(封面图来源 : 路透)

不论辉达如何帮自己吹口哨壮胆，宣称在他们带领下的全人类正走在繁荣的康庄大道上，事实总是冷酷的：辉达除了面临来自同产业的其他竞争对手，而 AI 产业本身的结构韧性也逐渐开始受到外界审视。

而跟美国 AI 产业以及辉达深度绑定的台湾半导体以及台湾资本主义，也同样被卷进这场赌局之中， 但是，对于台湾的工人来说，他们无论如何都将是输家：即便预测成真，外国资本仍旧赚走大部分的利润，而如果输了，许多维持台湾资本主义运作的假设将面临最严峻的考验。

AI 的次贷时刻

有在关注股市的朋友，应该会注意到在八月十日，辉达宣布与阿波罗、贝莱德、黑石、Brookfield、高盛及 KKR 六家华尔街金融巨头签署谅解备忘录（MOU），目标是动用超过五千亿美元的第三方资本，为 AI 资料中心的兴建与 GPU 采购提供融资。换言之：辉达要亲自替客户找钱来买自己的产品，就好比车厂跟银行合开一家车贷公司，让付不出全款的客人先把车开走。

消息一出，股市的反映立刻呈现两极。一方面，上述六家资产管理公司的股价连涨两天，涨幅从 2% 到 6% 不等；另一方面，辉达的竞争对手跟云端巨头却跟着下跌，特别是亚马逊，7 月才靠着自家云端服务 AWS 的亮眼表现冲上每股 271 美元，现在又退回 260 美元左右，就连辉达自己的股价也上下震荡。显然，不论大摩跟美国银行如何帮辉达加油呐喊，市场早就用手中的钱，判断出这笔交易到目前为止最有可能的赢家是谁。

如果我们仔细看这次合作的细节，就会发现：资产管理公司出的并不是自己的钱，而是替客户管理的资金，包括退休基金、保险资金与主权基金。不论赚赔，他们都能照收 1% 到 2% 的管理费，赚了还能再抽一笔绩效分红；就算失败，绝大部分的风险也会转嫁到其他人身上（显而易见的，就是我们一般人）。像这种稳赚不赔的生意，任何投资人都不可能错过，股价的上涨就是最好的证明。

更甚者，作为债权人的一方，这些资产管理公司同时也握著 AI 公司的命脉：亦即晶片与机房。按照他们的估计，就算这些 AI 公司短时间内真的全倒了，这些晶片跟机房还是可以打包出售给大玩家，包括 Google、脸书、亚马逊等等。这还不算上辉达本身的担保：在个别的案子里，如果晶片到期时的转售价值不如预期，辉达愿意补上最多 25% 的缺口 – 最惨的情况下，辉达自己理论上得贴上 1250 亿美元，剩下的才轮到他们负担 (说穿了又是客户的钱)。

当然，辉达也不是吃素的，不可能是为了做公益而跟他们联手：就算在最惨的情况下得吞下上千亿，可以换到的回报也难以估量。一来，有人帮忙出钱，更多的厂商跟企业就更有动力买辉达的晶片；二来，辉达也能释出「AI 竞赛仍在持续」的讯号，不只拉抬自己的股价，也能替那些迟迟看不到 AI 产值、开始失望的企业打气。

更重要的是：把自己的产品跟金融商品绑在一起，实体经济里原本会碰到的市场天花板，就可以靠借来的钱暂时往后推 – 这并不是什么伟大的创举，而是马克思在《资本论》第三卷早就指出的资本主义机制：信用正是生产过剩与过度投机的主要杠杆，能把生产推到极限的同时，也会让矛盾在危机中更猛烈地爆发。

这正是黄仁勋的核心叙事。按照他在今年多个场合演讲的说法，辉达晶片并不是某种会折旧的硬体，而会作为「Token 工厂」的引擎：晶片生产算力，算力生产 token（AI 读写文字的最小单位，可以粗略想成一个字或字的一部分，也是 AI 公司计价收费的单位)， token 则已经是「有利可图的收入单位」。

这次的新闻稿说得更直白：辉达的算力是一种「可投资的资产」，token 成本最低、营收最高、寿命最长。在这套逻辑里，GPU 不再是商品，而是类似电网与公路的基础设施，不会过时，只会扩建。这也是整个五千亿平台的理论地基：唯有把 GPU 定义成「可投资资产」，华尔街才有理由拿退休金，去借给以它为抵押的人。

