Chapter 10 · 量化評分 · The Bubble Dashboard

泡沫儀表板:
十二個數字,與它們的歷史座標

「泡沫」是一個形容詞,不是一個可操作的判斷。本章要做的事,是把這個形容詞拆成十二個可以每月更新的數字,並為每一個數字標出它在 1999 年電信泡沫與 2007 年次貸危機中的位置。這樣做的目的不是預測時點,而是讓「現在有多熱」這件事可以被持續測量、被討論、被修正。

在打開儀表板之前,先處理一個更基本的問題:為什麼每一個指數,最後都會轉彎?這不是修辭。指數成長會撞上一個約束(晶片產能、電力、客戶數、人類願意付的錢),撞上之後就變成 S 曲線。矽谷的標準反駁是「把很多條 S 曲線疊起來就又是指數了」——這個說法在數學上成立,但它只延後轉彎,不取消轉彎。

這張圖是本章的方法論前提。儀表板量的不是「離指數多遠」,而是「離那條包絡多遠」——十二項指標裡,凡是與實體約束有關的(電力、先進封裝、客戶付費意願),量到的都是包絡的位置;凡是與資金有關的(槓桿、發債、利差),量到的則是市場還在用哪一條曲線定價。兩者的差距,就是泡沫的定義。以下十二項,請一律用這個框架讀。

SECTION 10.1十二項指標評分卡

表 10-1:AI 資本週期泡沫評分卡(2026 年 9 月)
#指標2026 現值1999 / 2007
高峰水準
常態
參考區間
評分判讀
1資本密集度
Capex / Revenue(五家合計)
41%
Oracle 83%、Meta 50%
約 30%
1999 電信
12–18%88已超過 1999 年電信高峰
2資本支出 / 營業現金流~90%>100%40–60%85接近完全依賴外部融資之臨界點
3自由現金流收益率
FCF / 市值
約 1.3%負值3–5%80低於投資級債券收益率
4供應商融資 / 營收8–12%10–15%
Lucent / Nortel
<2%78與 1999 年相當,但絕對規模大 20 倍
5客戶集中度
單一客戶營收占比
Oracle:OpenAI 為主Nortel → CLEC<10%82Project Jupiter 為單一租戶客製
6表外承諾 / 市值3.6%
$831B / $23.2T
SIV 占銀行資本
比重更高
<1%75絕對金額遠高於常態
7信用利差 z-score歷史新高2007 年 7 月088信貸市場最強烈的單一訊號
8內部交易占營收成長比重41.9%
Nvidia 69%
容量互換
約 10–20%
0%90本報告獨有指標,無歷史可比
9折舊年限爭議幅度
最長 vs 最短估計
3 年 vs 7 年
差異 133%
—<30%85單一會計估計造成兆美元級差異
10債務發行年增率+245%
$165B → $570B
—±20%86供給衝擊為利差擴大主因之一
11指數集中度
Mag 7 占 S&P 500 權重
約 33%約 18%
1999 前五大
15–20%80被動資金的自動放大效應
12產業層級之經濟利潤率
AI 算力收入 vs 折舊
+$40 億 / 季
(未扣融資成本)
1999 光纖
利用率 <5%
成熟產業
10–15%
70「剛好越過折舊門檻」
加權綜合評分(權重見註)72高危險區,未達極端

權重:指標 1、2、7、8 各 12%;指標 3、9、10 各 8%;指標 4、5、6、11 各 6%;指標 12 為 8%。1999/2007 欄位為量級對照,非嚴格同源比較。

SECTION 10.2與 1999 年的關鍵差異:泡沫長在哪裡

這張圖說明了本報告對「這一次不一樣」的具體回答:

1999 年:估值型泡沫

  • 問題出在分母:公司沒有營收、沒有獲利,本益比無意義
  • 調整形式:股價崩跌(那斯達克 −78%),而非獲利崩跌(因為本來就沒有獲利)
  • 持續時間:股價 30 個月見底;實體資產減損集中在 2001–2002
  • 投資人可觀測性:高——「沒有營收」這件事一目了然

