AI creates the strongest moat in history? JP Morgan Asset Management: Two medium-term risks hide a liquidation crisis

如果用一句話概括當前的美股市場，那就是：AI 正在 “令人窒息” 地統治一切。

據追風交易台，摩根大通資產管理公司（JPMAM）在 1 月 1 日發佈的 2026 年展望報告《令人窒息的高度》（Smothering Heights）指出，自 2022 年 ChatGPT 發佈以來，標普 500 指數中 65% 至 75% 的回報、利潤增長和資本支出，僅僅源自 42 家與生成式 AI 相關的公司。剝離這 42 家公司，美股的表現甚至不如歐洲、日本和中國。更驚人的是，科技行業的資本支出在過去三個季度中貢獻了美國 GDP 增長的 40%-45%，而 2023 年前三季度這一比例還不到 5%。

這是一場史無前例的豪賭。由英偉達的芯片設計、台積電的製造和 ASML 的光刻機構成的 “護城河” 似乎堅不可摧。僅僅 4 家半導體公司和 4 家超大規模雲廠商的市值已從七年前的 3 萬億美元膨脹至今天的 18 萬億美元，佔據了全球股市市值的 16%。然而，當市場處於極度集中和歷史高位時，投資者必須問的問題不再是 “還有什麼利好”，而是 “什麼會出錯”。

摩根大通資管在報告中明確指出了兩大可能引發市場清算的中期風險：一是鉅額資本支出後的盈利兑現危機（類似 “元宇宙” 式的崩塌），二是美國電力基礎設施的物理瓶頸。 對於投資者而言，2026 年可能重演 2025 年的劇本：在經歷了利潤回吐和增長恐慌引發的 10%-15% 回調後，市場最終會在年底收高，但在此之前，關於 AI 盈利能力和能源供應的拷問將成為懸在頭頂的達摩克利斯之劍。

風險一：萬億資本支出的 “元宇宙時刻”——回報在哪裏？

這是對當前 “護城河” 最緊迫的威脅。自 2022 年第四季度以來，四大雲廠商（微軟、谷歌、亞馬遜、Meta）在資本支出和研發上狂砸了 1.3 萬億美元，其中大部分與生成式 AI 相關。核心問題在於：這些鉅額投入能否轉化為相應的利潤？如果不能，這些科技巨頭可能面臨類似 2022 年的 “元宇宙清算”，當時 “七巨頭”（Mag7）的股價慘遭腰斬。

報告指出，儘管企業對 AI 的採用率在上升，但關於投資回報率（ROI）的爭論極其激烈。麻省理工學院（MIT）的研究顯示，儘管企業投入了 300-400 億美元，但 95% 的項目回報為零，CEO 們對 AI 戰略的信心大幅下降。雖然高盛預計 AI 能提振生產力，但目前除了基礎設施提供商外，真正通過 AI 實現顯著超額收益的公司寥寥無幾。

此外，雲廠商的財務狀況也出現隱憂，在盈利透明度方面，除微軟已披露明確的人工智能收入外，其他巨頭的盈利路徑仍不明朗。隨着自由現金流利潤率逐步下降、現金儲備減少，市場正迫切期待更清晰的盈利模型。與此同時，部分雲廠商通過延長 GPU 及網絡設備的折舊年限——例如從 3 至 4 年延長至 5 至 6 年——來優化財務報表。若折舊年限因會計準則調整或新一代芯片加速迭代而回歸常態，相關公司的每股收益和利潤率可能面臨 6% 至 8% 的下調壓力。

作為人工智能敍事的關鍵驅動力，OpenAI 同樣潛藏風險。儘管其收入增長迅速，但為實現 2030 年目標，公司需額外獲取 30 吉瓦的電力供應，且目前 72% 的 GPT 查詢仍與非商業場景相關。這些因素使得 OpenAI 可能成為比英偉達更集中的單一企業風險點，進一步凸顯了人工智能領域在狂熱投資背後亟待解決的可持續性問題。

風險二：物理世界的硬約束——美國電力短缺迫在眉睫

正如 OpenAI CEO 山姆·奧特曼所言：“AI 的成本最終將收斂於能源成本。” 報告警告，物理世界的限制正在成為 AI 發展的最大瓶頸。

數據中心目前僅佔美國電力需求的 4%-8%，但預計將佔據未來負荷增長的三分之二。由於芯片能效提升被算力需求的指數級增長抵消，電力供應正面臨嚴峻挑戰。

這一挑戰首先體現在巨大的供需缺口上。僅 OpenAI 宣佈的四個合作伙伴關係，就需要 30.5 吉瓦的新增電力，相當於美國過去五年新增核電峯值容量的 75%。與此同時，關鍵基礎設施的建設嚴重滯後。燃氣輪機、變壓器等核心設備的交貨週期已長達三至七年，成本不斷攀升，而電網併網的排隊等待時間中位數更是超過了 70 個月。

區域性電力危機也已顯現。在數據中心密集的美國 PJM 電網區域，由於火力發電廠加速退役與數據中心負荷激增，電力容量價格正急劇飆升。加利福尼亞州甚至已出現數據中心建成後因無電可用而被迫閒置的情況。儘管太陽能和電池儲能被視為解決方案的一部分，但考慮到供電的穩定性與綜合成本，預計未來 60% 的新建數據中心仍將依賴天然氣發電。這意味着，人工智能的擴張速度將不再僅僅取決於算法與代碼的效率，而在更大程度上受制於美國老化電網的承載能力以及天然氣管道等傳統能源基礎設施的建設速度。

雖然太陽能和電池是解決方案之一，但考慮到穩定性和成本，未來 60% 的新數據中心仍將依賴天然氣發電。這意味着，AI 的擴張速度將不再取決於代碼的效率，而是取決於美國老舊電網的承載能力和天然氣管道的鋪設速度。

市場估值與債務隱憂：不僅僅是市盈率

儘管面臨上述風險，報告認為當前的科技股估值雖然高企，但並未達到 2000 年互聯網泡沫時期的瘋狂程度。目前的 PEG（市盈率相對盈利增長比率）僅為 1-3 倍，遠低於當年的 4-8 倍。且目前的科技巨頭利潤率極高，與當年充斥市場的 “年輕且無利可圖的公司”（YUCs）有着本質區別。

然而，融資結構的微妙變化值得警惕。雖然 AI 巨頭的淨債務水平極低，但部分公司開始利用債務市場為數據中心融資。例如，甲骨文（Oracle）雖然現金流狀況不如其他巨頭，卻為了滿足 OpenAI 的算力需求大舉借債；Meta 則通過與 Blue Owl 合作的表外融資工具來建設數據中心，雖然標準普爾維持了其評級，但如果將這些隱形債務合併計算，Meta 的槓桿率將顯著上升。這表明，AI 軍備競賽正在從 “現金流驅動” 悄然轉向 “債務驅動”，這無疑增加了系統的脆弱性。