Michael Burry 警告輝達：AI 晶片熱潮的看漲與看跌情境

AI 交易正進入更嚴峻的階段。過去三年，看漲論點相對簡單：大型雲端服務商需要更多運算能力，輝達主導 AI 加速器市場，而更大型的模型需要規模更大的叢集。這套邏輯依然有強力支撐，但投資者現在面臨一個更棘手的問題：AI 帶來的營收與生產力提升，能否跟上打造基礎設施所需的驚人資本支出？

Michael Burry 對輝達新推出的 5,000 億美元 AI 融資計畫提出批評，正呼應這場更廣泛的辯論。他將此計畫稱為「絕望的訊號」，質疑 AI 需求是否過度依賴融資。與此同時，輝達則主張，與 Apollo、貝萊德、Blackstone、Brookfield、高盛及 KKR 的合作，能為 AI 基礎設施釋放超過 5,000 億美元的第三方資本。

真正的看漲與看跌之爭，其範疇比融資本身更廣泛，最終取決於大型雲端服務商的支出、AI 變現能力、晶片更換週期、競爭情況，以及資本回報率。

看漲論點：AI 需求持續擴張

最強的看漲論點很直接：支出週期尚未出現崩解。

輝達 2027 財年第一季營收達 816 億美元，年增 85%，其中資料中心營收成長 92%，達 752 億美元。該公司預期下一季營收約為 910 億美元，且此預測尚未計入中國資料中心運算營收。

其最大客戶也在加速擴大投資額。Alphabet 已將 2026 年資本支出預期上調至 1,950 億至 2,050 億美元。Meta 預期支出為 1,300 億至 1,450 億美元。微軟在最近一季支出達 410 億美元，其中約三分之二用於使用年限較短的資產，例如 CPU 與 GPU。

更重要的是，AI 基礎設施已開始創造實際營收。Google Cloud 第二季營收年增 82%，達 248 億美元，未交付訂單積壓則達到 5,140 億美元。微軟雲端業務在 2026 財年營收突破 2,140 億美元，需求也逐漸從前沿模型公司擴展至更廣泛的領域。

這一點至關重要，因為 AI 成長的下一階段，可能來自推論、代理（agent）、程式編寫、廣告、搜尋、工業 AI 及企業部署，而不僅僅是前沿模型訓練。若 AI 能融入日常生產工作流程，半導體需求可能在未來多年內維持結構性高位。

Rubin 平台提供了另一項催化劑。輝達表示，該平台已進入量產階段，相關系統將於 2026 年下半年推出。AWS、Google Cloud、微軟、Oracle 及 CoreWeave 都在預期率先採用的名單之列。

機會也不僅限於輝達本身。更大型的 AI 叢集需要更多 HBM 記憶體、先進封裝技術、網路、光互連、電力基礎設施及散熱系統。即便輝達最終在每一美元的新增 AI 支出中所佔份額縮小，整體 AI 基礎設施市場仍可持續擴張。

看跌論點：變現能力能否跟上？

看跌者看待同樣的資本支出數字，卻可能得出截然不同的結論。

Alphabet 第二季資本支出達 449 億美元，自由現金流卻為負 59 億美元。Meta 支出 311 億美元，該季自由現金流僅有 7.84 億美元。微軟也承認，AI 基礎設施投資額正在壓縮其雲端業務的利潤率。

因此，關鍵問題其實很簡單：

每多投入一美元資本支出，能帶來多少額外的 AI 營收？

只要大型雲端服務商仍認為運算能力短缺，這股熱潮就能持續下去。然而一旦產能追上需求，各公司開始要求每座新資料中心帶來更強的回報，市場便會變得更脆弱。

技術性折舊帶來另一項風險。輝達正快速推進 Hopper、Blackwell、Blackwell Ultra 及 Rubin 等架構的更迭。舊款 GPU 仍能透過推論、微調及低成本雲端工作負載創造營收，但隨著新架構在每瓦效能與每個 token 成本上不斷提升，舊款 GPU 的經濟價值可能迅速下滑。

這正是 Burry 對融資提出批評的關鍵所在。輝達與華爾街的新合作，目標是釋放超過 5,000 億美元的第三方資金。他的看跌解讀是，要維持這個長期回報仍不明確的支出週期，可能需要越來越複雜的融資手法。

真正的危險會在以下情況出現：AI 需求走弱，同時舊款 GPU 的租賃費率與殘值同步大幅下滑。高槓桿的 AI 雲端運營商將同時面臨現金流轉弱與抵押品價值下滑的雙重壓力。

競爭則帶來另一項壓力。Google 正將 TPU 的部署範圍從純內部使用向外擴展，而 AMD 以及由 Broadcom 等公司支持的客製化加速器，也正瞄準那些輝達溢價經濟效益日益難以自圓其說的工作負載。

在這樣的環境下，輝達仍能持續成長，但其市場份額、定價能力及半導體業務利潤率，可能會逐漸回歸常態。

什麼將決定下一階段的 AI 交易走勢？

AI 晶片交易的下一階段，取決於四項變數：

AI 營收成長、大型雲端服務商的資本支出、GPU 使用率，以及半導體業務利潤率。

若 AI 應用持續普及、推論需求擴大、大型雲端服務商仍受產能限制、舊款 GPU 能在較低階應用中找到獲利機會，且 Rubin 帶動新一輪升級週期，看漲路徑就能維持不變。

而當資本支出成長速度明顯快於變現能力、雲端業務利潤率受到壓縮、舊款 GPU 的經濟效益惡化，且大型雲端服務商終於放緩基礎設施支出時，看跌路徑便會展開。

核心問題遠比輝達 5,000 億美元的融資計畫更為重大：

AI 能否創造足夠的經濟價值，來支撐已經興建的基礎設施——以及未來規模更大的新一波投資額？

若答案依然是「是」，AI 半導體週期仍有持續發展的空間。但若這層關係開始出現裂痕，投資者可能需要重新評估從輝達、記憶體到網路、晶圓代工及 AI 雲端運營商的整條產業鏈。