很多人對於現在火熱的 AI 浪潮其實是感到「無感」的。這並非因為 AI 不重要，而是它呈現的方式過於抽象，大眾看到的僅僅是聊天機器人、自動生成圖片或撰寫文案。對大多數人來說，這頂多是省下一點工作時間，或是當作炒作股票的題材，卻鮮少有人意識到這場變革背後隱藏的深層邏輯。事實上，這場競賽的本質遠比表面看來的產能提升要複雜得多。
貝萊德在最近發布的 2026 年全球投資展望中，提供了一個非常有意思的觀察框架。他們指出，長期以來美國的經濟增長一直受限於某種無形的天花板，這並非單純的短期景氣循環問題，而是人均 GDP 的長期趨勢始終難以突破。然而，AI 的出現極有可能成為打破這個長期 2% 增長趨勢的關鍵力量，其建設規模與速度，甚至可能超越人類歷史上所有的科技革命。根據外部數據估計，到 2030 年，全球企業在 AI 相關的資本支出將可能攀升至 5 兆到 8 兆美元之間的驚人數字。
面對如此龐大的投資金額，一般人最直覺的反應通常是樂觀的。邏輯推演起來非常合理：既然 AI 能大幅提升生產效率，企業的營運成本理應下降，進而推升每股盈餘（EPS），股市自然會長期受惠。尤其現在科技巨頭之間展開了激烈的算力軍備競賽，導致算力與模型的成本越來越低廉，這意味著一般公司能以更低的門檻使用 AI 甚至機器人來取代人力。從表面上看，這簡直是企業獲利的大補丸，股價似乎理所當然該一飛衝天。
然而，這種極度直覺的推論，往往就是市場上最危險的陷阱。我們必須釐清一個關鍵核心：算力變得便宜，並不等同於企業的 AI 總成本會隨之下降；同樣地，生產效率的提升，也不保證股東最終能分到那份所謂的效率紅利。這聽起來或許違背常理，但若從經濟學的深層結構來觀察，就會發現這是一場關於「總量」與「單位成本」的拉鋸戰。
我們可以從一個經典的經濟學現象——「反彈效應」來理解這個問題。這是一個存在已久的觀察：當某種資源變得越便宜、越好用時，人類通常不會選擇省著用，反而會因為門檻降低而用得更多、更深，甚至將其嵌入到原本不曾考慮的流程中。當 AI 的單位使用成本下降，企業對其需求反而會被劇烈刺激出來，導致最後的總消耗與總支出不減反增。這解釋了為什麼在科技高度發達的今天，企業的資訊預算從未縮減，反而成為了一場停不下來的無止盡賽跑。
這正是投資者需要警覺的地方。當我們在看好 AI 帶來的效率革命時，不能只看見生產力的提升，更要看見背後隨之而來的成本結構轉變。在這場 2026 年後的投資賽局中，最終的贏家未必是那些最快採用 AI 的公司，而是那些能在這場「反彈效應」中，真正守住利潤率、不被膨脹的技術支出反噬的企業。
