AI投資轉向明確樂觀 矽谷 Q2 財報聚焦未來藍圖

商傳媒｜責任編輯／綜合外電報導

隨著第二季財報季陸續展開，投資者正密切關注人工智慧（AI）產業的最新表現。分析指出，矽谷的投資心態已從過去追求網路廣告、社群媒體等「不明確樂觀主義」（indefinite optimism），轉向聚焦於更具清晰願景的「明確樂觀主義」（definite optimism），將重心擺在開發強大的人工智慧模型。

「明確樂觀主義」的概念源於彼得·蒂爾（Peter Thiel）於 2014 年共同撰寫的《Zero To One》一書，該書已成為矽谷的重要文獻。此理論的核心，在於區分人類對未來展望的四種類型。過去美國和矽谷曾陷入「不明確樂觀主義」，缺乏宏大願景，正如亞力克斯·卡普（Alex Karp）在其著作《The Technological Republic》中所呼應的批評。然而，隨著人工智慧的崛起，矽谷的頂尖人才已不再專注於讓用戶沉迷社群媒體，而是轉向建構更強大的人工智慧模型，這代表著產業投資重心已從庫藏股轉為投入大量資本支出（CapEx），用於興建資料中心並推動人工智慧軍備競賽。

短期挑戰與市場期待

儘管投資熱度高漲，第二季財報預計仍難以立即反映出人工智慧投資的顯著回報。原因在於目前營運先進人工智慧模型的成本仍然高昂，能源和算力（compute）成為主要的瓶頸。舉例而言，GPT 5.4 Pro 模型在 ARC-AGI-2 測試中得分略高於 80%，每次任務成本超過 10 美元；而 GPT 5.6 Sol (xHigh) 雖能達到 90% 以上的得分，成本也減少一半以上。這說明成本與效率仍是主要挑戰。

BCA Research 預計，若要恢復資本支出繁榮前的股東權益報酬率（ROE），超大規模業者（hyperscalers）的營收成長需達約 250 個基點，或毛利率提高 100 個基點。《Seeking Alpha》分析師認為，市場在未來幾季將會更看重企業如何規劃及部署人工智慧的質性評估，而非僅僅是立即的投資報酬率（ROI）數據。例如，市場會關注新一代更高效、特定領域模型（domain-specific models）的發表，以及明確降低推理成本的目標、具體的人工智慧單位經濟效益和效率指標（如每次推理成本、每瓦特 Token 數），還有詳細的能源與算力發展藍圖。

風險與長期展望

這波「明確樂觀主義」轉變的風險在於，人工智慧發展可能演變成長期、無止境的科學專案，而無法實現實際的投資回報。儘管目前先進人工智慧模型仍過於昂貴，企業難以廣泛採用，Palantir 科技（PLTR）等前端企業已展現出人工智慧應用層如何提升企業營收和利潤的案例。

另一個風險點在於人工智慧效率本身以及 Token 的定價問題。雖然模型日益高效，但人工智慧 Token 的消耗量仍在增加，這便是「傑文斯悖論」（Jevons Paradox）的體現——因人工智慧變得更便宜，對算力的需求反而增加。這使得許多超大規模業者從固定費率轉向按量計費的模式。儘管如此，部分分析師仍對半導體產業抱持樂觀態度，認為這是科技進步帶來的長期趨勢。

分析師指出，市場已長期願意超越單純的財務數據來評估企業價值，期待企業能展示出具備財務可持續性的人工智慧未來藍圖。儘管短期內全面性的投資回報率難以顯現，若科技巨頭們能持續展現令人信服的未來願景，市場仍會保持耐心。