2026 年:現金流型泡沫

  • 問題出在現金流量表與資產負債表:公司有營收、有獲利,但自由現金流無法支應資本支出
  • 調整形式:倍數壓縮+融資條件收緊+減損,股價下跌是結果而非原因
  • 持續時間:資本支出在見頂後仍上升 12–18 個月,故調整較慢、較長
  • 投資人可觀測性:低——營收與獲利都很好看,問題藏在附註與現金流量表裡
這個區分為什麼重要

如果這是估值型泡沫,那麼「本益比過高」本身就是足夠的看空理由,而調整會是快速的、劇烈的、且可透過股價直接觀察。
但這是現金流型泡沫,因此:(一)本益比看起來還可以(31x,甚至在某些算法下更低),這讓多頭有合理的辯護空間;(二)調整會較慢,因為它必須透過「融資條件」這個較慢的機制傳導;(三)這也意味著有較長的時間可以準備——如果你知道要看哪裡。而那些地方,正是本報告第 08 章的監控儀表板。

SECTION 10.3指標的動態:過去 24 個月的變化

請注意灰色線與紅色線的差距。
信貸市場(紅)已經在 85–90 分;股權市場(灰)還在 50 分。
這中間的 35–40 分,就是本報告全部論點的量化表達:市場尚未把信貸市場已經知道的事,反映到股價裡。 ——本報告第 10 章

SECTION 10.4如何使用這張儀表板

表 10-2:12 項指標之監控清單
指標資料來源頻率更新時點
資本密集度、Capex/OCF、FCF公司 10-Q / 10-K 現金流量表季財報公布後 3 日內
信用利差、CDSBloomberg、Markit日/週每週五收盤
專案貸款二級報價金融時報、銀行報價不定期事件發生時
內部交易占比交易資料庫(如 ai-circular-economy.com)+公司揭露月每月第一週
循環交易總額本報告第 03 章總帳之滾動更新月每月第一週
發債規模Bloomberg 承銷統計、摩根士丹利追蹤月每月 10 日
API 價格指數各公司定價頁、Artificial Analysis月每月 15 日
PJM 電力價格Monitoring Analytics 季報季報告發布後
表 10-3:評分區間之解讀與歷史特徵
綜合評分區間解讀歷史上此區間的特徵
0–40常態區估值與資本成本同步;無系統性壓力
40–60警戒區資本成本上升;循環交易佔比開始被市場質疑
60–80高危險區(目前 72)信用利差擴大;高槓桿發行人再融資成本上升;防禦性資產相對強勢
80–90極端區(1999 高峰水準)評級行動密集出現;專案融資停滯;流動性溢價快速擴大
90–100崩塌進行中減損認列潮;資本支出指引被下修;倖存者開始併購

單項閾值(達標即應重新評估):① 任一家超大規模雲端商單季自由現金流轉負且連續兩季;② 出現第二起專案貸款承銷停滯;③ 任一家公司縮短 GPU 折舊年限;④ 有公司將權證重分類為收入減項;⑤ 資本支出指引被下修(而非僅成長率放緩)。

  1. 評分是相對的,不是絕對的。「72 分」的意義來自於對照組(常態 50、1999 高峰 85–90),而對照組本身有估計誤差。
  2. 指標 8(內部交易占比)是本報告首創,沒有歷史序列可供驗證。它的計算依賴於交易資料庫的完整性,而該資料庫本身可能遺漏未公開的交易。若遺漏是隨機的,估計偏保守;若遺漏集中在大型交易,估計可能偏誤。
  3. 評分不包含「技術進步」這個變數。如果 AI 的應用層在 2027 年出現真正的殺手級應用,需求可能快速追上供給,所有指標會同時改善。這是本報告最大的單一不確定性(見第 19 章)。
  4. 指標之間高度相關,不應視為獨立的證據。資本密集度上升會同時推高 Capex/OCF、壓低 FCF、擴大發債需求、並推高信用利差。這十二項更像是同一件事的十二種測法,而不是十二件獨立的事。這降低了綜合評分的統計效力,但也提高了單一結構性判斷的可信度。

