過去一個月，我們親眼見證了 AI 產業最複雜的金融工程正在成形。當 OpenAI 的 CFO Sarah Friar 在最近的採訪中「不小心」說出驚人內幕時，我才驚覺這場 AI 狂潮下隱藏的風險比想像中更加可怕。這不僅僅是循環投資的問題，而是一場可能重演 2008 年次貸危機的金融災難。
OpenAI CFO 的「無心之言」：芯片融資的真相
在訪談中，Sarah Friar 提出了一個讓人不寒而慄的問題：「芯片在前沿位置能維持多久？是 3 年、4 年、5 年，還是更久？」她接著透露：
「在一個我們沒有算力、算力受限的世界裡，我們現在仍在大量使用類似 A100 等級已經存在可能 6、7 年的晶片。如果情況是這樣，那為晶片做融資就容易得多。但如果晶片保持在前沿的時間很短，那融資就變得困難。」
這段話背後的含義令人深思：當 GPU 芯片快速貶值成為常態，誰還願意接受它們作為抵押品借錢？
xAI 與 Nvidia 的 200 億美元交易：金融工程的極致展現
最近發生的 xAI 與 Nvidia 交易就是個極好的案例。xAI 正在籌集 200 億美元來建造下一世代的 AI 超級電腦「Colossus 2」項目，但實際操作方式卻充滿了金融工程的技巧：
xAI 的融資結構拆解：
| 融資項目 | 金額 | 說明 |
|---|---|---|
| 股權融資 | 75 億美元 | 主要投資者包括 Nvidia（投資 20 億） |
| 借貸融資 | 125 億美元 | 使用 GPU 芯片作為抵押品 |
| 總融資額 | 200 億美元 | 透過特殊目的載體（SPV）空殼公司操作 |
| xAI 承諾 | 5 年租約 | 向空殼公司租用這些芯片 |
這種結構設計讓我想起了 2008 年金融危機前的複雜金融商品。xAI 為什麼要這麼做？答案很簡單：
- 125 億的借貸不會出現在 xAI 的資產負債表上
- xAI 的股權不會被稀釋
- GPU 芯片的折舊只會在空殼公司的帳目上
- xAI 可以維持輕資產形象繼續融資
但最關鍵的風險在於：如果這個空殼公司壞帳，銀行收回的是一堆快速貶值的 GPU 芯片，而 xAI 本身卻毫髮無傷。
Erik (EKC)
循環投資的多層結構：AI 產業的龐氏遊戲？
現在的 AI 產業循環投資已經演變成極其複雜的網絡。讓我用一個簡單的比喻來說明：這就像肉店投資餐館，餐館向肉店買肉，看起來沒問題。但當 Nvidia 投資 xAI，xAI 又用這筆錢向 Nvidia 購買芯片時，真實的需求在哪裡？
AI 產業循環投資的核心參與者：
| 角色 | 行為 | 風險承擔 |
|---|---|---|
| Nvidia | 投資 AI 公司 + 銷售 GPU | 表面上無風險（已收到芯片款項） |
| AI 公司（如 xAI、OpenAI） | 租用 GPU 而非購買 | 運營風險，但資產負債表乾淨 |
| 空殼公司（SPV） | 購買 GPU 並出租 | 持有快速貶值的資產 |
| 銀行與私募基金 | 提供 125 億借貸 | 抵押品貶值風險 |
| 算力提供商（如 CoreWeave） | 購買 GPU 提供算力 | 折舊低估風險 |
GPU 芯片的「有毒抵押品」問題
Sarah Friar 的擔憂並非空穴來風。想像一下，誰會願意接受 iPhone 作為抵押品借錢？每年蘋果都會推出新款手機，舊機型的價值會快速下跌。GPU 芯片的情況更糟：
GPU 芯片貶值速度對比：
| 情境 | 理想狀態 | 實際狀態 |
|---|---|---|
| 芯片使用壽命 | 6-7 年（如 A100 等級） | 3-4 年就被淘汰 |
| 折舊方式 | 線性折舊，每年 1/6 | 應該是加速折舊 |
| 融資難度 | 容易（資產保值） | 困難（資產快速貶值） |
| 風險程度 | 低 | 極高 |
根據我的觀察，像 CoreWeave 這樣的算力提供商使用 6 年的線性折舊公式，這嚴重低估了真實的支出。如果 GPU 芯片只有 3-4 年壽命，但會計上還在用 6 年折舊，這將造成財報盈利的嚴重失真。