但这套说词经不起它发明者自己的检验- 黄仁勋在 2025 年为了推销新一代的 Blackwell 架构，亲口说过等 Blackwell 大量出货，上一代的 Hopper 就「送都送不掉」，还自嘲是「首席营收破坏者」。让辉达晶片贬值最快的力量，恰恰就是辉达自己的产品周期：旧晶片当然还能算，但在电力才是真正瓶颈的资料中心里，它每一度电能换到的算力落后新一代好几倍，经济价值自然跟着崩跌。

连辉达的大客户亚马逊，都在 2025 年把伺服器的折旧年限从六年缩短成五年，理由正是 AI 进步太快；人称「大空头」的贝瑞（Michael Burry），乃至 IBM 的执行长，更认为这些晶片真正的经济寿命不过两到五年。今天被包装成「十年期资产」的晶片，等下一代架构一出，还剩多少残值？辉达那最多 25% 的残值担保，又填得了多大的洞？

更讽刺的是，黄仁勋替晶片残值辩护的主要证据，是旧款 H100 的租金这一年来不跌反涨- 但租金会涨，并不是因为晶片本身的价值，而是在新晶片抢不到、市场缺货的情况下疯狂砸钱去抢的；而这五千亿美元存在的目的，恰恰就是盖出足够的产能来结束缺货。换句话说，这批抵押品值多少钱，押在一条这笔融资本身就要把它压平的价格曲线上。

作为其中的一位玩家，贝莱德执行长芬克（Larry Fink)，毫不在意这个矛盾，他在 CNBC 上把这次合作比作七零年代 MBS 的诞生（不动产抵押贷款证券，也就是把一大堆房贷打包成债券，再卖给投资人）。按照这个假设，比起死硬的将借贷压在资产负债表中，透过打包成证券并出售银行拿回现金，马上可以再放贷；投资人则获得一个有稳定现金流的新资产类别。有趣的是，芬克本人正是当年参与发明房贷证券化的人之一。

MBS 确实在短期内扩张了美国的住房信贷，但同一套机制在三十年后，因为过度杠杆与底层资产崩坏，引爆了 2008 年的金融海啸。更惨的是，MBS 的底层是房子，十年后至少还是房子 (虽然比较不值钱了)；更何况，GPU 的底层是算力，而算力值多少钱，完全取决于下一代晶片有没有把它淘汰。芬克的类比，恐怕比他预想的更加贴切。

然而这一次垫底的，并不只是银行的资金，而是一般人的保单。Apollo、KKR、Brookfield 近年纷纷买下寿险公司，正是为了把保费与年金导进自家的私募信贷，IMF 也在 2024 年的报告中示警两者越绑越紧的现象。当然，这些长期资金不像 2008 年银行借的隔夜资金，不会一夜被抽光；但这只是让危机从立即爆开到缓慢流血以致死亡：私募信贷 (Private Credit) 因为不需要公开报表，坏帐可以延后认列，但等到藏不住的时后，损失早就已经摊到每个保户身上。

另一方面，「车厂开车贷公司」的比喻，二十多年前就已经真实上演给大家看了。网路泡沫时，朗讯、北电这些电信设备商一边卖设备给电信业者，一边借钱让它们买: 光是朗讯在 2000 年就有 75 亿美元的融资交易。而其中的一间买家 Winstar 拿了朗讯 20 亿美元授权信贷，但在2001 年却因为付不出利息而破产。 说穿了，它得靠朗讯的钱才还得起欠朗讯的债。而朗讯股价随后从八十多美元跌到不到一美元。

在这场牌局之中，Winstar 当然不会是微软、Google 这些拿本业现金盖机房的巨头，而是外围靠借钱撑起来的玩家：以 GPU 抵押举债的 CoreWeave、替 OpenAI 盖机房而大举发债的甲骨文，以及一旦破产或欠租就由辉达替它补差额的 OpenAI 本身。事实上，就连巨头也把自己的身家赌了下去：脸书就把路易斯安那州资料中心的数百亿美元债务，放进与 Blue Owl 合组的特殊目的公司，移出了自己的帐本。

所以这笔交易根本不是什么「强强联手」，只是两群看到 AI 泡沫开始漏气的人，在音乐停止之前抢先变现（有趣的是，这个计画正好是在七月全球股市一波重挫、投资人开始追问 AI 投资到底能不能回本之后推出的）。辉达很清楚，能大量采购 GPU 的超大型企业就那几家，而 AI 的实际产值至今远远落后于投入的资本。