SECTION 10.5四個市場尚未納入的補充指標

上述十二項指標是目前市場上「看得到」的數字。但本報告認為還有四個指標,市場目前完全沒有計算,而它們的資訊價值可能高於前十二項中的任何一項。前三項之所以沒有被計算,是因為沒有人要求揭露;第四項更簡單——它只需要有人做一次除法,而市場至今沒有做。

補充指標 A:詞元價格通縮率

目前沒有任何一家公司揭露「平均每詞元售價」的季度趨勢,也沒有第三方指數(類似消費者物價指數)追蹤它。這是 AI 產業最關鍵的價格變數,而它沒有價格指數。

本報告的粗略估計:2024–2026 年間,同級能力模型的詞元價格年均下降 50–80%。若這個速度維持,任何以「營收成長」為基礎的估值模型都必須同時假設銷量成長 2–5 倍才能抵銷。這是本報告認為市場最嚴重的單一盲點。

補充指標 B:GPU 累計使用率與使用小時數

折舊的正確基礎應是使用強度(如航空業的飛行小時),而非時間。但沒有任何一家公司揭露 GPU 的累計使用小時數、利用率分布或熱循環次數。

這使得投資人無從檢驗耐用年限是否合理——只能相信管理階層的聲明。本報告建議:這項揭露的合規成本極低(調度系統本來就有資料),應被列為強制揭露項目。

補充指標 C:內部人與戰略股東之流動性行為

2026 年出現了三個值得注意的行為訊號:(一)Alphabet 於 6 月增資 $847.5 億——一家現金流極強的公司選擇在市場高點稀釋股權;(二)軟銀以 OpenAI 持股為擔保取得 $100 億保證金貸款,並考慮加發 $100–200 億垃圾債;(三)Amazon 於 6 月取得 $175 億信用額度,並於 SEC 申報中表示可能尋求增資與舉債。

當最有能力自籌資金的公司開始預先囤積現金,通常代表它們對未來的融資環境有看法。

補充指標 D:收入成色比(ARR ÷ 年化已入帳收入)

與前三項不同,這個指標不需要任何人新增揭露——只需要有人做一次除法。定義:成色比=公司宣告的 run-rate(ARR)÷ 最近一季已入帳收入之年化值。1.0x 代表 run-rate 已完全落地為帳面收入;數字越大,headline 收入中「尚未走完入帳流程」的比例越高。以泄露的 S-1 與媒體整理口徑(EST):Anthropic ARR 約 $1,000 億、2026Q2 年化約 $464 億,成色比 2.16x;OpenAI ARR 約 $400 億、年化約 $268 億,成色比 1.49x——兩家的 ARR 分別約有 54% 與 33% 尚未體現為已入帳收入。committed spend 合約的收入確認本有滯後,這不必然是虛高;但它意味着 $2 兆估值所依賴的 run-rate,恰是兩家中「待驗證成分」更高的一個。下一份季報最先要回答的問題:成色比有沒有下降。

表 10-5:收入成色比之計算(2026Q2 口徑,EST)
公司宣告 ARR單季年化已入帳成色比未落地占比
Anthropic$1,000 億$464 億2.16x約 54%
OpenAI$400 億$268 億1.49x約 33%
讀法:成色比不是「造假指標」,而是「驗證時點表」——它標出 run-rate 裡有多大比例,要在之後的季報中被證實或證偽。

極端案例:Nscale。這家英國 neocloud 在 2026 年 9 月 18 日的 IPO 招股書中揭露,合約總額 $1,034 億(微軟至多 $438 億、Anthropic 至多 $446 億、Figure AI 至多 100,000 顆 GPU),而 2026 年上半年的營收為 $1.406 億——合約對已入帳營收約 736 倍。同期間,輝達對它持有逾 5% 股權、認購 $10 億 IPO 前票據、並為其德州 Ward County 租約提供至多 $8.6 億的擔保。
成色比的用途正在這裡:它不用來判斷公司好壞,而是標出「這張合約必須在什麼時候開始產生現金」。當倍數超過百倍,驗證時點就不再是幾個季度的事。

