沒有「閒置 GPU」：a16z 掌門人用一句話拆解 AI 泡沫論

本文整理自 Bloomberg《Odd Lots》2026 年 2 月播出的單集。

{{< spotify "episode/3jkCgFaAxf7kwulBIQ0aA1" >}}

{{< apple-podcast "tw/podcast/a16zs-david-george-on-how-private-and-public-markets/id1056200096?i=1000750634369" >}}

---

那個每個人都在問的問題

AI 到底是不是泡沫？這個問題大概是過去兩年科技投資圈被問到最多次的問題，而且正反兩邊都能列出一長串理由。看空的人會指著各大科技巨頭每季數百億美元的資本支出，質疑需求是否真的跟得上；看多的人則會搬出各種成長數字，說這次跟 2000 年不一樣。問題在於，多數人的論證停留在「感覺」和「類比」的層次，缺乏一個可以被客觀檢驗的框架。

Andreessen Horowitz（a16z）成長基金負責人 David George 在 Bloomberg《Odd Lots》節目上提供了一個這樣的框架。他不談情緒，不談預測，而是回到一個可被觀察的物理事實：有沒有閒置的 GPU？在他看來，這一個問題的答案，就足以區分當前的 AI 基建投資與 2000 年的網路泡沫。George 管理超過 220 億美元的 a16z 成長基金，號稱投資了私人 AI 市場約三分之二的營收，對這個領域的需求端有第一手的觀察。

Dark Fiber 的教訓

要理解 George 的論點，得先回顧 2000 年網路泡沫的物理現場。那一波的核心基建是光纖。電信公司看到網路流量的成長曲線，集體押注「頻寬需求會持續爆發」，然後瘋狂在北美和跨洋海底鋪設光纖電纜。這些投資規模巨大，而且一旦開工就無法暫停。建一條跨大西洋的海底光纜，從決策到完工需要三到五年。

結果，需求的成長速度被高估了。等那些光纖鋪好，市場根本消化不了這麼多頻寬。大量的光纖躺在地底下，從來沒有訊號通過，業界給它們取了一個名字：dark fiber，閒置光纖。這些沉沒成本拖垮了一整批電信公司，WorldCom、Global Crossing 相繼破產。光纖本身沒有問題，網路最終確實需要那些頻寬，但投資的時間點和規模都錯了。供給遠遠超前需求，而且沒有修正機制。

George 認為，AI 的基礎設施建設跟這個情境根本是兩回事。他用一句話總結差異：「沒有閒置的 GPU。」沒有人在建造沒被充分利用的資料中心。每一張新上線的 GPU 或 TPU，都在上線的第一天就被任務佔滿。不只是最新世代的晶片如此，已經落後兩個世代的舊 GPU 依然有人搶著用。甚至 Google 十年前推出的初代 TPU，至今仍在服役。在一個存在「閒置產能」的市場裡，舊設備早該被淘汰了。它們還在運轉這件事本身，就是需求遠超供給的證據。

12 個月 vs 5 年：內建的自我修正機制

但僅僅「目前沒有閒置」並不能排除未來過度投資的可能。這就要談到第二個結構性差異：週期時間。光纖鋪設的投資週期是三到五年。一旦你在 2000 年決定鋪一條海底光纜，你就被鎖定在這筆投資裡了。中間就算發現需求沒有預期的那麼強，你也不可能把已經動工的光纜從海底拉回來。整個產業同時被鎖在相同的長週期裡，沒有人能踩煞車。

AI 基建的週期完全不同。從決定建一座 GPU 叢集到開始產生運算能力，大約是 12 個月。George 強調這個差異的意義：產業可以持續觀察需求訊號，每隔一年就有一個「要不要繼續投資」的決策點。如果某一季開始出現 GPU 的閒置率上升，整個供應鏈可以在下一個週期就縮減資本支出。這種短週期讓 AI 基建投資具備了一種內建的自我修正能力。市場不會像 2000 年那樣，被套在一個長達五年的、無法逆轉的投資承諾裡。

這不代表 AI 投資完全沒有風險。George 沒有否認某些個別公司可能失敗，或某些投資可能回報不如預期。他的論點更精確：從整個產業的角度來看，AI 基建投資的結構性風險遠低於 2000 年的光纖泡沫，因為需求端的訊號依然極強，而且供給端有短週期的修正能力。這是一個「有泡沫可以快速消化」的市場，不是一個「泡沫破裂會拖垮整個產業」的市場。

即使模型停止進步，價值仍在

George 還丟出一個更挑戰直覺的觀點。他說：即使今天把所有模型的發展全部凍結，不再推出任何新的基礎模型，光靠現有的 AI 能力，就足以支撐 10 到 20 年的應用開發。

這個說法的含義很深。它意味著 AI 的價值並不完全取決於模型是否持續變得更聰明。目前的大型語言模型已經能處理多數知識工作的基本任務，問題在於還沒有人把它們完整地嵌入到各行各業的工作流程中。法律文件審查、醫療影像判讀、客戶服務自動化、財務報表分析，每一個領域的「最後一哩」都需要深厚的產業知識、特定的資料集、和經年累月的工作流程優化。這些不是模型公司能靠通用智慧一口氣吞掉的。

George 用了一個比喻來形容模型公司：它們是各行各業的「軍火商」。模型公司提供基礎的 AI 能力，就像軍火商提供武器。但打仗的是各行各業的應用公司，它們才是真正了解戰場地形的人。一家專精於法律 AI 的公司，比 OpenAI 更懂得法律文件的細微差別。一家專做醫療 AI 的公司，比 Google 更了解不同醫院的工作流程。這種「產業脈絡即護城河」的邏輯，意味著 AI 的生態系統會是一個軍火商加上大量垂直應用商的結構，而不是模型公司贏者全拿。

一個可被檢驗的投資框架

把 George 的論點整理起來，他其實提供了一套可以被持續追蹤和驗證的框架，而不只是「這次不一樣」的信仰宣言。框架很簡單：觀察 GPU 的閒置率。只要每張新上線的晶片都被立刻用滿，只要舊世代的 GPU 還有人搶著用，需求端的故事就還成立。一旦開始出現大量閒置的運算能力，那就是供需失衡的早期訊號，投資人應該開始警覺。

這套框架對臺灣的半導體產業來說格外有意義。如果 George 的判斷正確，AI 算力的需求會在相當長的時間內維持強勁，半導體供應鏈就會持續受益。反過來說，如果某一天開始出現「dark GPUs」這個概念，那就是整個 AI 投資循環開始轉向的訊號。

比起爭論「AI 是不是泡沫」這種是非題，George 提供的是一組可觀察的指標。泡沫不泡沫是後見之明的判斷，但 GPU 的利用率、資料中心的訂單週期、舊晶片的二手市場價格，這些都是當下就能追蹤的數據。與其憑感覺下注，不如盯著數據做決策。這大概是這位管理 220 億美元資金的投資人，能給普通人最實用的一個建議。