所以它需要用融资创造需求、用杠杆撑住预期。华尔街同样清楚 AI 的高速成长不可能永续，但只要在泡沫破裂前把管理费收到手、把风险塞进千万张保单里，他们就已经赢了。这不是对未来的押注，而是对现在的套利。唯一会被留在桌上的，是最后才知道音乐停了的人。

Google 与中国

事实上，辉达急着跟华尔街联手的理由还有一个：在晶片战场上，它同时面对 Google 跟中国两方敌人，只是两者对付辉达的方式不同。前者靠的是自家专为 AI 设计的 TPU（张量处理单元），把晶片、云端跟模型一条龙整合起来，直接去抢辉达最大的那几个客户；后者则是就算效能暂时比不上，也能在美国禁运筑起的高墙后面，凭借成本优势与举国体制给的政策优惠，取代辉达成为中国模型训练的首选。

辉达过去之所以能把其他晶片厂远远甩在后面，并不只是因为产品「性能比较好」，而是因为它在 2006 年同步建立了一套叫 CUDA 的软体平台，让一般开发者可以直接用 C/C++ 这类程式语言来写 GPU 程式，大幅降低了平行运算的门槛。在这之前，要让 GPU 做大规模的数学运算，如果不是乖乖留在 CPU 上一笔一笔慢慢处理，就得把数学上的「矩阵」伪装成 3D 游戏的「图片与颜色」，骗 GPU 去算，非常困难。

另一方面，作为软硬体绑定的利器，CUDA 只能在辉达自己卖的晶片上运行，并不支援 AMD 或 Intel。随着使用和学习 CUDA 的人越来越多，对开发工具的人来说，针对 CUDA 优化显然是最划算的选择，于是 PyTorch 这类机器学习框架（可以理解成写 AI 用的工具箱）都以 CUDA 为主要平台。去年辉达更宣布 CUDA 原生支援 Python，让更多人可以直接上手。

而 2012 年的深度学习大爆发，以及 2022 年延续至今的 AI 热潮，让辉达在 2006 年的决策获得了极高的回报。不论是当年的深度学习，还是现在的大模型训练，都需要大规模、稳定运作的 GPU 体系，而辉达作为当时市面上几乎唯一能满足这种需求的厂商，基本上垄断了整个市场（当然，那时候 AI 还不被认为是能变现的技术，所以辉达的股价并没有就此喷发）。

好景不常的是，马克思在一百五十年前的《资本论》里就解释过：哪个生产部门的利润特别高，资本就会往哪里涌入，直到那里的超额利润被竞争磨平为止。更何况，辉达的超额利润是直接从客户身上赚来的：它七成左右的毛利率，就是 Google、亚马逊这些大客户的成本。

看着辉达的股价因为 AI 翻了 13 倍，这些大公司当然摩拳擦掌，想自己下场做晶片；中国公司则因为美中对抗的不确定性与性价比的考量，开始分散供应链的风险。不论是前文提到的 TPU，还是中国的摩尔线程打出「无缝转移 CUDA」的口号，都是同一回事。

根据最新的测试，TPU 正在打破所谓的辉达神话：纸面上的峰值算力或许比不上辉达，但实际跑起来的吞吐量(每美元计价下)却分别高出 50% 与 96%，换算下来的成本反而更低。除此之外，TPU 也自带业界的背书：Google 自家的 Gemini 就是在 TPU 上训练出来的，而Anthropic 也在去年签下了多达一百万颗 TPU 的合约。

当然，TPU 并不是样样都赢：辉达的 GPU 用途更广、生态更成熟，但是TPU 可以高度串连的优势对于前沿模型公司在集中在大规模，同质化的训练与推理至关重要。换句话说，Google 能把晶片、云端跟模型一条龙卖给从大公司到中小企业的客户；而 AI 写程式的工具，已经能把原本为 CUDA 写的程式转写到 TPU 上，CUDA 的护城河正在变浅。

而中国的晶片虽然还比不上辉达跟 Google，逼得部分 AI 公司得靠走私，或在第三国（通常是东南亚）设立空壳公司来训练模型；但在美国晶片禁运与中国官方扶植本土晶片商的双重作用下，辉达在中国的市占率只剩下个位数。随着中国晶片厂大规模量产带来的成本优势，加上自家的软体生态，再加上欧美以外那些想打造主权 AI（由国家自己掌握的 AI）却缺乏资金的国家，中国晶片的出口反而在成长。