SECTION 10.6歷史校準:這套評分在 1999 與 2007 會是多少

一套評分卡若沒有經過歷史校準,就只是主觀感覺的包裝。本報告將同一套十二項指標回溯套用到三個歷史時點,結果如下:

表 10-4:評分卡之歷史回溯校準
時點綜合評分當時之主導指標隨後 24 個月之結果校準含意
1997 年(電信前期)48資本密集度開始上升股價繼續上漲兩年後崩跌評分 48 不代表安全——它代表「泡沫尚未形成」
1999 年 Q4(電信高峰)87供應商融資、客戶集中度、發債供給那斯達克 −78%;電信資本支出 −50%本評分之「極端區」校準點
2007 年 Q2(次貸高峰)81表外槓桿、信用利差、評級品質ABX 近乎歸零;全球金融危機「表外槓桿」一項之校準點
2015 年(頁岩油)76資本密集度、發債供給、FCF 轉負能源高收益違約率飆升;多家破產產業型(非系統性)調整之校準點
2026 年 9 月(本報告)72內部交易占比、資本密集度、信用利差?介於「產業型調整」與「極端」之間
校準最重要的發現

1997 年的評分是 48——在「常態區」內——而隨後的兩年是電信股史上最兇猛的漲幅。這提醒我們:評分卡衡量的是「結構脆弱性」,不是「時點」。一個 72 分可以維持六個月,也可以維持兩年。

但校準同時給出一個有用的訊息:1999 年與 2007 年的崩跌,都是由評分中「最極端的那一、兩項」引爆的,而不是由綜合分數引爆的。1999 年是供應商融資與客戶信用;2007 年是表外槓桿與評級品質。對 2026 年而言,本報告認為最可能被引爆的兩項是:內部交易占比(第 8 項)與信用利差(第 7 項)。

  1. 資本密集度:41% 為本報告依五家(MSFT / AMZN / GOOGL / META / ORCL)2026 年資本支出約 $7,510 億與合併營收約 $18,440 億計算;個別公司:Oracle 82.6%、Meta 約 50%、Microsoft 34.9%、Alphabet 約 40%、Amazon 29.3% [EST]。
  2. Capex/OCF:約 90%(2026)vs 65%(2025)vs 約 45%(2023);FCF 收益率約 1.3%($3,000 億 / 約 $23.2 兆市值)[EST]。
  3. 表外承諾 / 市值:$8,310 億 / 約 $23.2 兆 = 3.6%;指數集中度:Mag 7 占 S&P 500 權重約 33%(2026 年 9 月)vs 1999 年前五大約 18% [EST]。
  4. 債務發行:2025 年 $1,650 億 → 2026E $5,700 億(摩根士丹利),年增 245%。
  5. 產業經濟利潤率:2026Q1 全球(不含中國)AI 算力收入 $250 億、折舊成本 $210 億(Azeem Azhar)。
  6. 1999 年電信高峰綜合評分之 85–90,為本報告依各指標回溯估計,非既有市場指標 [EST]。

外部校準:獨立追蹤站 ai-circular-economy.com(資料截至 2026 年 10 月 1 日)以 86 筆交易計算的泡沫相似度為 73/100——約當加密貨幣 2021 年 11 月的 71 分,低於 1999–2001 年電信供應商融資的 88 分與 2000 年 3 月網路泡沫高峰的 94 分;同一套方法套用在 2019 年的 AI 產業,只得 20 分。該站並指出:86 筆中有 35 筆是雙向對流的一腿(共 16 組),另有 5 組三家迴圈;32 家公司形成的網路,其有效參與者只有 13.7 家,OpenAI、Nvidia、Anthropic 三家即占全部交易端點的 41%。本報告不採用該評分,只將其視為外部校準:兩套彼此獨立的方法,都把 1999 年的電信供應商融資列為最接近的歷史類比。