AI夢變通膨噩夢？從晶片漲價到電費飆升，美聯準會被迫冷靜面對「超級科技泡沫」

・ 2026 年 08 月 12 日

生成式AI被吹捧為「超級通縮引擎」，但現階段卻成為推升通膨的新火源：資料中心資本支出直逼全球1兆美元，伺服器與記憶體價格暴漲、家庭電費漲幅更勝整體物價，美聯準會在生產力紅利尚未落地前，被迫在利率與成長預期之間艱難拉鋸。

生成式AI被視為改寫經濟結構的「超級科技」，從 OpenAI CEO Sam Altman 到 Tesla(特斯拉，TSLA) 執行長 Elon Musk，各種「智能免費到不必計量」的願景滿天飛。然而，最新跡象顯示，AI 目前帶來的並非夢想中的通縮紅利，而是一連串扎實的成本壓力，開始在電價、硬體設備與整體物價中顯形，迫使美聯準會在利率政策上踩煞車、甚至考慮更緊的貨幣環境。

根據 Goldman Sachs Research 的估算，美國今年與 AI 相關的資本支出預計達 5,810 億美元，約占美國 GDP 的 1.8%，到 2028 年可能攀升至 2.8%。若拉高到全球尺度，AI 資本開支上看 1 兆美元。這場建置資料中心、伺服器與雲端基礎設施的投資狂潮，本意是鋪路未來生產力大躍進，但在短期內卻一口氣拉緊供應鏈，使晶片、記憶體與電力資源全面吃緊，價格往上衝。

在企業端，AI 的實際採用速度遠遠落後於喊話的聲量。OpenAI 首席經濟學家 Ronnie Chatterji 直言，要讓 AI 真正反映在宏觀數據上，必須先「被組織採用，並在內部流程中變成可衡量的價值」。他指出，目前所謂的「前緣企業」與一般企業在使用 AI 的頻率上差距已擴大至 8 倍，這些少數願意重組工作流程、重新設計組織運作的公司，才開始看到初步成效。換句話說，多數企業仍停留在試水溫階段，AI 的生產力紅利在統計上尚未成形。

這種採用落差，學界稱為「弱連結」問題。Stanford 教授、現任 Anthropic 研究員的 Charles Jones 指出，工作不是單一可自動化的動作，而是由多項任務組成，而 AI 目前只能高度優化其中一部分。以 radiologist（放射科醫師）為例，2016 年諾貝爾獎得主 Geoffrey Hinton 曾預言 AI 將在 5 到 10 年內取代這個職業，但實際上短少並未發生，反而因 AI 能更有效閱讀影像、放射科醫師整體價值提升。Jones 認為，與病人溝通、與同儕協作等人際與判斷工作，正是難以完全自動化的弱連結，這種結構限制了 AI 帶來「多階躍升」的生產力飛躍。

對比上一波網際網路革命，One Point BFG Wealth Partners 的 Peter Boockvar 提醒，過去 30 年即便經歷電腦與網路全面滲透，美國勞動生產力平均年增幅也僅約 1.5%，拉長至 50 年則約 2.5%。要期待生成式 AI 在短期內交出遠超過網路革命的成績單，是一個極具挑戰的命題。這也凸顯了當前的尷尬：成本已經真實支出，但效率紅利仍在路上。

成本最直接的體現，在能源與硬體價格上已清楚浮現。Minneapolis Fed 總裁 Neel Kashkari 警告，海量興建高耗能資料中心的投資，成為美國高通膨的新增需求來源之一。統計顯示，截至今年 6 月的兩年間，美國家庭電費上漲 10.1%，高於同期間整體物價 6.3% 的漲幅。資料中心爭搶電力，使一般家庭與企業的電價壓力一併攀升。

在硬體供給端，伺服器與記憶體市場同樣出現「AI 優先」排擠效應。AI 公司大舉向 Nvidia(英偉達，NVDA) 等晶片巨頭掃貨，導致供應商難以在短時間內增加產能。JPMorgan Chase 預估，到今年底 DRAM（動態隨機存取記憶體）價格將較 2024 年飆升 400%。官方消費者物價指數（CPI）亦顯示，電腦軟體及配件的價格自 2024 年 6 月以來已上漲 22.9%，其中過去一年就漲了 17.4%。這些都讓 AI 相關設備成為通膨的新來源，而非抑制物價的力量。

面對科技圈對 AI「超級通縮」的高調宣言，美聯準會內部的分歧正越趨明顯。現任 Fed 主席 Kevin Warsh 去年 11 月在獲任前曾公開主張，AI 將成為重要的通縮力量，有助提升生產力與美國競爭力，因此需要在官方成長預測中納入這個因素。然而，在今年 7 月的利率會議後，他口風明顯保守，表示企業巨額 AI 投資確實為未來成長奠基，但「影響供給面的時間點與幅度仍極難預測」，因此短期政策操作不得不以目前可見的通膨壓力為優先。

Fed 在 7 月會議中決定維持利率於 3.5% 至 3.75% 區間不變，但決策並非一致。有官員公開表示，為了壓抑因 AI 投資推升的價格壓力，有必要考慮更高的利率。這與早前矽谷巨頭如 SoftBank(軟銀集團，9984.T) 創辦人 Masayoshi Son 所描繪的「價格下跌四成、勞動不再辛苦」願景形成鮮明對比，也凸顯政策制定者在面對科技樂觀論時的戒慎態度。

從微觀層面回到企業現場，像 Lululemon 等零售業者的案例再次說明，AI 要從概念變成財報中的實質效益，最大的阻力其實是「人」。該公司前 CIO Julie Averill 分享，Lululemon 嘗試用 AI 預測商品銷售最佳地點，結果發現真正困難不在技術，而是如何說服內部團隊改變工作習慣、理解並信任模型的建議。她直言：「技術本身已經成熟，誇張的是大家以為在大型組織導入會很容易。」這段話也呼應 Chatterji 的觀察：願意真正重構工作流程的企業，才是目前少數跑在前面的「AI 受益者」。

在 AI 投資狂潮與通膨壓力交織之下，美聯準會接下來的任務更加複雜。Warsh 已邀集包括 Charles Jones 與風險投資家 Marc Andreessen 在內的專家組成工作小組，協助 Fed 重新評估 AI 對成長與物價的中長期影響。但正如 Boockvar 所言，對央行而言，未來可能出現的生產力提升「不是可以立即做出反應的東西」。當前可量化的，仍是電費、硬體與資本支出帶來的通膨壓力。

站在市場與政策交會口，AI 既可能是下一個真正改寫經濟軌跡的創新，也可能在短期內成為推高成本、加劇資源分配不均的「科技泡沫」。在資料中心尚未轉化為廣泛效率紅利之前，聯準會恐怕只能選擇在利率上維持審慎、甚至偏緊的態度。對投資人與企業而言，真正的關鍵不在於迷信 AI 的長期神話，而是冷靜評估短期成本與採用風險，並思考：在這波資本密集的科技浪潮中，誰能在成本壓力尚未消退前，率先把 AI 實際變成可見的生產力與獲利？這將決定下一階段，AI 究竟是通膨的火種，還是成長的引擎。