Deutsche Bank in-depth report: True or false AI bubble, who is really swimming naked?

站在 2025 年 12 月的時間節點，距離 ChatGPT 發佈僅過去三年，市場對於 “AI 泡沫” 的討論已至沸點。德意志銀行認為，當前 AI 熱潮既不是完全的泡沫，也不是毫無風險，關鍵在於區分不同類型的"泡沫"。

12 月 12 日，據硬 AI 消息，德銀在最新研報中創新性地將 AI 泡沫分為估值泡沫、投資泡沫和技術泡沫三個維度進行分析。

報告稱，公開市場大型科技公司的估值有盈利支撐，投資增長符合趨勢且由現金流推動，技術進步仍在持續。真正的風險集中在估值過高的私營公司、可能失控的循環融資結構，以及潛在的技術瓶頸和供應限制。

估值泡沫：估值分化揭示真實風險所在

德銀的核心觀點是當前 AI 熱潮並非單一泡沫，而是由三種不同性質的泡沫構成。

在估值維度，報告顯示希勒週期調整市盈率（Shiller Cyclically Adjusted Price/Earnings ratio）已超過 40，接近 2000 年互聯網泡沫頂峯的 44 倍水平。這一指標衡量經通脹調整後的長期盈利能力，當前水平確實令人警惕。從歷史數據看，如此高的估值倍數通常預示着市場過熱。

然而，德銀認為，這一估值主要由盈利增長驅動，而非純粹的投機。該行稱，雖然整體估值較高，但自 2022 年 10 月以來，標普 500 指數一直在 22.7% 的年化增長趨勢通道內運行，目前處於該通道的低端。

更關鍵的是，大型科技股的估值溢價是由盈利增長驅動的：大型科技股的估值溢價約 60%，但這一溢價得到了 20% 以上的盈利增長差異支撐。

德銀指出，當前科技股估值並未達到互聯網泡沫時期的極端水平，且盈利增長正在向更廣泛的行業擴散。

相比之下，真正估值過高的是私營公司：OpenAI 基於 2025 年 130 億美元預測收入計算的市銷率達 38 倍，Anthropic 更是高達 44 倍。而公開市場的科技巨頭估值相對合理——英偉達僅為 22 倍，微軟 12 倍，谷歌 9.9 倍，亞馬遜 3.5 倍。這種公私分化表明，公開市場的定價相對理性。

投資泡沫：現金流支撐 vs 債務風險

報告稱，在投資維度，德銀數據顯示超大規模雲服務商的資本支出預計到 2026 年將達到 5000 億美元，累計到 2030 年可能達到 4 萬億美元，超過阿波羅計劃通脹調整後成本的 10 倍。這一規模確實史無前例，但德銀認為當前投資仍在合理範圍內。

儘管增速驚人，但是德銀表示，自 2013 年以來，全球科技資本支出年增長率為 12.3%，當前增長仍在這一趨勢通道內。

更重要的是，大型科技公司的投資回報率自 AI 週期開始以來持續上升，通過雲客户需求、AI 工具和編程成本節約產生實際回報。

該行還在研報中強調，與互聯網泡沫時期的債務驅動不同，當前 AI 投資主要由自由現金流支撐。谷歌第三季度運營現金流達 480 億美元，超大規模雲服務商的資本支出與運營現金流比率普遍低於 1，顯示出健康的財務狀況。

技術泡沫：可用性、可擴展性存疑 vs 技術進步、需求增長

在技術維度，德銀認為生成式 AI 仍容易出錯和產生幻覺，難以大規模應用。更重要的是，研究人員指出，AI 的快速擴展可能很快遭遇物理瓶頸，例如芯片間數據傳輸速度的限制。這些技術障礙可能成為發展的天花板。

不過，德銀稱，2025 年 11 月谷歌推出的 Gemini 3 證明 AI 尚未觸及天花板，在多模態能力方面取得重大進展。Gemini 3 在"人類最後的考試"（測試推理和知識）中超越所有先前模型，在視覺推理方面的得分是 GPT-5 Pro 在 ARC-AGI-2 測試中的三倍。這表明 AI 擴展定律仍在發揮作用，技術能力持續提升。

而且，需求端數據更加令人印象深刻。谷歌 10 月透露其每月處理 1300 萬億個令牌，較 2024 年 4 月的 9.7 萬億大幅增長。據美國商業趨勢和前景調查，目前仍不到 10% 的美國企業在使用 AI，顯示巨大的增長空間。

成本下降是需求激增的重要驅動力。在 MMLU 基準測試中得分至少 42 分的最便宜大語言模型成本已下降 1000 倍，遵循傑文斯悖論——效率提升和成本降低推動消費增長，確保沒有芯片閒置。

泡沫破裂的潛在觸發點

儘管基本面強勁，德銀仍在報告中指出五大可能導致泡沫破裂的風險因素。

循環融資引發估值不透明

報告首先指出，最近的複雜協議可能帶來系統性風險。例如，OpenAI 在八年內承諾 1.4 萬億美元的計算購買，涉及英偉達、AMD、甲骨文、微軟、亞馬遜等多方交叉投資和購買協議。這種循環融資結構可能導致估值不透明，一旦某個環節斷裂，可能引發連鎖反應。

債務激增成本失控

德銀稱，即使是現金充裕的超大規模雲服務商也開始發行更多債務。2025 年美元投資級債券發行量已超過 350 億美元，微軟、谷歌、Meta、亞馬遜和甲骨文的淨債務與 EBITDA 比率正在上升。如果成本繼續螺旋上升，公司可能被迫大量舉債。

技術障礙：規模效應遞減

報告指出，隨着擴展顯示出遞減回報，每增加一單位的智能都需要指數級增長的成本。從 Llama 2 到 Grok 4，訓練計算成本從 1000 萬美元飆升至 10 億美元以上。更令人擔憂的是，儘管數據中心支出不斷上升，但基於數據中心支出在 5 年內開發 AGI（通用人工智能）的概率反而在下降，從 2022 年的接近 100% 降至 2025 年的約 20%。

社會政治反彈

報告稱，對 AI 的懷疑情緒正在上升。在英國和歐盟，20% 以上的受訪者非常擔心 AI 會在未來幾年搶走他們的工作。發達市場（美國、英國、德國）的人們更多抵制更大規模的 AI 使用，而巴西等國則更接受 AI。這可能導致客户抵制、員工抵抗和限制性監管。

供應瓶頸：能源和芯片

最後，德銀認為，2030 年電力需求預計將是 2020 年的四倍。美國家庭今年已經支付創紀錄的電價，每千瓦時達到約 17 美分。由於電力容量建設需要數年時間，能源供應可能成為 AI 採用和變現的最大障礙。