🚨【Michael Burry 又唱淡 AI：今次是泡沫，還是超級週期？】
Michael Burry 再次唱淡 AI 相關股票，市場自然會緊張。
畢竟，佢係 2008 年金融海嘯中成功睇穿次按危機嘅人。當年佢看見嘅唔係普通股價波動，而係金融產品背後嘅結構性風險。所以每次 Burry 開始大手做淡，市場都會問同一個問題：
今次，佢會唔會又睇啱？
但 AI 泡沫論真正值得討論嘅，其實唔係「股價升咗幾多」，而係一個更基本嘅商業問題：
👉 今日科技巨頭投入嘅天文數字，未來到底能否產生足夠現金流回本？
呢個先係 AI 泡沫論嘅核心。
根據市場估算，Google、Amazon、Microsoft、Meta 四大科技公司，2026 年合共資本開支可能高達約 7,250 億美元，較 2025 年約 4,100 億美元大幅上升。另一組 Visible Alpha 共識估算亦顯示，四大科技公司單是 2026 年第二季資本開支已可能達 1,680 億美元，按年升 74%。
換句話講，AI 已經唔係「買多幾張 GPU」咁簡單，而係一場牽涉 data center、電力、液冷、網絡、儲存、AI server、雲端平台同企業長約嘅基建競賽。
支持者會話：呢啲係新一代生產力基建。
懷疑者會問：如果用戶最後唔肯付錢，或者企業發現 AI 未能真正提升效率，呢啲投資會唔會變成另一場過剩建設？
呢個問題，Burry 問得並非完全無道理。
但問題在於，AI 未必可以用傳統科技週期去理解。
一般科技週期通常係咁：
需求突然爆發，企業加速擴產，供應追上後價格回落，然後行業進入調整。半導體、記憶體、消費電子，都經常出現類似節奏。
所以，如果你將 AI 只視為「另一個 GPU 週期」，自然會覺得今日估值太高、capex 太急、風險太大。
但 AI 有機會唔係單一週期，而係一個多階段嘅 supercycle。
第一波係 Training。
大模型需要大量 GPU 訓練，令 NVIDIA 成為最直接受惠者。
第二波係 Inference。
模型訓練完唔代表需求完結。相反，真正龐大嘅需求，係每日、每小時、每秒都有用戶同企業喺度使用 AI。每一次回答、每一次圖片生成、每一次文件分析、每一次程式碼修正，都需要算力。
第三波係 Agentic AI。
AI 唔再只係回答問題，而係開始執行任務。例如讀取檔案、理解上下文、寫 code、debug、測試、改稿、生成報告、安排工作流程。一次指令背後，可能變成幾十甚至幾百個步驟。
第四波係 Physical AI。
當 AI 進一步進入機械人、自動駕駛、工業設備、倉儲物流、醫療裝置，算力需求就唔再只係雲端，而係延伸到實體世界。
所以，AI 最難判斷嘅地方係：你以為第一波已經好誇張，但其實後面可能仲有幾波需求未完全展開。
呢點亦解釋咗點解今日 NVIDIA 不應簡單等同 2000 年嘅 Cisco。
2000 年科網泡沫時，Cisco 被視為互聯網基建核心公司。市場相信互聯網流量會無限增長，於是大量投資路由器、光纖、網絡設備。結果基建建得太快，但當時寬頻未普及、智能手機未出現、雲端服務未成熟、社交媒體與串流平台未真正成形，需求未能即時兌現。
換句話講，當年唔係互聯網方向錯，而係市場太早、太急、太貴地預支咗未來。
今日 AI 嘅情況有相似之處，但亦有根本分別。
2026 年嘅商業環境，已經有成熟雲端、API、SaaS workflow、全球開發者生態、訂閱制付款、企業 IT 預算，以及大量即時可接入嘅數碼流程。
AI 工具一旦有用，唔需要等十年先有場景。佢可以直接進入客服、內容生產、程式開發、廣告投放、財務分析、文件處理、法律研究、人力資源同營運管理。
這就是今日 AI 和 2000 年互聯網基建最大分別：
以前係基建等應用。
今日係應用追住基建跑。
其中一個最值得管理層留意嘅指標，係 token 使用量。
Token 唔係一個抽象技術名詞。對企業管理層嚟講，token 其實代表 AI 被使用嘅痕跡。
有研究整理 AI 使用量數據，2024 年 4 月全球 AI token 使用量約為 9.7T，到 2025 年 4 月已升至超過 480T。即使不同平台統計口徑有差異，方向都非常清楚：AI 唔係停留喺 demo 階段，而係正在被大規模使用。
