兩岸
AI 究竟是泡沫還是未來？
加入為 Google 偏好來源
將 Yahoo 設為首選來源，在 Google 上查看更多我們的精彩報導
近日，《大賣空》原型人物 Michael Burry 再次因放空 AI 晶片股引發市場關注。Burry 當年因放空美國次級房貸相關資產而聲名大噪，如今則將矛頭轉向包括記憶體在內的 AI 晶片股。消息曝光後，市場分成兩派：一方認為 AI 泡沫即將破裂；另一方則認為 AI 時代革命才剛開始，任何回檔都是長期布局的機會。
AI 究竟是泡沫，還是未來？問題在於這兩種立場都預設了一個前提：只要判斷 AI 的前景，就能判斷企業價值與市場估值。但值得探討的，不是 AI 會不會成功，而是另一個更基礎、也更難回答的問題：企業的 AI 發展到什麼程度，才足以支撐今天的企業價值與市場估值？
這不是單純的投資問題。董事會需要判斷 AI 投資是否值得持續投入；企業管理者需要證明 AI 是否真正改善營運；科技供應鏈需要評估 AI 基礎設施需求是否具有持續性；資本市場則必須判斷，目前的高估值究竟建立在實際商業價值，還是建立在對未來的預期。
換言之，AI 的問題已經不只是技術問題，而是資本配置問題。企業不是只在決定要不要導入 AI，而是在決定下一筆人才、算力、軟體、資料治理與流程改造投資，是否值得繼續投入、擴大部署，或應該停止。
這正是目前市場討論最缺少的部分。市場有大量 AI 願景，也有大量 AI 案例；有看多者，也有看空者。但缺少的是一套能夠判斷AI 價值實現程度的共同分析架構。沒有這套架構，市場只能在「AI 泡沫」與「AI 革命」之間擺盪，卻難以回答更重要的問題：AI 應用究竟走到哪一步，才足以支撐資本繼續投入？
2023 年後，國際研究大多關心的是企業是否開始導入生成式 AI。然而，隨著 AI 工具快速普及，這個問題的重要性正在下降。多數大型企業都已開始使用 AI，拉開差距的已不再是「有沒有導入AI」，而是「是否透過 AI 持續創造企業價值」。
綜觀國際相關研究，存在不同方向的探索。麥肯錫（McKinsey）關注企業 AI 如何從概念驗證推進到正式生產環境，以及哪些企業真正實現規模化部署。資誠（PwC）則將焦點放在 AI Agent 與工作流程重構，關心 AI 是否真正進入日常工作流程，並改變組織運作方式。Microsoft 提出的Agent 導入成熟度模型（Agent Adoption Maturity Model），則從治理、資料、平台、安全與組織能力切入，討論企業如何讓 AI 能夠持續、安全且可管理地運作。勤業眾信（Deloitte）、顧能（Gartner）等機構，則愈來愈重視 AI 是否真正創造商業價值與投資報酬。
企業案例也呈現相同方向。Klarna 的客服案例顯示，AI 已能在特定流程形成高度使用；摩根大通（JPMorgan Chase）則展示 AI 如何進入大量正式生產環境，並開始以商業成果衡量投資效益；埃森哲（Accenture）與聯合利華（Unilever）則把 AI 擴展到全球製造與營運流程。
這些研究與案例都很重要，但它們各自回答不同問題。有些研究導入，有些研究流程，有些研究成熟度，有些研究商業價值，有些則研究投資報酬。它們共同探討的是同一個企業 AI 價值形成過程，卻各自回答不同問題；正如面對同一頭大象，不同研究所描繪的只是其中一個部位。
因此，目前缺少的，不是更多 AI 案例，而是一套能夠將分散證據重新整合、用以判斷AI 價值實現程度的共同分析架構。
企業運用 AI，並非在完成導入後便立即創造價值，而是必須經歷一個持續累積價值的過程。從導入生成式 AI、納入核心工作流程、建立治理能力、形成營運依賴，到創造商業價值，最終形成投資報酬，每一個階段所面對的問題都不同。因此，企業真正需要評估的，不是「AI 是否成熟」，而是六個更直接的資本配置問題。
第一、企業是否已正式將 AI 納入營運？
這是導入的問題。企業是否只是停留在概念驗證、員工自發使用，或少數部門試點？還是已經將 AI 正式納入營運流程、預算與管理責任之中？如果 AI 仍只是零散試用，便很難支撐長期估值。