这就是为什么辉达需要把自己从「目前领先的竞争者之一」，变成整个社会体系运作中不可或缺的一部分：一旦这种结构性而非技术性的优势建立起来，它就能透过监管、资金等更多元的手段，阻止竞争者把它的地盘整碗端走。

其实，列宁在一百多年前就把这种现象称为「金融资本」：产业资本跟银行资本融为一体，垄断不再只靠产品本身，而是靠金融跟国家来维持；但竞争并不会因此消失，只会变得更加尖锐。换句话说，这并不像某些评论员说的，是辉达在造福企业或个人，而是它为了在这场血淋淋的战争中胜出所采取的策略！

假惺惺的开源模型

可能还是害怕市场不买帐辉达的梦想，黄仁勋在之前以及之后的多个场合都提及了他对于开源 AI 模型的热忱，也在美国政府考虑封杀中国模型之际帮他们说项。当然，比起数据、演算法等等全由大公司掌控的闭源模型，看起来可以自行下载、根据所需调整，甚至是开放让公众审阅的开源模型好像更「民主」。不只是辉达，包括 Meta 以及微软都持类似的论调。不过，单就技术层面而言，开源模型真的比较「民主」吗？

首先必须厘清的是，今天市面上绝大多数被冠以「开源」之名的模型，严格来说只是「开放权重」(open weights)：公司释出的仅是训练完成后的那一串参数 (可以想成模型「学」到的东西)。至于训练资料从何而来、如何清洗，训练程式码长什么样子，人类标注与回馈又是怎么进行的，一概不公开。事实上，就连鼓吹开放的 Meta，自己的 Llama 系列都没有达到开源促进会要求的「开源」标准。

换言之，我们看到的开源模型充其量也不过就是商品，而不是完全透明开放的生产资料：事实上，跟闭源模型一样，它还是由数万颗 GPU 连续运转数月所消耗的电力、从整个网际网路爬梳而来以兆计的资料，以及那些低薪替模型过滤并标注内容的外包劳工的劳动力所组成。虽然比起前者，我们是可以下载它、微调它，并在上面叠加自己的应用，但我们并没有生产类似产品的能力或是资本，还是只能任由大公司宰割。

除此之外，先进的开源模型并不是透过我们的手机跟电脑就能直接下载并使用的 – 事实上，一个数千亿参数的前沿模型，光是跑推理 (也就是模型实际回答问题的运算) 就需要一台动辄数十万美元的伺服器。而这台伺服器不是跟辉达买，就是跟亚马逊、微软或 Google 租 (当然，压缩过的小模型也可以在笔电上跑，但它们与前沿模型之间的差距，恰好就是企业愿意付钱的那一段)。至此，所谓的技术民主，留给我们的只有选择向哪个资本家租算力的自由。

当然，巨头们为何如此热衷开源，也不是因为他们带着某种慈悲的心，而是因为他们如果让自家产品的互补品变得廉价，自家产品的需求就会随之扩大。举例来说，对辉达而言，模型正是晶片的互补品 – 不论最后胜出的是谁，只要模型是开放的，就会有成千上万的企业与政府下载部署，而每一次推理都是在替「Token 工厂」添柴。这也解释了黄仁勋为什么要替中国模型说项：一旦封杀，被逼到墙角的中国开发者只会连同整个生态，更快地倒向华为与摩尔线程。

Meta 与微软的逻辑也如出一辙 – 祖克柏在 2024 年的公开信里说得很坦白，卖模型从来不是 Meta 的商业模式，相反的，Meta 赚钱靠的是三十多亿用户的行为数据。另一方面，微软的 Azure 则早已上架包括 Llama 与 Deepseek 在内的上千个模型，不论谁胜出，租金都将流向提供云端服务的一方。

对这些巨头来说，模型的先进与否从来不是决胜的杠杆 – 他们真正的护城河是数十亿用户的数据、遍布全球的资料中心，以及早已绑定的企业客户：只要手上有一个「够好」的模型，就足以把技术上的领先者扳平。反过来说，OpenAI 或 Anthropic 这类公司既没有自家云端，也没有广告帝国，模型的领先几乎是它们唯一的超额利润来源。