如果 AI 只係玩具，token 使用量唔會持續上升。
如果 AI 真係被企業用嚟寫 code、生成內容、分析文件、處理客服、建立 agent workflow，token 就會變成龐大而持續嘅運算消耗。
而一旦 AI agent 普及，token 消耗模式會同普通 chatbot 完全唔同。
一篇 2026 年關於 agentic coding task 嘅研究指出，AI agent 執行複雜 coding task 時，token 消耗可以比一般 code chat 或 code reasoning 高出 1000 倍；同一個任務，不同 run 之間嘅 token 用量更可以相差最多 30 倍。
呢個數字好重要。
因為佢解釋咗點解 AI 需求唔可以只用「每日有幾多人開 ChatGPT」去衡量。
普通 chatbot 可能只係一問一答。
但 coding agent 或 business agent，可能要讀多個檔案、回溯上下文、分析錯誤、執行測試、重寫方案、再檢查結果。用戶表面只係落咗一個指令，但背後其實已經變成一連串運算任務。
這亦解釋點解科技巨頭仍然願意瘋狂投入 AI 基建。
Microsoft 最新季度公布，commercial remaining performance obligation，即商業剩餘履約價值，約為 6,270 億美元，按年升 99%。呢類數字唔等於全部來自 AI，但反映大型雲端與企業軟件長約需求非常強勁，而 AI 正成為雲端增長嘅核心推動力之一。
再睇 AI model 公司收入，Anthropic 2026 年 5 月被報道 run-rate revenue 約 470 億美元。Run-rate revenue 唔等於全年實收收入，但對管理層嚟講，佢反映一件事：企業同用戶唔係只係試用 AI，而係開始真金白銀付費。
GPU 租金亦係另一個供需訊號。
如果 AI 算力已經供應過剩，GPU 租金理論上應該快速下跌。但市場上 H100 GPU 租用價格仍然維持每小時約 2 美元以上，不同雲端與租用模式甚至更高。呢個未必代表永遠供不應求，但至少說明今日算力市場仍未進入明顯崩盤狀態。
當然，呢啲數字唔代表 AI 股票一定唔會跌，亦唔代表所有 AI 公司都值得今日嘅估值。市場入面一定有炒作，一定有過度樂觀，一定有公司會高估自己同 AI 嘅關係。
但如果將整個 AI 浪潮簡化成「下一個 Cisco」，又可能低估咗今日需求驗證嘅速度。
AI 是否泡沫，唔應該只睇「股價升咗幾多」。
真正要問嘅係：
企業有冇真係用？
用完有冇提升效率？
客戶願唔願意付費？
AI 公司有冇收入增長？
雲端平台有冇長約需求？
data center 同 GPU 係咪真係供不應求？
如果答案係否定，泡沫論就會愈來愈有力。
但如果答案係肯定，咁今日嘅 AI capex 可能唔只係一場炒作，而係企業為下一代生產力基建提前付款。
所以，Burry 提醒市場估值風險，係有價值嘅。
但對企業管理層而言，更重要嘅問題唔係「AI 股會唔會調整」，而係：
你間公司會唔會因為太遲理解 AI，而錯過下一輪效率重組？
如果企業只係買 AI 工具，但內部流程、數據管理、員工訓練、客戶服務模式全部不變，AI 最後只會變成另一項成本。
但如果企業懂得重新設計工作流程，將 AI 用於內容產能、銷售支援、客戶服務、數據分析同營運自動化，AI 就唔再只係工具，而係新一代生產力槓桿。
AI 市場可能有泡沫。
部分估值亦可能太貴。
某些公司最後一定會被淘汰。
但真正嘅技術 supercycle，通常唔會因為一次估值調整而結束。
泡沫會爆。
但生產力革命，會繼續向前。
🚀 Follow 埋我哋，一齊把 AI 變成你嘅 marketing advantage。
========
內容由 Ai Marketer HK 提供
#AIMarketerHK #DigitalMarketing #AI #BusinessManagement #MichaelBurry #NVIDIA #AIBubble #AgenticAI