第二、AI 是否已覆蓋核心工作流程？
這是核心流程覆蓋率的問題。若 AI 僅用於撰寫郵件、整理文件或查詢資料，雖然能提升個人生產力，卻未必足以改變企業價值。需要觀察的是，企業是否已將 AI 納入客服、製造、研發、IT、金融、供應鏈等核心工作流程，使 AI 開始參與企業最重要的價值創造活動。
第三、企業是否具備持續管理 AI 的能力？
這是成熟治理能力的問題。當企業將 AI 納入核心流程後，便需要建立資料治理、權限控管、平台整合、安全監督、風險管理與責任歸屬等機制。模型能力再強，如果企業無法持續管理 AI，AI 就很難從局部工具發展為可持續的企業能力。
第四、企業是否開始在營運上依賴 AI？
關鍵在於是否已形成營運依賴。所謂營運依賴，不是指企業沒有 AI 就完全無法運作，而是指特定核心流程已因 AI 而重新配置。若移除 AI，企業仍可營運，但效率明顯下降，大量工作必須由人工回補，這代表 AI 已開始成為營運能力的一部分。
第五、AI 是否創造了可衡量的商業成果？
核心在於商業價值是否已開始形成。企業必須證明 AI 是否降低成本、提高生產力、改善客戶體驗、增加收入，或創造新的商業模式。若 AI 只能展示能力，卻無法轉化為營運或財務成果，它就仍停留在技術展示階段。
第六、AI 是否產生足以支持持續投入的投資報酬？
最終仍須回到投資報酬的檢驗。對董事會與投資人而言，AI 是否重要並不是最後問題；真正的問題是，AI 是否值得繼續投入？若 AI 長期無法證明回報，再先進的模型、再多的 Agent、再大的算力支出，也難以獲得持續資本支持。
這六個問題，並不是另一套成熟度模型。它們是一條AI 價值實現路徑，也是一套資本配置檢查表。企業可以在某一環節取得成功，卻仍然卡在下一個環節。它可能已廣泛導入 AI，卻沒有覆蓋核心流程；也可能已建立治理能力，卻尚未創造商業價值；甚至可能在部分流程產生依賴，卻仍無法證明整體投資報酬具有可持續性。
綜合國際研究與企業案例，可以看見一個相當一致的方向。
首先，AI 普及已不是競爭優勢。麥肯錫（McKinsey）與勤業眾信（Deloitte）近年的全球調查皆顯示，生成式 AI 已快速進入大型企業，多數企業已開始部署 AI，討論重心也從「是否導入」轉向「是否規模化」與「是否創造價值」。例如，Deloitte 2026 年調查指出，企業可使用 AI 的員工比例較前一年大幅提升，預期至少四成 AI 專案進入正式生產環境的企業比例，也將在六個月內翻倍。這代表導入 AI 已逐漸成為共同起點，而不是競爭終點。
其次，企業間的競爭差異不再是是否擁有 AI，而是 AI 覆蓋了多少核心工作。Salesforce 公布，約 75% 的標準技術工單已由 AI Agent 先完成知識比對與操作建議；聯合利華（Unilever）與埃森哲（Accenture）則宣布，未來十八個月將在全球製造網路新增40 個以上 AI 驅動的數位分身（AI-powered Digital Twins）；Klarna 則讓 AI 成為客服第一線。三家公司分屬企業軟體、消費製造與金融科技，卻共同顯示：AI 已開始承擔企業核心流程中的重要工作，而不再只是個人工具。
第三，流程建立之後，治理能力變得重要。Microsoft 提出的Agent 導入成熟度模型，不再以 Agent 數量衡量企業 AI 發展，而是將治理、資料、平台、安全、監督與組織能力納入成熟度評估。這代表企業開始面對新的挑戰：真正決定 AI 能否持續創造價值的，不只是模型能力，而是企業是否具備持續、安全且可信地管理 AI 的能力。
第四，企業是否開始依賴 AI，是判斷 AI 是否已成為營運能力的重要分水嶺。Klarna 公開指出，其 AI Assistant 上線首月便處理 230 萬次客服對話，約占客服聊天量三分之二，相當於700名全職客服人員 的工作量，並使重複詢問下降 25%。這並不代表整家公司完全依賴 AI，但足以說明，在客服流程中，AI 已不再只是輔助工具，而開始成為營運能力的重要組成。