巴菲特對折舊的警告：這是最糟糕的支出類型
Warren Buffett 曾經說過：「折舊是支出，並且是最糟糕的那一類支出。保險業的浮動金，是先拿到錢再花；折舊，卻是你先花了錢，再記錄成開支。」
這句話在當前的 AI 產業更顯諷刺。讓我們看看各方是如何「美化」財報的：
財報美化手法對比：
| 參與者 | 操作手法 | 實際風險 |
|---|---|---|
| OpenAI / xAI | 租賃 GPU，隱藏負債 | 長期租約承諾可能無法履行 |
| 算力提供商 | 拉長折舊年限（6 年） | 嚴重低估支出，虛增盈利 |
| 空殼公司 | 持有快速貶值的 GPU | 資不抵債風險 |
| 銀行 | 打包借貸轉售給投資者 | 轉移風險，如同次貸危機 |
從我在數位轉型領域的經驗來看，這種財務操作最終會導致系統性風險。
Sam Altman 的失控回應：逃避還是無奈？
當投資者 Brad Gerstner 直接詢問 Sam Altman：「一個營收是 130 億的公司要怎麼支付 1.4 兆的開支承諾？」時，Altman 的回應令人玩味：
「首先，我們的營收遠高於 130 億。再者，Brad 如果你想要賣股權，我可以為你找來買家。我受夠了。」
這個回答迴避了核心問題。OpenAI 對 Nvidia 承諾 5 億美元，對 AMD 和 Oracle 承諾 3 億美元，對 Azure 承諾 2500 億美元，總計高達 1.4 兆的承諾。 這些數字背後的財務壓力是實實在在的。
誰會是最終買單的消費者？
在這場循環遊戲中，所有參與者都在印錢支付對方，但**最終誰會是消費者來買單？**這是我最擔心的問題。
根據我對AI 投資趨勢的觀察，當前的狀況可能演變成：
- 銀行和私募基金發現風險過高，停止借貸
- 空殼公司資不抵債，投資者血本無歸
- 算力提供商因折舊不實而財務危機
- AI 公司無法履行租約承諾
- 整個生態系統崩潰
終極解決方案：政府救市？
Sarah Friar 在訪談中已經提出了「終極解決方案」：
「當芯片使用壽命變短，借貸就會變得困難。所以我們正在尋求一個生態系統，包括銀行、私募基金，甚至政府介入，看政府能以什麼方式加入。」
當主持人詢問「你的意思是例如政府給予資助嗎？」時，她回答：「意思是像是，首先，一個會幫忙止損救市的承諾，來允許融資的發生。」
這讓我想起了 2008 年金融危機時的政府救市。難道 AI 產業已經「大到不能倒」了嗎？
從次貸危機看 AI 芯片泡沫
2008 年次貸危機的核心問題是：房貸被打包成複雜的金融商品，風險被層層轉移，最終沒有人真正承擔風險。當房價下跌時，整個系統崩潰。
現在的 AI 產業循環投資驚人地相似：
次貸危機 vs. AI 芯片泡沫：
| 對比項目 | 2008 次貸危機 | 2025 AI 芯片泡沫 |
|---|---|---|
| 核心資產 | 房地產 | GPU 芯片 |
| 融資方式 | 房貸證券化 | 芯片抵押借貸 |
| 風險轉移 | 銀行→投資者 | 空殼公司→投資者 |
| 資產貶值 | 房價下跌 | GPU 快速淘汰 |
| 系統風險 | 全球金融危機 | AI 產業崩盤？ |
| 救市方案 | 政府注資 | 政府承諾救市 |
德意志銀行現在正在想辦法把借貸打包賣給投資者來轉移風險，這跟當年的次貸證券化如出一轍。
我的個人觀察與建議
作為長期關注 AI 產業發展的觀察者，我認為這場循環投資遊戲有幾個關鍵轉折點：
1. GPU 芯片世代更迭速度
如果 Nvidia 每年都推出性能大幅提升的新一代芯片（如 H100、B100、GB200），舊芯片的價值將快速貶值。目前市場上使用的 A100 已經是 6-7 年前的產品，這種「舊芯片仍有大量需求」的狀況不會持續太久。
2. 真實 AI 應用的商業化進度
關鍵問題是：這些巨額投資的 AI 應用能產生足夠的營收來支撐嗎？
目前 OpenAI、xAI 等公司的營收雖然在增長，但距離覆蓋巨額的基礎設施投資還有很大差距。如果 AI 應用的商業化速度跟不上投資速度，泡沫就會破裂。
