AI 資本支出會失速嗎？從成本與槓桿看風險

• 單位成本是分水嶺。大模型的「推理」像是每回答一次就燒一次電與記憶體頻寬；如果每千字的推理成本降不下來，即便使用者增長，毛利也難以同步擴大。許多服務開始分級計量與限額，本質上是在修正單位經濟。
• 毛利率才是體溫計。對應用型公司，一條簡單的尺：毛利率長期站不上 50%，代表「用得越多、賠得越多」；只有當毛利率回升、訂價能反映成本，應用端的現金流才足以回頭支撐更多算力採購。
• 重度用戶吃穿補貼。一小群高用量客戶往往吃掉大半資源（所謂「巨鯨效應」）。當平台被迫對重度用戶漲價或限流，短單會漂亮、長單才關鍵——能不能把企業級、任務型場景綁進長期合約，才是營收可預期的來源。

給投資人的兩條線

1. 「每千字推理成本」半年內是否再降 30%（無論來自晶片能效、模型壓縮或軟體優化）；
2. 應用商毛利率能否站上 50%。

這兩條線若同時改善，需求端才算「健康擴張」；反之，熱度越高、錢燒得越兇。

二、槓桿壓力：誰能跑長跑，誰被債壓垮

投資重點：看「利息／營收比」與「RPO 覆蓋率」，分辨誰能跑長跑。

• 超級雲的優勢是資金成本與合約能見度。它們手上有廣告、雲訂閱與企業授權的現金奶牛，資金成本低、自由現金流厚，且「多年期合約（RPO）」可見度高，能吸收先建後用的波動。
• 次級雲的快與痛並存。多靠「資產抵押融資（以 GPU 抵押）」與戰略投資加速擴產；只要需求旺、利用率高，現金流就能轉；一旦需求不如預期，折舊與利息會迅速放大壓力。
• 電力與散熱是新瓶頸。高密度機架把功耗與冷卻推到新台階，帶動資料中心改造。對財務的含義是：現金流回收更後移、資產更重、錯配風險更大。

給投資人的兩條線

1. 利息支出／營收比 ≥25%：代表槓桿開始「反咬」；
2. RPO（未履約合約）÷ 有息債務 <0.5：可見收入對不上槓桿。

這兩條線若同時變差，即使手上 GPU 很多，擴張也可能踩煞車。

三、未來半年情境：大者更大

把上面兩組指標拉到座標軸，就得到一張好用的「推理成本 × 槓桿壓力四象限」如下（數值經過標準化以清楚呈現相對位置）：

• 左下角（安全區）：超級雲（Microsoft、AWS、Google、Meta、Oracle）位於此處——成本可控、槓桿低、合約能見度高，而且他們還在往更安全的方向（左下角）前進。
• 右下角（成本壓力區）：應用端（OpenAI、Anthropic 及各式 App／SaaS）位於此處——商業模式仍在打磨，短期靠訂價與功能分層消化壓力。
• 右上角（雙重風險區）：次級雲（CoreWeave、Lambda 等）位於此處——速度快但資產重、槓桿高，對「需求波動」最敏感，而且過去四季，他們的風險正在逐步升高。

接下來六個月，三種走向的機率判讀

1. 「大者恆大」加速（機率：中高）
   超級雲的資本支出多已簽好產能與電力，集中度上升是大勢；次級雲不會立刻消失，但會被迫更聚焦地區節點、合規或垂直場景。
2. 「利基市場生根」擴散（機率：中）
   私有雲即服務、行業專用模型與在地合規，會讓中端與地區性供應商找到生存縫隙；但規模與資金厚度仍難比肩超級雲，屬「慢慢長」。
3. 「需求撐不起供給」觸發雪崩（機率：低）
   短期難見全面急凍；真正的系統性風險，多半來自兩顆警報燈同時亮起：
   • 推理成本不降 & 毛利起不來 → 需求端回收變慢；
   • 利息／營收跳升 & RPO 覆蓋轉弱 → 供給端現金流吃緊。
   一旦重疊，次級雲與高槓桿玩家最先受衝擊，其次是高資本密度的供應鏈。

投資人行動清單

• 每季追四指標：①每千字推理成本（是否持續下降）；②應用商毛利率（是否回到 50% 以上）；③利息／營收比（是否逼近 25%）；④RPO÷債務（是否低於 0.5）。
• 看現金流，不只看故事：對次級雲與新創，優先檢視利用率與合約長短，再談成長故事。
• 逢高檢視資產負債表彈性：在「大者恆大」階段，資金成本與合約能見度就是護城河；對供應鏈標的，也要對照客戶集中度與交貨排程，避免被單一客戶的投資節奏綁架。
• 留一手給「效率技術」：任何能把同樣任務做得更省電、更省記憶體的軟硬整合，都是推理成本下行的加速器——這些公司常是小而美的高彈性受益者。