开源正是摧毁这份超额利润的武器 – 当模型被压成人人可得的廉价商品，价值便被迫转移到算力与数据，也就是巨头们早已垄断的地方 (同时也正是华尔街现在抢著拿来当抵押品的东西)。前文提到马克思说，资本会涌入高利润部门，直到超额利润消失为止；巨头们所做的，不过是亲手加速这个过程，只不过被加速的永远是别人的部门 – 至今没有任何一家公司开源过自己的用户数据，更没有谁把自己的资料中心交出来给大家共用。

然而，开源模型最大的伪善并不在于开放得不够彻底，而在于它的开放永远是有条件的：在落后时开放，是为了拉倒领先者；而一旦有机会领先，甚至已经赢得这场战争，大门便悄悄关上 – OpenAI 就是最好的例子，名字里写着「开放」，一领先就把模型锁了起来，直到去年中国的开源模型抢尽了风头，才又立刻释放开放权重的版本。

更甚者，全世界开发者围绕开源模型所做的优化与工具，最终都会免费回流到巨头身上，就如同当年靠志愿者起家的 Linux，最后成了亚马逊云端帝国的地基。所谓的「开源社群」，不过是一支不领薪水的研发部门。

这才是开源模型在资本主义下的真实面目：它不是生产资料的社会化; 相反的，在生产资料依旧私有的前提下，将产品的一部分免费化，借此巩固对生产资料本身的控制。真正的开源，从来不是把一个权重档案挂上网路，而是将资料中心、算力，以及由全体用户共同生产的数据收归社会所有，由劳动者民主地决定它们为谁运转。在那之前，黄仁勋与众人口中的开放，不过是以开放之名进行的另一场圈地行动。

杰文斯悖论

不过，就算价值真的全都被推到了算力身上，还有一个问题没有回答：算力本身的需求，真的撑得起这个价格吗？相信常常关注 AI 的人应该会很常看到这个名字 – 2025 年初，Deepseek 让辉达单日蒸发近六千亿美元市值的时候，微软执行长纳德拉当天就搬出了杰文斯悖论来安抚市场，黄仁勋随后也用同一套逻辑出来灭火。

从此之后，只要市场开始对 AI 投资有所怀疑，或是股市有点震荡，黄仁勋跟他的徒子徒孙便会出来向大家解释：即便 AI 的单位使用成本降低，这并不意味着需求变少，而是让更多公司跟个人都能负担得起 AI，从而推动更多相关的需求。

可能害怕大家听不懂，他们还会拿出价格表比较：相比起当初的 GPT-3 Davinci 模型每百万 token (大概是好几本长篇小说的份量) 的输入要 20 美金，性能更好的 GPT-5.6 Terra 只要 2 美金，更便宜的 Luna 甚至只要 0.2 美金，跌幅超过 99%。

与此同时，许多公司在 AI 方面的支出好像又能佐证这一点：按照 Gartner 的估计，全球在 AI 方面的总支出今年将来到 2.52 兆美金，光是一年就又多了 44%；再加上根据麦肯锡在去年提出的报告，企业的 AI 采用率已经接近 90%。乍看之下，随着 AI 能力的进步，我们好像真的快要迎来一个美好的乌托邦 – 根据黄仁勋，AI 工厂将是新社会的基础建设，所有的事物都可以用 token 来执行。

但这群人在讨论杰文斯时，做了一件杰文斯本人不曾做过的事：把一个关于物质消耗量的经验观察，偷换成了一个关于利润永续增长的承诺。杰文斯在 1865 年的论述对象是煤炭，一种燃烧后转化为机械动能、驱动纺纱机与蒸汽船的物质资源，其使用效率的提升所释放出的需求，对应的是实实在在的棉布匹数与运输吨公里数。问题在于，当我们把同样的逻辑套用到 token 上时，必须先回答：这些被生产出来的 token，究竟驱动了什么？

事实上，马克思在《资本论》第二卷就花了不少篇幅在处理这个问题：并不是所有花在经济活动上的钱，都会创造出新的价值。工人在工厂里把棉花纺成纱、把纱织成布，生产出了新的商品；但是买卖本身 – 推销、广告、记帐、客服 – 只是让既有的商品换手，这些被他称为「流通费用」的开销并不会多生出一分价值，反而还得从利润里扣掉。杰文斯悖论之所以在十九世纪的煤炭工业中成立，恰恰是因为每一吨被「额外」消耗的煤炭都进了纺纱机跟蒸汽船，变成了可以拿到市场上卖的棉布与运力。但黄仁勋所描绘的 token 经济，其中究竟有多少属于前者？