3. 監管機構的介入時機
當循環投資規模大到一定程度，監管機構必然會介入。問題是：介入太早會扼殺創新，介入太晚則無法防止危機。
企業如何應對這場變局？
對於想要利用 AI 技術的企業來說，我建議：
- 避免過度依賴單一 AI 服務提供商：分散風險，保持技術架構的靈活性
- 關注 AI 應用的實際 ROI：不要被技術炒作迷惑，專注於真實的商業價值
- 建立內部 AI 能力：而非完全依賴外部服務
- 密切關注行業動態：尤其是主要 AI 公司的財務狀況
在我協助企業進行數位轉型的過程中，我發現最成功的企業都是那些能夠理性評估技術價值、避免盲目跟風的公司。
結語：我們正站在十字路口
OpenAI CFO Sarah Friar 的「意外」揭露，讓我們看清了 AI 產業循環投資的真相。這不僅僅是技術創新的故事，更是一場複雜的金融遊戲。
當所有參與者都在印錢支付對方，當 GPU 芯片變成「有毒抵押品」，當政府被要求提供救市承諾時，我們必須問自己：這場 AI 狂潮的終點在哪裡？
歷史告訴我們，每一次技術泡沫都會以某種方式破裂。關鍵問題不是「會不會破」，而是「何時破」以及「如何軟著陸」。
作為企業決策者，現在最重要的是保持清醒的頭腦，理性評估 AI 投資的真實價值，並做好應對市場劇烈波動的準備。
準備好迎接 AI 時代的挑戰了嗎？
在這個充滿不確定性的 AI 時代，企業需要專業的策略夥伴來導航複雜的技術與商業環境。Tenten 專注於協助企業制定切實可行的 AI 戰略，避免盲目投資，實現真正的數位轉型價值。
我們提供：
- AI 技術評估與選型：幫助您選擇最適合的 AI 解決方案
- 數位轉型策略規劃：制定符合企業實際需求的轉型路徑
- 風險評估與管理：識別並降低技術投資風險
- 實施與優化支援：確保 AI 項目真正創造商業價值
參考資料與延伸閱讀
- Wharton School - The Financial Engineering of Tech IPOs - 賓夕法尼亞大學華頓商學院對科技公司金融工程的深度研究
- MIT Sloan Management Review - AI Investment Risks - 麻省理工學院對 AI 投資風險的學術分析
- Stanford Graduate School of Business - Technology Bubbles - 史丹佛商學院關於科技泡沫的研究報告
- 開源AI的全球翻轉:中國模型如何主導矽谷創業圈
- 中國開源AI模型正在改寫全球遊戲規則
- Elon Musk 的萬億薪酬豪賭：一場改寫人類商業史的對賭遊戲
- Google 再加碼 Anthropic：3500 億美元估值背後的 AI 戰略佈局
- Michael Burry 做空 Palantir 和 Nvidia：AI 泡沫警告來襲？
- Satya Nadella 與 Sam Altman 訪談 - AI指數增長、SaaS重塑與基礎設施瓶頸
- OpenAI 準備 IPO？Altman 的 AI 巨頭目標估值 1 兆美元:史上最大規模上市即將來臨?
關於作者
Harris Chang
Harris 是資深金融市場分析師，專精於美股科技股投資研究與技術分析。他對科技產業發展趨勢具有深入洞察，認為當前市場波動反映了投資者對人工智慧革命的期待與現實業績表現之間的平衡過程。
在 Harris 看來，OpenAI CFO 的這次「無心之言」實際上揭露了整個 AI 產業最核心的財務風險。他認為，優質科技股的長期投資價值依然值得關注，但投資者需要更精準的進場時機選擇和風險管理策略。
Harris 特別指出：「當一個產業開始尋求政府救市承諾時，通常意味著市場機制已經無法自我修正。聰明的投資者應該在狂熱中保持冷靜，在恐慌中尋找機會。」
他建議企業在評估 AI 投資時，應該更關注：
- 實際商業價值而非技術炒作
- 現金流而非估值
- 可持續的商業模式而非融資能力
這些原則在當前複雜的市場環境中顯得尤為重要。
