AI愈用愈平，基建愈來愈貴：新一輪瓶頸經濟正在形成

AI產業正分裂成兩個截然不同的市場：一邊是使用智能的成本急跌，另一邊是提供這些智能所需的實體基建仍然受制於供應瓶頸。

先進製程、HBM（高頻寬記憶體）、伺服器、網絡設備、電力和數據中心容量，未能以同樣速度追上需求。結果是，AI模型本身逐漸商品化，但承載模型的機器、記憶體和能源反而更有議價能力。

這不只是價格變化，還會改變企業的盈利模式、投資者評估AI開支的方法，以及信貸風險最終會集中在哪裏。

AI價格戰：價值由Token轉移

有估算指，在模型能力相若的情況下，AI推理成本約兩年間下降95%。實際跌幅會視乎比較的模型、工作負載和品質水平而有所不同，但方向相當清楚：過去只有高價API才能提供的能力，正逐步由更便宜的模型及開放權重模型提供。39

OpenAI近期的減價正好反映這股壓力。公司在2026年7月將較小型的GPT-5.6 Luna模型價格下調80%，中階Terra下調20%；到8月，再宣布開發者使用前沿GPT-5.6 Sol模型的價格削減逾20%。3433

對用戶來說，這是好消息。更低的推理成本，令企業更容易部署AI代理、自動化客戶支援、生成內容、編寫程式，以及處理大量數據。

但對模型供應商而言，每次減價都會壓低每次使用的收入。除非用量增長足以抵銷單價跌幅，否則單靠出售沒有明顯差異化的模型能力，會變成愈來愈脆弱的商業模式。

關鍵在於分清楚「更便宜的智能」和「更便宜的AI系統」。Token價格可以大跌，但一個可靠的AI產品仍然需要資料檢索、監察、安全、低延遲整合、系統維護，以及人工覆核。這些成本未必會同步下降。

實體供應鏈卻向相反方向發展

支援AI工作負載的基建，擴張速度追不上需求。據報，三星因AI晶片需求令產能更緊張，將部分先進晶圓代工服務的新訂單價格上調最多15%。1

三星亦表示，晶片短缺可能進一步惡化並延續至2028年，同時正與大型數據中心客戶商討多年期供應安排。2其記憶體業務提出的框架顯示，如果談判完成，約60%至70%的產能可能由較長期的協議覆蓋。56

這些協議會改變市場規則。產能不再只是誰願意支付即期價格，誰就可以取得。大型客戶提早數年鎖定供應，或可提高自身取得晶片和記憶體的穩定性，卻同時令較小買家更容易面對短缺和價格波動。

記憶體供應的前景尤其嚴峻。SK海力士行政總裁郭魯炅表示，2027年可能成為記憶體業供應最差的一年，需求更可能在2030年後仍高於生產能力。這是公司方面的預測，並非已確定的結果，但足以顯示供應回應可能需要很長時間。17

Nvidia證明基建仍有定價能力

Nvidia最新業績顯示，模型價格下跌暫時未有削弱硬件需求。公司公布2027財政年度第二季收入為962億美元，按年增長106%；數據中心收入則達890億美元，按年增長117%。4950

這正是AI市場的核心矛盾：更有效率的模型，可能令完成某項工作所需的計算量減少；但價格下降亦會刺激更多使用。如果需求增長速度高於效率提升，整體基建消耗仍可持續上升，即使每次推理的成本正在下降。

下一個瓶頸亦可能轉移位置。加速器供應充足，不代表HBM、先進封裝、網絡設備、電力或電網接入也充足。

Nvidia該季公布的毛利率為75%。不過，其他報道指出，記憶體成本上升可能對未來毛利率造成壓力。4953這並不代表基建經濟已經失去吸引力，而是說強勁需求不會令供應鏈每一個環節都同樣有利可圖。

大型雲端公司可以吸收壓力，但不是沒有上限

相較於小型AI供應商，大型雲端公司更有能力處理服務價格下跌、基建成本上升的落差。它們可以把投資分散到雲端運算、廣告、企業軟件和消費者平台，亦可以把AI捆綁在更廣泛的合約內，利用既有分銷渠道提高使用率，並透過多年期供應協議鎖定產能。

因此，大型雲端服務商可能成為整個產業的「減震器」。它們或會接受較低的AI服務利潤率，以維持雲端客戶關係或爭取市場份額。

代價是資本效益可能下降：如果AI價格跌得快過使用量上升，投入數以百億美元計的數據中心資本，可能需要更長時間才取得回報。

對小型供應商來說，情況沒有那麼寬鬆。一間租用昂貴算力、再轉售一般模型存取服務的公司，如果API價格跌得快過客戶基礎增長，幾乎沒有防守空間。

較能持續的企業，可能需要在以下方面建立差異化：

• 掌握特定工作流程或專有數據；
• 擁有可信的企業分銷渠道；
• 提供安全、可靠性或合規優勢；
• 以可驗證的業務成果，而不是Token用量，作為收費基礎。

模型更便宜，不等於生產力立即上升

價格下降應該會鼓勵更多試驗和採用，但「有人使用」不等於「已經創造經濟價值」。企業仍要重新設計流程、整理數據、整合系統、培訓員工和建立風險控制，AI才可能帶來持久的生產力提升。

