2023 年到 2025 年之間，市場對 AI 的信仰有一個相當整齊的結構：算力是一切的起點，GPU 是算力的化身，而 Nvidia 則是這個時代最接近「壟斷性資產」的存在。這個敘事並非沒有道理——在 AI 基礎設施尚未成形的早期，誰能提供訓練所需的算力，誰便站在整條價值鏈最上游。市場給出的定價，也如實反映了這個判斷。
然而進入 2026 年，一件微妙的事正在發生。不是崩潰，不是反轉，而是一種更難被察覺的移位——投資人開始重新詢問一個更根本的問題：算力，究竟是 AI 經濟的「資源」，還是它的「瓶頸」？
這個問題的答案，正在重塑整個板塊的資金流向。
讓我們從一個技術細節開始說起，因為它比任何宏觀論述都更誠實。
Nvidia 在今年的 GTC 大會上給出了一個關於數據中心網路的預測：短期內，銅纜與光纖將會共存；但長期而言，光學技術終將主導。他們的下一代旗艦晶片「Feynman」，預計 2028 年底推出，將從架構層面為光纖網路做出優化。這是一家晶片公司，在自己最重要的年度場合，花時間解釋為什麼「傳輸介質」比「晶片本身」更值得關注。
這不是一個無意義的技術聲明。它意味著，連 Nvidia 自己都承認：AI 系統真正的限制，已經不在於能不能造出更強的 GPU，而在於這些 GPU 之間，資料究竟能以多快的速度流動。
當 GPU 的數量以指數增長，系統的瓶頸便從「計算節點」移向「節點之間的連結」。這是一個幾乎必然的工程結論，但它對資本市場的意涵，卻遠比多數人意識到的更為深遠。銅纜的物理極限，在高密度、長距離的數據中心場景下開始顯露；而光的優勢——低延遲、低能耗、對距離的漠然——使它成為這場基礎設施競賽下半場的主角。這便是為什麼 Lumentum 今年股價上漲超過九成，Ciena 緊隨其後，漲幅逾六成。它們不是被炒作的概念股，而是在一個重新定義基礎設施的技術轉移過程中，恰好站在正確位置的公司。
從 AEC 銅纜，到光模組，再到共封裝光學（CPO）——這條遷移曲線的每一步，都是一次對「距離成本」的壓縮。在銅的世界裡，距離是實實在在的工程代價；在光的世界裡，距離只是設計問題，而非物理障礙。當這個障礙被移除，AI 系統的規模經濟將被重新定義——不是以單一數據中心為單位，而是以跨地域、跨機構的算力網路為單位。這個尺度的轉變，還沒有被市場充分定價。
與此同時，軟體世界正在經歷一場性質截然不同的動盪。
硬體的故事是「瓶頸轉移」，是一種結構性的重新排序，有贏家，有輸家，但邏輯尚稱清晰。軟體的故事則更為殘酷，因為它動搖的不是某幾家公司的地位，而是整個商業模式存在的前提。
過去二十年，SaaS 的邏輯建立在一個隱含假設上：企業需要工具，人使用工具，軟體公司按使用人頭收費。這是一個優雅的模型——可預測、可擴展、毛利率驚人。Salesforce、Workday、ServiceNow，這些公司的估值，本質上是對這個模型長期可持續性的信念定價。
AI Agent 的出現，正在瓦解這個假設的根基。
當一個 AI 系統能夠自主完成過去需要人類操作軟體才能完成的任務，「人使用工具」這個環節便從流程中消失了。席位數量失去意義，按席位收費的模型隨之動搖。市場已經在用一個略帶末日色彩的詞彙描述這個轉變——「SaaS-pocalypse」——雖然語氣或許過於戲劇化，但它所指向的結構性問題是真實的。iShares 科技軟體 ETF 今年下跌逾兩成，Salesforce、Palantir、Atlassian 等公司股價的回調，並非純粹的情緒修正，而是市場開始對這個模型的長期存續打折扣。
有一種觀點認為，掌握大量企業數據的公司——Salesforce、ServiceNow——在 AI 時代反而更具優勢，因為數據本身就是護城河。這個論點有其道理，但它假設這些公司能夠成功地從「工具提供者」轉型為「結果交付者」，從按席位收費演進到按成果定價。這是一次商業模式的根本性重寫，歷史上鮮少有大型企業能在不失去核心客戶的前提下完成這種轉型。轉型能否成功，尚無定論；但轉型的壓力，已然到來。
如果把視角再拉高一層，會發現硬體的重構與軟體的動盪，其實都只是更大一個問題的局部表達——而這個問題，正是整個 AI 投資敘事中最難被直視的部分。
四大超大型雲端業者：Alphabet、Amazon、Meta、Microsoft，在 2026 年的合計資本支出預估達到 6,450 億美元，較前一年成長 56%。這個數字，幾乎相當於某些中型經濟體的 GDP。它的規模之大，使得任何關於「AI 商業化回報」的討論，都必須直面一個核心問題：這些投資，能在合理的時間窗口內，轉化為真實的現金流嗎？
目前的情況是：四家公司的股價，在 2026 年全數下跌，跌幅從 Google 的 4% 到 Microsoft 的 21% 不等。市場不是不相信 AI 的潛力，而是開始懷疑，這是否是一場資本密集程度遠超預期的長期基建競賽——在真正的獲利期到來之前，需要持續燒錢，且燒錢的速度還在加快。
這種擔憂並非空穴來風。AI 數據中心的建設周期長，資產折舊壓力顯著，能源需求龐大且日益引發監管關注。更深層的結構性隱患，在於這個生態系統內部已經出現一定程度的「循環性」——科技巨頭對 AI 新創的投資，有時直接以算力採購的形式回流，形成一種投資即訂單、訂單即營收的自我強化迴路。這個迴路在系統擴張時看似健康，但它對外部資本流入的依賴，使得整個結構在信心動搖時格外脆弱。
這不是估值過高那麼簡單的問題。估值過高，可以等待基本面補上來。但如果問題出在結構，等待便沒有那麼確定的終點。
2024 年，市場相信 GPU 是這個時代的「香料」——控制算力，便控制 AI 的未來。這個比喻曾經相當精準，因為它抓住了稀缺性的本質。
但 2026 年的現實，已經比這個比喻更複雜。
真正的香料，從來不只是晶片。它是整套讓算力得以被生產、傳輸、調度、最終轉化為商業價值的基礎設施——光纖網路、電力供應、數據積累、資本配置能力。GPU 是其中一個不可或缺的節點，但它只是節點，而非系統本身。
這意味著投資邏輯必須從「誰擁有最強的單點技術」，轉向「誰能在這個複雜系統中，以最有效的方式配置資本、管理折舊、在回報期到來之前維持足夠的財務韌性」。這是一種不那麼性感、但或許更接近真實競爭本質的問題框架。
最終要問的，不是誰能造出最強的模型，也不是誰的算力最雄厚。
而是——在這場昂貴的長跑裡，誰的資產負債表，撐得最久。