第五，前面逐步建立的導入、流程、治理與營運能力，最後都必須轉化為可衡量的商業價值。勤業眾信（Deloitte）、顧能（Gartner）與資誠（PwC）近年的研究，都將焦點逐步轉向商業價值、AI 損益管理（AI P&L）、總持有成本（TCO）與投資報酬，而不再只討論模型能力。企業需要證明的，已經不是 AI 能否完成任務，而是是否降低成本、增加收入、改善效率、提升客戶體驗，或創造新的商業模式。
最後，所有問題都會回到投資報酬。摩根大通（JPMorgan Chase）的案例具有代表性，因為它不是只談 AI 願景，而是已推動數百個 AI 用例，並公開強調以投資報酬衡量（ROI Measurement）作為企業級 AI 投資的重要衡量方式。這代表 AI 投資的最後一道驗證，不是模型能力，也不是 Agent 數量，而是每一項 AI 投資是否真正創造可持續驗證的財務成果。
無論是 Michael Burry（貝瑞）對 AI 泡沫的質疑，或 James Bullard（布拉德）認為 AI 可能是一場「好泡沫」，兩者討論的其實都是同一個問題：AI 投資究竟能否創造長期價值。然而，市場真正缺少的，不是再多一個看多或看空的立場，而是一套能夠判斷 AI 是否正逐步轉化為企業價值的共同分析架構。
本文提出的共同分析架構，不問企業是否喊出 AI 願景，而問 AI 是否已納入營運流程；不問企業部署了多少工具，而問 AI 覆蓋了多少核心流程；不問模型能力多強，而問企業是否具備治理能力；不問 AI 是否吸引人，而問它是否形成營運依賴、創造商業價值，並產生可持續的投資報酬。
市場敘事可以推動資本投入，但真正決定資本是否持續投入的，仍是企業能否持續創造價值。當 AI 熱潮進入資本市場的壓力測試階段，真正重要的問題，不再只是 AI 的故事有多驚豔，而是企業能否持續將 AI 投資轉化為可驗證的企業價值與投資報酬。
※作者從事半導體業二十餘年，現為自由撰稿人。
將 Yahoo 設為首選來源，在 Google 上查看更多我們的精彩報導
近日，《大賣空》原型人物 Michael Burry 再次因放空 AI 晶片股引發市場關注。Burry 當年因放空美國次級房貸相關資產而聲名大噪，如今則將矛頭轉向包括記憶體在內的 AI 晶片股。消息曝光後，市場分成兩派：一方認為 AI 泡沫即將破裂；另一方則認為 AI 時代革命才剛開始，任何回檔都是長期布局的機會。
AI 究竟是泡沫，還是未來？問題在於這兩種立場都預設了一個前提：只要判斷 AI 的前景，就能判斷企業價值與市場估值。但值得探討的，不是 AI 會不會成功，而是另一個更基礎、也更難回答的問題：企業的 AI 發展到什麼程度，才足以支撐今天的企業價值與市場估值？
這不是單純的投資問題。董事會需要判斷 AI 投資是否值得持續投入；企業管理者需要證明 AI 是否真正改善營運；科技供應鏈需要評估 AI 基礎設施需求是否具有持續性；資本市場則必須判斷，目前的高估值究竟建立在實際商業價值，還是建立在對未來的預期。
換言之，AI 的問題已經不只是技術問題，而是資本配置問題。企業不是只在決定要不要導入 AI，而是在決定下一筆人才、算力、軟體、資料治理與流程改造投資，是否值得繼續投入、擴大部署，或應該停止。
這正是目前市場討論最缺少的部分。市場有大量 AI 願景，也有大量 AI 案例；有看多者，也有看空者。但缺少的是一套能夠判斷AI 價值實現程度的共同分析架構。沒有這套架構，市場只能在「AI 泡沫」與「AI 革命」之間擺盪，卻難以回答更重要的問題：AI 應用究竟走到哪一步，才足以支撐資本繼續投入？
2023 年後，國際研究大多關心的是企業是否開始導入生成式 AI。然而，隨著 AI 工具快速普及，這個問題的重要性正在下降。多數大型企業都已開始使用 AI，拉開差距的已不再是「有沒有導入AI」，而是「是否透過 AI 持續創造企業價值」。