這對投資者造成一個時間差風險：企業可能因為競爭對手都在投資，而先行購買算力或軟件，但可量度的回報卻遲遲未到。

如果生產力提升比預期慢，基建承諾仍然固定，AI收入預測卻可能被下調。市場由此可能出現兩種截然不同的結果：

• 樂觀情境： 推理成本大幅下降，使用量激增，令整體AI開支、雲端消耗和生產力仍然上升。這類似「傑文斯悖論」——效率提升未必減少總消耗，反而可能刺激更多需求。
• 悲觀情境： 模型價格下跌速度快過用量增長，部分數據中心出現過剩，巨額資本開支的回報下降，依賴預期AI利潤的企業估值受壓。

信貸市場會問：需求是否已經簽入合約？

AI基建熱潮亦正變成信貸市場的問題。數據中心、基建收購和零部件承諾都需要大量長期資本。

如果債務由具信用的客戶、多年期合約和可預測用量支持，融資會較容易自圓其說；但如果還款能力要依賴未來仍未證實的AI需求，風險便會明顯增加。

AI價格下降、使用率增長放慢、電力成本上升或零部件短缺，都可能削弱支持基建項目的現金流。較大的次級債務比例，或更高的信貸保險成本，會反映貸款人要求更多下行風險補償。

不過，這些訊號本身不代表信貸事件即將發生。它們真正提醒市場的是：底層合約的質素，以及借款人現金流的抗壓能力，可能比「AI需求很強」這句口號更重要。

對通脹的影響不會只有一個方向

AI在數碼服務領域可能帶來去通脹效果。更便宜的推理能力，可以降低編程、數據分析、客戶支援、內容製作和部分行政工作的成本。如果競爭者把節省轉嫁給客戶，企業和消費者最終都可能受惠。

但基建擴張在個別市場可能造成相反效果。稀缺的記憶體、先進晶片、伺服器、土地、建築能力、電力和電網接入，都可能變得更昂貴。

短期內，經濟或會同時出現兩種現象：AI支援的數碼工作價格下降，而製造這些AI服務所需的資本品和能源投入出現通脹壓力。

因此，未必會有一個統一的「AI通脹」或「AI通縮」。最終結果取決於效率提升能否快過供應瓶頸，以及企業選擇把節省轉給客戶，還是保留為利潤。

供應鏈正變成戰略資產

多年期產能預留，亦提高了半導體供應鏈的地緣政治重要性。三星和SK海力士在記憶體市場的議價能力上升，而先進邏輯晶片和封裝仍集中在少數供應商及地區。

當產能提早數年被預訂，出口管制、補貼政策和區域性中斷的影響就會更大，因為供應無法迅速轉移到其他地方。

中國記憶體生產商或可在限制較少的產品領域找到機會，但要追上最先進的HBM及其他AI關鍵零部件，難度更高。客戶認證、可靠性要求、技術複雜度、出口管制和採購規則，都可能限制替代供應商快速取得市場份額。

誰最後要為這個差距埋單？

AI消費成本下降、AI生產成本上升之間的差距，最終由誰承擔，仍然沒有答案。可能性包括：

• 大型雲端公司： 以較低利潤率吸收成本，同時利用AI保護更廣泛的生態系統；
• 晶片和記憶體供應商： 在產能受限時，繼續保留由稀缺性帶來的定價能力；
• 投資者： 承受AI基建投資回報下降；
• 貸款人： 透過更高息差或潛在損失承擔風險；
• 客戶： 如果供應商成功把基建成本重新包裝成高價值、按成果收費的產品，客戶最終可能支付更多。

短期內，最可能是前面三種情況同時出現：大型雲端公司承受部分壓力，晶片及記憶體供應商享有稀缺溢價，而投資者則面對更低或更不確定的基建回報。

AI存取權會繼續變得更便宜，但提供AI所需的機器、記憶體、電力和分銷渠道，仍會維持高昂成本，直至供應追上需求，或者市場證明目前的投資承諾過於進取。

對投資者而言，Token價格下跌不是AI投資故事的終點，而是一場價值定位測試：當智能變得充足，真正稀缺的究竟會是誰掌握算力、記憶體、電力、數據、分銷，以及能夠證明實際商業回報的軟件。