当我们把那个看似惊人的 2.52 兆美元拆开来看，超过一半是 AI 基础设施的支出 – 资料中心、晶片、伺服器、电力与冷却设备，而不是 AI 应用本身的营收。而根据红杉资本的合伙人 David Cahn 估算，在2023 年，AI 产业需要填补的年营收缺口是 2,000 亿美元；到了 2024 年，这个数字膨胀到 6,000 亿；在今年七月的最新估算中，将 2026 年 AI 基础设施支出定在约 7,500 亿美元，并据此推算产业需要产生约 1.5 兆美元的终端营收，才能合理化这些投入。

累计下来，自 ChatGPT 问世以来的投资总额则需要大约 3 兆美元的营收来偿还。这个缺口不仅没有随着采用率攀升而收窄，反而在加速扩大。按照 Allianz Research 的计算，AI 资本支出的成长速度已经比营收的成长快了 46%，超过了 2001 年电信泡沫破裂前 32% 的水准。换言之，这些钱并不是因为 AI 已经证明了自己的生产力而投入的，而是基于它「将来一定会」证明自己的信念预先支付的。

那麦肯锡所说的近九成采用率呢？同一份报告的下半页写得很清楚：88% 的企业确实在至少一个业务环节中使用了 AI，但仅有 39% 表示 AI 对其利润产生了任何可量化的拉动，而真正从 AI 获得显著价值 (也就是超过 5% 的营业利润可以归功于 AI) 的企业，仅占受访者的 6%。

将近三分之二的企业仍停留在试验或试点阶段，从未实现规模化部署。更何况，这些绝大多数所谓的「采用」，不过是在客服系统里塞进一个聊天机器人，或是让员工拿 ChatGPT 润饰电子邮件 – 用马克思的话来说，这些大部分都还是流通费用，顶多帮老板省下一点开销，并不会多生出新的价值。将这种程度的使用等同于蒸汽机取代手工劳动，就好比在办公室里装了一台咖啡机便宣称完成了工业革命。

当然，现在的 AI 并不只停留在这个层次: 靠着本身就在市场上作为商品贩卖的软体，用 AI 写程式的工具已经是企业 AI 支出中最大宗的用途之一- 这本身也反映在营收上：拥有 Codex 的OpenAI 的年化营收从去年底的 200 亿美元翻倍到约 400 亿；而掌握更多用户的 Claude Code 背后的 Anthropic 更从去年底的 90 亿美元，在七月底冲破 650 亿。

但这本身还并不足以说服 AI 投资在整体的回报。首先，两间公司加起来有一千多亿美元的营收，还不到 Cahn 所说 1.5 兆回本门槛的一成，而且这还是用短期数字推算的全年营收，不能代表客户已经长期绑定在了两间公司。其次，营收不等于利润：模型公司收到的钱，很大一部分又以算力成本流回云端业者和辉达手上；营收翻倍的 OpenAI，甚至还得靠辉达才租得到机房。最后，生产软体的公司也开始注重 ROI，不再像以前肆无忌惮的花费在工具使用上。

这正是马克思与杰文斯之间最根本的分歧。杰文斯只看到了消耗量的增长曲线，但他本人并不理解这条曲线背后的社会生产关系。当然，token 的用量的确是在暴增，问题在于，用的人多并不代表就赚得到，而是这些被生产出来的东西，是否在市场上找到了对应的、有支付能力的需求？资本主义生产的特殊矛盾从来不在于产品不够好或成本不够低。恰恰相反，它的危机形式就是生产得太多、太好、太便宜，以至于超过了市场所能消化的容量。

Token 价格从 GPT-3 时代的每百万 20 美元跌到 Luna 的 0.2 美元，用量是上去了，但营收却远远跟不上价格下跌的速度，换来的反而是一场价格战：OpenAI 在 GPT-5.6 上市仅 21 天后，就被迫把 Luna 砍价 80%，而竞争者从 Google 到中国的智谱，都在同一条道路上狂奔。但价格战其实只是表面。致命的是，AI 大概是人类史上最「重资产」的产业：脸书当初宣布在路易斯安那州砸一百亿美元盖资料中心的时候，承诺的长期职缺也不过五百多个。