綜觀國際相關研究，存在不同方向的探索。麥肯錫（McKinsey）關注企業 AI 如何從概念驗證推進到正式生產環境，以及哪些企業真正實現規模化部署。資誠（PwC）則將焦點放在 AI Agent 與工作流程重構，關心 AI 是否真正進入日常工作流程，並改變組織運作方式。Microsoft 提出的Agent 導入成熟度模型（Agent Adoption Maturity Model），則從治理、資料、平台、安全與組織能力切入，討論企業如何讓 AI 能夠持續、安全且可管理地運作。勤業眾信（Deloitte）、顧能（Gartner）等機構，則愈來愈重視 AI 是否真正創造商業價值與投資報酬。
企業案例也呈現相同方向。Klarna 的客服案例顯示，AI 已能在特定流程形成高度使用；摩根大通（JPMorgan Chase）則展示 AI 如何進入大量正式生產環境，並開始以商業成果衡量投資效益；埃森哲（Accenture）與聯合利華（Unilever）則把 AI 擴展到全球製造與營運流程。
這些研究與案例都很重要，但它們各自回答不同問題。有些研究導入，有些研究流程，有些研究成熟度，有些研究商業價值，有些則研究投資報酬。它們共同探討的是同一個企業 AI 價值形成過程，卻各自回答不同問題；正如面對同一頭大象，不同研究所描繪的只是其中一個部位。
因此，目前缺少的，不是更多 AI 案例，而是一套能夠將分散證據重新整合、用以判斷AI 價值實現程度的共同分析架構。
企業運用 AI，並非在完成導入後便立即創造價值，而是必須經歷一個持續累積價值的過程。從導入生成式 AI、納入核心工作流程、建立治理能力、形成營運依賴，到創造商業價值，最終形成投資報酬，每一個階段所面對的問題都不同。因此，企業真正需要評估的，不是「AI 是否成熟」，而是六個更直接的資本配置問題。
第一、企業是否已正式將 AI 納入營運？
這是導入的問題。企業是否只是停留在概念驗證、員工自發使用，或少數部門試點？還是已經將 AI 正式納入營運流程、預算與管理責任之中？如果 AI 仍只是零散試用，便很難支撐長期估值。
第二、AI 是否已覆蓋核心工作流程？
這是核心流程覆蓋率的問題。若 AI 僅用於撰寫郵件、整理文件或查詢資料，雖然能提升個人生產力，卻未必足以改變企業價值。需要觀察的是，企業是否已將 AI 納入客服、製造、研發、IT、金融、供應鏈等核心工作流程，使 AI 開始參與企業最重要的價值創造活動。
第三、企業是否具備持續管理 AI 的能力？
這是成熟治理能力的問題。當企業將 AI 納入核心流程後，便需要建立資料治理、權限控管、平台整合、安全監督、風險管理與責任歸屬等機制。模型能力再強，如果企業無法持續管理 AI，AI 就很難從局部工具發展為可持續的企業能力。
第四、企業是否開始在營運上依賴 AI？
關鍵在於是否已形成營運依賴。所謂營運依賴，不是指企業沒有 AI 就完全無法運作，而是指特定核心流程已因 AI 而重新配置。若移除 AI，企業仍可營運，但效率明顯下降，大量工作必須由人工回補，這代表 AI 已開始成為營運能力的一部分。
第五、AI 是否創造了可衡量的商業成果？
核心在於商業價值是否已開始形成。企業必須證明 AI 是否降低成本、提高生產力、改善客戶體驗、增加收入，或創造新的商業模式。若 AI 只能展示能力，卻無法轉化為營運或財務成果，它就仍停留在技術展示階段。
第六、AI 是否產生足以支持持續投入的投資報酬？
最終仍須回到投資報酬的檢驗。對董事會與投資人而言，AI 是否重要並不是最後問題；真正的問題是，AI 是否值得繼續投入？若 AI 長期無法證明回報，再先進的模型、再多的 Agent、再大的算力支出，也難以獲得持續資本支持。
這六個問題，並不是另一套成熟度模型。它們是一條AI 價值實現路徑，也是一套資本配置檢查表。企業可以在某一環節取得成功，卻仍然卡在下一個環節。它可能已廣泛導入 AI，卻沒有覆蓋核心流程；也可能已建立治理能力，卻尚未創造商業價值；甚至可能在部分流程產生依賴，卻仍無法證明整體投資報酬具有可持續性。
綜合國際研究與企業案例，可以看見一個相當一致的方向。
