AI 基礎設施支出到 2027 年仍是該持有的交易

2027 年前，AI 基礎設施支出仍是市場最該持有的主題，因為資本開支、電力與算力瓶頸都還在加碼。

我認為 AI 基礎設施支出到 2027 年前仍是市場最值得持有的交易，因為這不是情緒題材，而是已經被大型雲端與資料中心資本開支鎖定的容量擴張。

第一個論點

先看錢往哪裡去。微軟、亞馬遜、Google、Meta 這些 hyperscaler 持續把數十億美元投入資料中心、GPU、網路與電力系統，這些不是一季就能收手的採購，而是跨年度的建設計畫。當一家公司把 AI 視為核心能力，capex 就會先於收入出現，市場也應該先看供給端，而不是等消費端完全驗證才承認趨勢。

更重要的是，這種支出具有連鎖效應。一次資料中心擴建，不只買晶片，還會帶動儲存、散熱、變壓器、配電設備與機房工程。2024 年下半年以來，多家電力設備與資料中心供應鏈公司都已經感受到訂單拉長，這代表需求不是單點爆發，而是整條產業鏈一起被拉升。

第二個論點

AI 的真正瓶頸已經從「能不能做出模型」轉成「能不能把模型跑起來」。訓練只是第一階段，推論才是更大的長尾。當企業把 AI 放進搜尋、客服、程式開發與內部工作流，算力就從一次性專案變成持續性營運成本。這種需求一旦進入日常流程，回落速度會遠慢於炒作速度。

歷史也站在這邊。雲端運算在 2010 年代初期同樣被質疑過度投資，但實際上，當工作負載開始遷移，資本開支沒有消失，反而持續擴張。今天的 AI 基礎設施比當年的雲端更吃電、更吃晶片，也更依賴網路與冷卻系統，所以它的黏著度只會更高，不會更低。

反方可能怎麼說

反方最強的說法不是否認 AI，而是提醒市場已經很擠。估值偏高、資料中心可能過建、某些 GPU 類別可能出現供給追上需求的時間差，這些都是真風險。再加上企業導入 AI 的節奏未必跟得上資本開支，短期內確實可能出現「錢先花了，收入還沒來」的落差。

他們也會說，超大客戶一旦放慢採購，供應鏈會立刻承壓。這點沒有錯，而且正是 AI 基礎設施的週期性所在。這條交易不保證每個季度都上漲，個股也會因為庫存、毛利與指引而劇烈波動。

但我仍然站在多方，因為這個週期不是由少數創業公司撐起，而是由幾家現金流最強的科技巨頭、電力基礎設施、晶片供應鏈與企業買方共同推動。就算單一公司減速，整體需求也不會立刻翻轉。真正該接受的限制是波動，而不是把波動誤判成趨勢結束。

你能做什麼

工程師、PM 與創辦人現在最值得做的事，是把產品與服務對準 AI 基礎設施的瓶頸層：降低推論成本、提升吞吐量、改善部署效率、減少電力浪費，或讓異質硬體更容易管理。對投資人與經營者來說，判斷標準也很清楚：不是只看模型多聰明，而是看誰掌握了讓模型持續運作的稀缺基礎設施。

結論

AI 基礎設施支出不是一個已經走完的故事，而是一條至少延伸到 2027 年的主線。只要算力、電力與資料中心容量仍是稀缺資源，這個交易就還沒有結束。