當每個人都相信系統更強健時，通常它反而更脆弱。這就是繁榮的悖論。AI 浪潮看起來耐久：有收入、有實體資產、有真實使用者。但一個簡單的壓力測試會暴露出不容錯誤的承重點。稱之為泡沫的四個 O：過度產能（overcapacity）、過度自信（overconfidence）、過度集中（overconcentration）與不透明（opacity）。把這個測試套在當前的 AI 建設上，斷層線便顯現。
那些蓋東西的泡沫往往破得最慘。19 世紀的鐵路、1999 年的長途光纖、十年前的頁岩油井。產能先到，經濟性才跟上。AI 也在走同一齣戲。大型科技公司正投入數十億於晶片、資料中心與電力。Google 計畫花約 150 億美元在印度建立一個大型資料中心樞紐，顯示其規模。投資人或許因為資料需求很可能持續上升而感到安慰。光纖與石油當年也是如此。然而，擁有權很重要。過度產能會把議價力轉移到客戶手中。價格被壓縮，資產負債表受損。當資本支出先於現金流紀律，差距必須在某處收斂：在利潤率上、在減值上，或在被迫的整併中。
敘事把不確定性變成推銷文案。在市場上，這常意味著選擇權被定價為必然性。AI 承諾生產力躍進、新的收入池與平台控制。許多模型會交付成果。但基本發生率顯示採用遵循 S 型曲線，回報集中在少數人手中。即便一些 AI 領導者也抱持謹慎。Sam Altman 曾警告投資人可能過度興奮，存在泡沫風險。德意志銀行資產管理部門的執行長稱此循環前所未有，沒有明確的操作手冊。當專家說沒有可以依靠的歷史時，理性的做法是依賴機率。肥尾風險會雙向割傷你。你可以對目的地是對的，但在時間、路徑與實際賺錢的是誰上面錯判。
AI 依賴狹窄的瓶頸：少數晶片製造商、一個雲端寡頭、有限的高壓互聯，以及受限的電力市場。這就是集中風險。它讓回報看起來平滑，直到某一個點失效。它也會放大政策與地緣政治衝擊。Goldman Sachs 已指出，若大型科技公司回縮 AI 支出，可能壓縮估值 15% 到 20%。這估算不是魔術，而是反映了依賴關係。若超大規模雲端業者減慢訂單，晶片供應商、合約製造商、電力開發商、專門化的 REITs，以及長尾的創業公司都會感受相同衝擊。在網絡理論中，密集的樞紐會快速傳遞壓力。實務上，意味著一個財報電話會議中的謹慎採購更新，可能在一週內變成整個產業的估值下修。
不透明助長泡沫，因為它延遲了反饋。在 AI 領域，不透明既是技術性的也是財務性的。技術性不透明：模型品質指標容易被操弄且難以審核，安全性具機率性，可靠性依情境而異。財務性不透明：訓練與推論成本的會計處理尚未穩定。有些公司將軟體與基礎設施資本化，同時把抵免與激勵列為費用，混淆了單位經濟。AI 功能是在擴大收入，還是在蠶食像搜尋、客服或軟體授權等既有業務？毛利率是被引導性定價或補貼使用所美化了嗎？缺乏標準化揭露使投資人一直猜測。市場討厭驚奇，但不透明使驚奇更可能發生。一旦某公司承認使用率高但變現落後，估值的算術會迅速回到現實。
羊群效應不只是散戶現象。這是高管的博弈論。沒有 CEO 想成為那個因花費不足而錯失平台轉移的人。因此資本支出競賽會持續，直到資產負債表或董事會出面制止。這是一個囚徒困境。即便集體結果是過度建置，支配策略仍是投資。AI 提高了賭注，因為速度壓縮了週期。Federal Reserve 的 Michael Barr 曾警告，使 AI 有吸引力的相同屬性也可能通過自動化與羊群效應產生市場性風險。如果信貸、交易與採購決策都被用相同資料調校的模型所增強，相關性會上升。在壓力情況下，相關性會趨近於一。我們在 2008 年的結構化信貸中學到這一課。也可能在 2026 年的算力中重學此課。
做一個基本的反轉測試。假設故事是對的，但節奏延後。超大規模雲端業者為消化建設、提高效率或等待新晶片，於 2026 年將資本支出削減 10% 到 20%。Goldman 所提出的 15% 到 20% 的估值壓縮情境是合理的，非懲罰性的。晶片供應商未達量目標；訂單積壓轉換速度放慢；電力購買協議被重新談判；AI 基礎設施 REITs 下修展望；以雲端抵免為基礎建立的創業公司面對真正帳單；二階效應打擊圍繞新資料中心樞紐（例如印度）的地方建設、公用事業與市政融資。零售投資人可能曝險較低，調查顯示只有約 30% 買進 AI 類股。這降低了邊緣的被迫賣出。它並不移除核心的機構資金流動。
對抗四個 O 的解藥不是悲觀，而是設計。公司應偏好變動成本勝過固定成本，模組化勝過單體式建構，以需求支持的擴張勝過先發制人的規模。把電力鎖定在便宜且可靠的來源，而不僅僅是可得性。多元化晶片供應，盡量避免單一供應商依賴。推動開放標準以降低轉換成本。專注於具有可重複單位經濟與定價權的產品。接受小型、專門化模型在成本與延遲上，對許多工作勝過龐大模型的事實。清楚揭露 AI 營收、算力成本與資本支出對營收的滑動路徑。投資人應把算力週期視為大宗商品週期。要求能通過真實資本成本的需求障礙率。不要把模型基準混淆為現金流。
每項變革性技術同時帶來過度建造與低估。鐵路使許多投資人破產；它也建構了現代商業。光纖過剩摧毀了電信股十年；它後來促成了雲端與串流。教訓不是避免浪潮，而是為脆弱性定價。緊繃的系統會斷裂。冗餘且能產生現金的系統會彎曲並獲益。在古典工程學中，橋樑會超出預期壓力進行載重測試，以在故障前揭露弱點。四個 O 提供了類似的心智載重測試給 AI。過度產能會出現在建設計畫上；過度自信會出現在指引上；過度集中會出現在供應商圖譜中；不透明會出現在腳註裡。如果你無法讓一個股票或一個主題通過那個測試，你不是在投資，你是在抱希望。
與其問如果 AI 成功誰會贏，不如問如果 AI 停滯誰能存活。誰能在不失去客戶的情況下削減資本支出？誰能在 AI 成熟期間於既有業務上賺取回報？當成本曲線趨平時，誰能從最尖端迅速轉向高效率邊緣？市場終將把敘事與現金分離。今日零售的謹慎或許是一種跡象，而非落後。專業人士擠入相同交易會降低韌性。唯一持久的優勢是安全邊際。在一個建立於速度之上的繁榮中，稀缺的資產是耐心。四個 O 並不預測崩盤。它們繪出應力會顯現之處。在泡沫中，你看不到的東西會傷害你。在 AI 中，那仍然是承重的那一部分。