首先，AI 普及已不是競爭優勢。麥肯錫（McKinsey）與勤業眾信（Deloitte）近年的全球調查皆顯示，生成式 AI 已快速進入大型企業，多數企業已開始部署 AI，討論重心也從「是否導入」轉向「是否規模化」與「是否創造價值」。例如，Deloitte 2026 年調查指出，企業可使用 AI 的員工比例較前一年大幅提升，預期至少四成 AI 專案進入正式生產環境的企業比例，也將在六個月內翻倍。這代表導入 AI 已逐漸成為共同起點，而不是競爭終點。
其次，企業間的競爭差異不再是是否擁有 AI，而是 AI 覆蓋了多少核心工作。Salesforce 公布，約 75% 的標準技術工單已由 AI Agent 先完成知識比對與操作建議；聯合利華（Unilever）與埃森哲（Accenture）則宣布，未來十八個月將在全球製造網路新增40 個以上 AI 驅動的數位分身（AI-powered Digital Twins）；Klarna 則讓 AI 成為客服第一線。三家公司分屬企業軟體、消費製造與金融科技，卻共同顯示：AI 已開始承擔企業核心流程中的重要工作，而不再只是個人工具。
第三，流程建立之後，治理能力變得重要。Microsoft 提出的Agent 導入成熟度模型，不再以 Agent 數量衡量企業 AI 發展，而是將治理、資料、平台、安全、監督與組織能力納入成熟度評估。這代表企業開始面對新的挑戰：真正決定 AI 能否持續創造價值的，不只是模型能力，而是企業是否具備持續、安全且可信地管理 AI 的能力。
第四，企業是否開始依賴 AI，是判斷 AI 是否已成為營運能力的重要分水嶺。Klarna 公開指出，其 AI Assistant 上線首月便處理 230 萬次客服對話，約占客服聊天量三分之二，相當於700名全職客服人員 的工作量，並使重複詢問下降 25%。這並不代表整家公司完全依賴 AI，但足以說明，在客服流程中，AI 已不再只是輔助工具，而開始成為營運能力的重要組成。
第五，前面逐步建立的導入、流程、治理與營運能力，最後都必須轉化為可衡量的商業價值。勤業眾信（Deloitte）、顧能（Gartner）與資誠（PwC）近年的研究，都將焦點逐步轉向商業價值、AI 損益管理（AI P&L）、總持有成本（TCO）與投資報酬，而不再只討論模型能力。企業需要證明的，已經不是 AI 能否完成任務，而是是否降低成本、增加收入、改善效率、提升客戶體驗，或創造新的商業模式。
最後，所有問題都會回到投資報酬。摩根大通（JPMorgan Chase）的案例具有代表性，因為它不是只談 AI 願景，而是已推動數百個 AI 用例，並公開強調以投資報酬衡量（ROI Measurement）作為企業級 AI 投資的重要衡量方式。這代表 AI 投資的最後一道驗證，不是模型能力，也不是 Agent 數量，而是每一項 AI 投資是否真正創造可持續驗證的財務成果。
無論是 Michael Burry（貝瑞）對 AI 泡沫的質疑，或 James Bullard（布拉德）認為 AI 可能是一場「好泡沫」，兩者討論的其實都是同一個問題：AI 投資究竟能否創造長期價值。然而，市場真正缺少的，不是再多一個看多或看空的立場，而是一套能夠判斷 AI 是否正逐步轉化為企業價值的共同分析架構。
本文提出的共同分析架構，不問企業是否喊出 AI 願景，而問 AI 是否已納入營運流程；不問企業部署了多少工具，而問 AI 覆蓋了多少核心流程；不問模型能力多強，而問企業是否具備治理能力；不問 AI 是否吸引人，而問它是否形成營運依賴、創造商業價值，並產生可持續的投資報酬。
市場敘事可以推動資本投入，但真正決定資本是否持續投入的，仍是企業能否持續創造價值。當 AI 熱潮進入資本市場的壓力測試階段，真正重要的問題，不再只是 AI 的故事有多驚豔，而是企業能否持續將 AI 投資轉化為可驗證的企業價值與投資報酬。
※作者從事半導體業二十餘年，現為自由撰稿人。
新聞來源: 原始來源
尚無評論，成為第一個發言的人吧！