、不同借款人，因此風險降低。最後才發現，大家其實都押在美國房價不能跌這個相同的變數上。
今天AI金融化的「共同變數」則可能變成AI資本支出不能放緩。
一旦這個前提改變，原本看似彼此獨立的GPU融資、資料中心租賃、AI雲端公司、模型公司債務與晶片供應商擔保，就可能突然高度相關。等到那時候，金融工程最漂亮的地方，也可能成為最危險的地方。
輝達的風險，不是GPU賣不出去，而是「賣得太多、信用支出太多」
必須強調，這並不代表輝達正在重演2008年的金融機構風險。其實，兩者的資產負債表、資本結構與商業模式完全不同。而且，AI需求目前仍然強勁，輝達的基本面也遠未出現2000年網路泡沫式的全面崩解。輝達公布的財報顯示，其資料中心營收仍維持高速成長。
因此，值得注意的不是輝達會不會泡沫化，而是另一個更深層的問題：當一家晶片公司開始替客戶融資，究竟還是不是單純的晶片公司？
答案恐怕是已經不是，輝達正在成為AI基礎設施的金融節點。這也可以用來解釋為什麼市場開始重新評估博通等公司的信用風險。
近期美股交易中，博通等AI相關晶片股受到明顯的壓力，市場開始把焦點從「AI需求有多強」轉向「AI投資需要多少資本、這些資本由誰承擔」等問題。這也是投資人重要的心理轉折，股價因此承壓。
「第一張骨牌」，可能不是AI公司，而是雲端巨頭
AI資本支出目前仍像軍備競賽般螺旋上升。Microsoft怕落後Google，Google怕輸給Amazon，Meta怕失去AI競爭力，Oracle則透過擴張資料中心搶占市場。在這種軍備競賽的環境裡，沒有人敢先踩煞車。因為第一家削減資本支出的公司，很可能被市場解讀成「看空AI」。
但是，這是一個典型的賽局。只要第一家公司開槍減少支出後，股價反而上漲，整個遊戲規則就會突然改變。原本「增加AI資本支出」是理性行為；
接下來的「控制資本支出」可能反而變成理性行為。於是第二家與第三家公司跟進。
AI產業的轉折，可能不是某一家公司的營收衰退，而是某家雲端巨頭突然告訴市場：「我們決定今年少花一點錢。」如果市場給他的不是懲罰，而是獎勵，那才是真正的警報。
AI革命是真的，但泡沫也可以是真的
這是今天最需要釐清的一件事。AI帶來的產業革命不是假的，但是AI泡沫也值得警惕。
網路革命是真的，2000年的泡沫也是真的；房地產是真實資產，2008年的金融危機同樣是真的。
今天的AI也是如此。
輝達的GPU正在創造巨大的價值，AI的確正在改變企業生產力，資料中心也需要大量資本。但當未來的需求被提前資本化、算力被拿來抵押、晶片供應商開始替客戶信用背書時，科技革命便從科技週期，走進了信用週期，跨越過不同產業的界線。
因此，未來值得觀察的，不只是輝達股價、AI營收或GPU出貨量，而是三個關鍵的訊號：第一，AI資本支出的增速是否開始下降；第二，AI公司的融資是否開始依賴更多的再融資；第三，第一家大型雲端公司削減資本支出時，市場究竟是掌聲還是噓聲。如果市場開始獎勵「少花錢」，AI資本支出的納許均衡（Nash Equilibrium）就可能被打破。
當算力不再被視為無限升值的生產工具，而開始被金融市場重新估價為一項有折舊、有殘值風險的抵押品時，今天看似遙遠的「表外負債」，就可能突然走進資產負債表。
2000年告訴我們，科技網路泡沫化；2008年告訴我們，信用也可能把泡沫放大。
未來的考題可能是，當AI開始用債務為夢想加速，我們究竟是在融資一場革命，還是在替下一場修正預先埋下槓桿？這或許才是AI狂潮值得警惕的地方。 （相關報導： 拆解輝達為何拚動員逾5000億美元 投資AI除了算力、財報 更要了解「華爾街」 ｜ 更多文章 ）
＊作者為政治經濟觀察員
