蔡鎤銘/淡江大學財務金融學系兼任教授

人工智慧投資熱潮在2026年達到前所未有的高峰。高盛預計到2026年底全球AI投資將達1.019兆美元，美國AI投資接近5810億美元；全球AI投資占GDP的比重將從2026年的0.9%上升至2028年的1.4%。富達國際指出，AI資本開支仍是推動全球市場的重要力量。然而，在亮麗的數字背後，電力供應緊張、監管日益嚴格以及成本持續上升等三大壓力正對投資決策構成日益沉重的負擔。這場規模空前的AI投資浪潮，正在從「不計成本搶建」的階段，逐步進入必須正視基礎約束與回報驗證的關鍵轉折點。

萬億規模的AI投資狂潮

AI投資的規模與成長速度在2026年持續超出市場預期。高盛報告顯示，2023年至2025年亞馬遜、谷歌和Meta三家超大型企業已在資本支出上合計投入約7670億美元，而2026至2027年預計將成長至約1.7兆美元。瑞銀已將2027年全球AI資本支出預估上調至1.2兆美元。另有預測指出，2026年至2031年全球圍繞算力、資料中心和電力的AI資本開支合計約7.6兆美元。

如此巨額的投入反映了一個基本判斷：AI被視為「幾十年來最具影響力的主題」。富達國際亞洲經濟學家指出，AI的發展需要大量實體資本投入，資料中心、先進半導體、電網、冷卻系統以及發電設施正逐漸成為新數字經濟的重要基礎設施。AI不僅提升對晶片和伺服器的需求，也拉動銅、鋼鐵、電力以及工業設備等板塊的需求成長。

然而，投資規模的快速膨脹本身就意味著風險的累積。高盛策略師認為，AI交易已從主題投資進入回報率驗證階段，市場不再只問「誰參與AI」，而是開始追問「誰能真正從AI中賺錢」。

電力：AI成長的第一道瓶頸

電力供應已成為制約AI產業進一步擴張的關鍵瓶頸。研調機構Gartner預測，2026年全球資料中心用電量將達到565TWh，較2025年的447TWh成長26%。AI優化型伺服器2026年將占資料中心用電量的31%，到2027年其用電量將超過傳統伺服器。Gartner研究總監明確表示，運算密集型AI工作負載需求的激增正導致資料中心用電量以空前速度成長，如今AI運算能力受到電力供應的限制。

這項警示絕非危言聳聽。Gartner預計2030年資料中心用電量將超過1200TWh，屆時電網供電將無法滿足未來資料中心建設需求。以單一超大型AI資料中心至少需要5000台AI伺服器來推算，用電量等同於一座城市用量。輝達下半年開始量產出貨的Vera Rubin伺服器，單一機櫃電力需求高達600至800kWh，運行一個小時的用電量最高達800度，相當於上千戶家庭同時用電。

更令人憂心的是電力供給面的瓶頸。有分析指出，變壓器交付周期約128周，大型燃氣輪機最長等7年，電力設備而非需求才是2026年AI建設的第一瓶頸。在G20峰會上，有業界領袖警告AI行業正面臨電力供應短缺，預計2027年AI晶片可能面臨至少15吉瓦的電力缺口。摩根士丹利也估計，即使將比特幣礦場改造、燃料電池等創新供電解決方案考慮在內，AI基礎設施所需電力仍存在約10%至20%的供應缺口。電力，正在從「後勤問題」變成「戰略天花板」。

監管：日益收緊的合規枷鎖

全球AI監管格局在2026年加速成形，為AI投資增添了前所未有的合規成本與不確定性。

歐盟走在監管最前線。《人工智慧法》自2024年生效後分階段推進，通用大模型義務於2025年8月適用，歐盟人工智慧辦公室的執法權限自2026年8月全面啟動。然而，法規尚未全面施行就已迎來修訂，2026年5月7日，歐盟理事會與歐洲議會就AI法案修正案達成臨時政治協議。同年6月29日完成立法程序，7月8日簽署最終文本。高風險AI系統的實施時間被延後至2027年12月2日。監管框架的頻繁變動本身即構成投資決策的重大不確定性。

美國方面，川普於2026年6月2日簽署題為《促進高級人工智慧創新與安全》的行政令，要求部分AI開發商在向公眾發布新模型前30天提交政府審查。這是美國聯邦政府迄今對AI監管最重要的一步。