马克思所说的利润率下降趋势，讲的正是这件事：机器本身不创造新的价值，只有人的劳动会 – 当几兆美元涌进一个几乎不雇人的产业，越来越多的资本，就得从相对越来越少的劳动所创造的价值里分利润，每一块钱资本能带回的利润自然越来越薄。要扭转这个趋势，AI 得真的让其他产业的生产力大幅提升，但麦肯锡那 6% 的数字说明，这一天还没有到来。

更根本的问题在于，就算杰文斯悖论在 AI 领域完全成立，它也从来不是一个关于繁荣的论述 – 杰文斯写《煤炭问题》本来就不是在唱多，他担心的是煤烧得越快，资本家需要花更多的钱去开采更底部的煤矿，而大英帝国的工业霸权也就越早见底。马克思对此有更精确的诊断：资本追逐超额利润的本能，驱使它不断扩大生产规模，用更高效的机器取代劳动力、用更廉价的产品挤压竞争者，直到产出远远超过市场所能消化的容量。

而为了撑住越来越薄的利润，资本最直接的办法又是更用力地压低工资、裁减人力，偏偏工人的薪水，正是那些「有支付能力的需求」最主要的来源。用马克思在《资本论》第三卷的话来说，一切真正危机的最终原因，总是群众的贫穷与他们受到限制的消费，对上资本主义不顾一切发展生产力的冲动 – 这便是过度生产危机的经典路径。

黄仁勋把杰文斯悖论当作利多来兜售，恰恰是因为他需要投资人相信，AI 的投入与产出之间那道日益扩大的鸿沟不是危机的前兆，而是机遇的证明。「现在没有回报不代表失败，只代表我们投得还不够多」是一套自我指涉的循环论证：晶片的销量证明了 AI 的前景，而 AI 的前景又合理化了更多晶片的采购。

当这套话术与前述的五千亿美元融资平台放在一起看，一切就再清楚不过了 – 既然真正付得起钱的需求迟迟不出现，那就一边提供叙事，一边提供杠杆，先把钱借给客户来买，而那些靠借钱买晶片、收入却迟迟填不上成本的 AI 公司，正是这场游戏里的「次级借款人」。等到引擎里始终没有装上燃料的事实再也遮掩不住时，这笔帐最后要由谁来付，答案其实早就写好了。

对于台湾来说代表什么

谈到这里，很多人可能以为这只是辉达本身的问题，或是某种「中美争霸战」叙事下的副支线，对于在台湾的我们毫无影响：毕竟，我们并不负责训练模型，或是建设算力中心，而是设计封装晶片以及记忆体等等在供应链中比较上游的部分。虽然大部分台湾半导体公司的毛利率远比不过模型公司或是云服务，但是只要热潮还在持续，下游的公司仍旧对产业抱有信心并持续投入，单子仍旧会源源不绝。

更何况，就算 AI 真的泡沫化了，世界上很多的电子产品仍旧需要台湾的半导体晶片，像是苹果的 Iphone ，或是智慧型电视等等 – 这反映在台湾半导体公司那居高不下的股价，以及相较其他亚洲国家逆天的 GDP 成长率。看起来，台湾除了对面的恶邻居以外，好像已经进入了某种终局之战，迎向我们的未来只会是光明的，国外的水深火热好像也与我们完全无关 (就算有，不像那些「不负责的」国外政府，我们的赖神也会帮忙处理的)。

不幸的是，以上这些纯属科幻剧情:  在一个高度资本主义，又同时深受供应链全球化影响下的岛屿，我们不可能完全不受到影响。举一个最直观的例子来说，因为我们半导体公司最重要的客户都为美国公司，只要美国的股市受到波动，比方说因为供货成本太高而导致股价下滑，对于后者来说最直观能够拯救股价的方式就是削减台湾的订单。事实上，Deepseek R1 发布的时候，台湾的股市的确直接受到重创。

除此之外，即便是在半导体供应链这个环节上，台湾本身的优势也正在被逐步消灭 – 首先，越来越多的国家已经认知到半导体供应对于整个 AI 生态的影响，开始在逐步投入资源，不论是美国，日本甚至常被网友取笑慢半拍的欧盟。再来，不论是为了所谓的「地缘政治」安全或是科技统治阶级的需求，川普政府开始用高关税威胁台湾逐步移转产能到美国，号称反DEI 战士的商务部长卢特尼克甚至以台积电未聘雇多元族群涉嫌违法为由施压，换取更多在美投资。

