一場由「資本支出×電力×軟體代理」三重奏推動的長波。生成式 AI 的下一幕，不再是 demo，而是資本形成：雲端巨頭把每一季、每一年的現金流，實打實地砸進資料中心、伺服器與電網配套。
微軟單季 CapEx 衝到 349 億美元、並表示今年還要更高；Alphabet 將 2025 年 CapEx 提到 910–930 億美元；Meta 則把 2025 年資本支出上修至 700–720 億美元，並明言 2026 年開支更高，是規模化的中長跑。
關鍵事實｜這波投資的「天花板」其實在電網
IEA 最新基準情境估算：全球資料中心用電到 2030 年將「倍增」，達約 945 TWh；其中AI 最吃電，AI 優化資料中心用電到 2030 年將超過四倍。換言之，就算晶片供給與先進封裝疏通，若區域電網與併網時程跟不上，算力落地仍會卡在「上不去的瓦數」。
資本縱深｜這筆錢到底有多長、有多快？
花旗把 Big Tech 的 AI 基建總投資上修到 2029 年前超過 2.8 兆美元，且推估 2026 年單年 AI CapEx 可達 4,900 億美元。這代表：只要融資環境不劇變，算力供給曲線還有數年的持續外移空間。
一、算力：從「GPU 供不應求」到「電力與封裝」的雙重瓶頸
短期瓶頸從晶片轉向電力與先進封裝。IEA 指出，美國將承擔資料中心增量的大頭；多個地區出現變電、併網延宕，IEA 的「逆風情境」甚至假設到 2030 年用電落在 670 TWh（仍高成長），反映規劃與供電不確定性。對企業端的直接含義是：推論成本下降的速度，得與電力取得與機櫃上架速度賽跑。
供應鏈側，HBM4 與 CoWoS 擴產將在 2026 年起明顯放量，但即便如此，市場普遍預期 2025–2026 年仍屬緊平衡，對高算力叢集的交付節奏有實質影響。
二、白領工作：從「助理化」到「代理化」的三階段時間軸
勞動曝險輪廓已定：IMF 估計全球約 40% 工作受 AI 影響，先進經濟體約 60%；而 McKinsey 的中期視窗指出，50% 的工作活動可在 2030–2060 之間被自動化（中位 2045）。這不是一夕之間「職位消失」，而是工作內容被重寫、分工重組。
路徑與節點（基準情境）
- 2025–2026｜助理化普及：生成式 AI 內嵌各式辦公軟體，形成寫作/摘要/檢核的「人機協作」。可自動化工時：15–25%（客服初階問答、行銷初稿、財會例行報表草擬等）。
- 2027–2029｜代理化落地：可編程流程出現端到端代理（agents）：工單處理、合約比對、AP/AR 對帳、月結前置檢核、標準法遵審閱。可自動化工時：25–35%。
- 2030–2035｜職務再設計：跨部門流程被拆解重構，「AI 先做、人複核」成為主流；流程型白領轉為例外管理與監理職。可自動化工時：50%+。
（說明：比例指任務工時而非職位數；淨就業取決於再訓練與新職缺創造。）
三、投資與回收：三條曲線決定部門的自動化上限
- CapEx→推論成本曲線
超大規模資本形成可攤薄每案成本；但若電力上不去、延遲與可靠度做不到 SLA，便無法替代人力的邊際成本。當「每百萬 tokens／每筆案件」低於人工作業 1/3，且品質事故率持平或更低，代理化就會加速擴散。 - 電力曲線
IEA 估 2030 年資料中心用電倍增、AI 用電四倍；專案選址若卡在變電站與併網，導入時程就會被動右移。地區電網將左右你能否「真的把 AI 放到產線」。 - 治理曲線
可審計推理、責任歸屬、資料治理與第三方驗證能力，決定了法遵/財會/法務等強合規部門的自動化上限。如果模型決策可追溯、可覆核、可保險，自動化將跨過最後的採用門檻。
四、風險與不確定性
- ROI 與融資結構：投資人已對「巨額 CapEx 何時回本」產生分歧，微軟創高 CapEx 的同時也引發市場對「AI 成本曲線」的質疑；單季 349 億美元支出即是寫照。
- 電力與政策：IEA 警示若出現貿易與規制逆風，2030 年用電需求可能較基準下修，反映專案延宕與併網壓力；對企業端意義是落地時程具區域差。
- 供應鏈節點：HBM4 與先進封裝（CoWoS 等）雖在 2026 年放量，但 2025–2026 年仍緊；高階加速卡的交付仍受限於封裝與記憶體良率/產能。
「自動化份額」會先於「職位減少」出現
把 AI 自動化視為工時結構重排比「替代人」更接近真相。IMF 與 McKinsey 的結論給出一道清晰的護欄：受影響的職務很多，但淨就業取決於轉職與再訓練速度；在 CapEx 與電力條件允許下，2027–2030 將是企業把「助理化」升級為「代理化」的關鍵三年。