中國大陸方面，監理動機以安全管控、意識形態管控與產業扶植主軸並存。相關部門陸續發布《智能體規範應用與創新發展實施意見》、《人工智慧應用倫理安全指引1.0》等規範。

全球AI治理呈現「原則趨同、路徑分化」的格局。歐盟強化風險監管、美國強調創新優先、大陸側重安全管控。對跨國AI企業而言，在不同法域間滿足各自合規要求所付出的成本正持續攀升，投資決策的複雜度前所未有。

成本：全面膨脹的硬體帳單

如果說電力和監管是外部約束，那麼成本上升則是直接侵蝕投資回報的內部壓力。2026年，AI硬體成本正經歷全面且快速的膨脹。

輝達已向微軟、谷歌、甲骨文等核心客戶發出調價通知，因儲存晶片成本大幅上行，搭載其AI晶片的伺服器價格普遍上漲逾15%。在單台售價已達數百萬美元的市場中，這意味著每台設備新增數十萬乃至近百萬美元的硬體開支。更值得關注的是成本結構的根本性轉變，以Vera Rubin系列伺服器為例，HBM高頻寬記憶體加系統DRAM合計占整機物料成本約62%，GPU晶片本身僅占約26%。決定AI伺服器價格走向的關鍵變數已從輝達的晶片定價能力轉移到上游儲存原廠的成本曲線。

這種成本壓力正在整個產業鏈蔓延。部分伺服器CPU型號自2026年初以來價格漲幅已超過40%。GDDR7顯存模組成本較前代成長至三倍。從GB200 NVL72單櫃的HBM加記憶體採購成本約37萬美元，到Rubin世代將升至約200萬美元。騰訊雲、阿里雲、百度智能雲等雲端運算廠商及AI服務商也密集上調算力產品價格，部分服務最高漲幅超過30%。

有分析將此現象稱為「AI算力通膨」，2026年資本支出增量中含有顯著的漲價成分。名義資本支出的成長並不等於算力裝機量的同等成長，其中一部分只是對上遊元件廠商的轉移支付。當每一美元的AI預算能買到的算力愈來愈少時，投資回報的壓力自然隨之升高。

壓力下的投資決策轉向

面對電力、監管、成本三重壓力，AI投資決策正在發生微妙的轉變。

首先是投資重心的轉移。富達國際指出，AI發展的第一階段主要由半導體、算力以及資料中心建設等基礎設施投資驅動，但市場關注點正逐漸從基礎設施轉向部署與應用。投資者更加看重盈利品質、競爭優勢和執行能力，那些能將技術創新轉化為可持續盈利成長的公司，有望成為下一階段的主要受益者。

其次是回報驗證的壓力。高盛報告指出，由於資本支出大量投向GPU等較短使用壽命的資產，折舊費用正成為GAAP盈利日益顯著的逆風。阿爾phabet已完成約850億美元的股權融資用於擴展AI基礎設施，引發市場對更多大型科技公司效仿的擔憂。融資稀釋壓力正在成為投資者考量的新變數。

第三是供給側約束的重新評估。真正的瓶頸已從需求端轉向供給端，電力設備、變壓器、記憶體產能等供給限制正在決定AI建設的實際速度。那些能夠在電力基礎設施、能源管理、冷卻技術等領域提供解決方案的企業，反而可能成為這場投資浪潮中的隱藏贏家。

人工智慧投資在2026年站上了前所未有的高度，萬億美元的資本正在重塑全球數字經濟的基礎設施版圖。然而，電力供應的物理瓶頸、監管框架的制度約束、以及硬體成本的全面膨脹，正從三個不同維度對這場投資狂潮施加日益沉重的壓力。

短期內，AI資本支出仍將維持高位，「建設階段」至少持續到2027年。但投資決策的邏輯正在從「不計成本搶建算力」轉向「精打細算追求回報」。電力取得能力、法規合規成本、供應鏈管理效率，這些過去被視為「後勤問題」的因素，如今已成為決定AI投資成敗的戰略變數。對於投資者而言，2026年或許標誌著AI投資從「主題驅動」正式進入「基本面驅動」的新階段，誰能率先破解電力、監管與成本的三重難題，誰就能在下一階段的AI競賽中占得先機。

※以上言論不代表梅花媒體集團立場※