最后，但也同样重要的是，中国的晶片产能已从最初的『维持基本运作』与『满足国家战略需求』，逐步转型为具备向外输出的成熟能力。透过精准对接巴西、东南亚等发展中国家的市场需求，中国半导体成功在欧美以外的地区开辟了全新战场，展现出强大的市场拓展韧性。虽然以上的因素逐项拆开来看都不足以立刻威胁到台湾的半导体统治地位，但当合在一起的时候，台湾作为「唯一」的叙事已经不再像以前有力。

更恐怖的是，即便面临到多重结构性的挑战，台湾政府仍旧将希望跟杠杆全部押在半导体产业上，不论是长期以来维持低利息以方便台湾的公司活用金融市场借贷来打造更大的产能，或是蒙起自己的眼睛，在美伊战争导致能源价格上涨的时候，强行压制市场机制，让这些公司能够继续以低成本的方式生产晶片以及半导体 – 当然，政府并不会这样明言，而是假借「苦民所苦」来实施。问题在于：就算能源的确上涨，但事实上用最多的也还是大公司而不是小民。

台湾的金融产业也是如此 – 为了追求利润，台湾的银行大部分都将群众的资金投入在可以带来高报酬的美国基金以及债券上，高度地将台湾金融与美国绑定，这在 IMF 特别在报告中点名台湾持有的美金曝险程度高于正常外汇市场交易量的 45% 中便可略知一二。换句话说，如果今天美国 AI 公司确实集体泡沫化，美国股市持续下跌，那么台湾的所谓荣景会立刻转变成挥之不去的恶梦。而且，因为台湾长期押注在单一产业，所以也缺乏其他国家那样子的产业韧性。

但就算辉达的预言完全成功了，台湾的工人阶级依然不是最终的赢家，而是金融统治阶级以及科技业的高层- 根据主计处的统计，台湾工人的受雇人员报酬占 GDP 比率只有43.1 %，显著低于韩国，日本以及我们认为生活很悲惨，路上一堆流浪汉的美国。与此同时，企业的盈余占比却来到了将近40%，而这些利润却甚至不留在台湾，其中的七成以上是属于外国法人的。换句话说，我们自始至终都是在帮外国资本家打工。

另一方面，虽然也已经是老掉牙的议题了，不过除了科技业少数的从业人员之外，台湾大部分的工人事实上过得也是水深火热 – 虽然政府宣称平均薪资来到了70000多，但仔细审阅之后，事实上的中位数还不到 40000元，简而言之就是一半的人甚至连 40000 都不到。更可怕的是，对于部分的人来说，薪水不只不涨就算了，有的还直接赤裸裸地倒退 (没考虑到通膨的情况下) ，试问，这就是赖清德政府的「经济奇蹟」吗？

当然，越来越多的人也已经开始意识到了这个现实 – 不论是美光工会在声明中提及，老板都只会要劳工共体时艰，但却不能与之共享富贵，还是乖乖工会指出的，1/3的劳工做了一辈子薪水居然还是一样。这些并不是孤立的抱怨，而是同一个矛盾的不同表现：台湾的经济增长建立在压低劳动成本的基础上，而AI的金融化只是把这套逻辑推向了极端：更多的资本投入、更少的劳动分配、更高的对外依赖、更脆弱的缓冲空间。

当辉达把晶片变成金融资产、把算力包装成基础建设的时候，它绑进去的不只是华尔街的退休基金，也包括高度依附美国资本主义的台湾。这条链上的任何一环断裂，不论是融资机制的崩溃、叙事的破产，还是竞争格局的翻转，台湾面对的都不只是一时的股价震荡，而是被长期压制的结构性矛盾一次性爆发。而要真正摆脱这个循环，答案不在于押注下一个产业风口，而在于由劳动者自己来决定生产工具为谁运转。

《火花》是革命共产国际（RCI）的在台组织台湾革命共产党所运作的网站。我们是一个为世界各地社会主义革命奋斗的革命马克思主义组织。如果您认同我们的理念并有兴趣加入我们，可以填写「加入我们」的表格，致信marxist.tw@gmail.com，或私讯「火花-台湾革命共产党」脸页，谢谢！