Apakah Gelembung AI?

Dikemas kini Julai 2026

Gelembung AI ialah kebimbangan bahawa perbelanjaan dan penilaian AI telah melampaui hasil pendapatan dan produktiviti yang benar-benar dihasilkan oleh AI, menggemakan ketidakseimbangan yang mendahului kejatuhan spekulatif yang lalu. Jika jurang antara modal yang dicurahkan dan wang tunai yang kembali itu tidak ditutup, hujahnya, pembetulan mendadak sudah tertunggak, bukan bukti bahawa AI berhenti berguna.

Bagi pemimpin perniagaan, ini bukan perdebatan pasaran yang abstrak. Ia adalah persoalan bajet. Jika anda sedang meluluskan perbelanjaan AI sekarang, hujah gelembung ini penting kerana ia mengubah apa yang dianggap "munasabah": berapa banyak untuk komited kepada vendor, seberapa pantas untuk meningkatkan skala projek rintis, dan berapa banyak berat untuk diletakkan pada demo berbanding hasil yang didokumenkan. Anda tidak perlu meramalkan kejatuhan untuk merancang menghadapinya. Anda perlukan cara untuk terus melabur dalam AI yang berkesan tanpa mengira apa yang berlaku kepada penilaian di sekelilingnya.

Mengapa "Gelembung" Menjadi Perkataan Yang Digunakan Semua Orang

"Gelembung AI" sebenarnya menggabungkan dua tuntutan berasingan yang dibincangkan seolah-olah satu. Yang pertama ialah gelembung penilaian: saham AI awam, diketuai oleh Nvidia, didagangkan pada harga yang mengandaikan bertahun-tahun pelaksanaan yang sempurna. Yang kedua ialah gelembung perbelanjaan: ratusan bilion dolar dalam komitmen pusat data dan pengkomputeran yang dibuat berdasarkan hasil pendapatan yang belum muncul. Kedua-duanya berkaitan, kerana perbelanjaan itulah yang sepatutnya mewajarkan penilaian tersebut, tetapi ia boleh terurai secara berbeza. Sesuatu saham boleh mengalami pembetulan mendadak sementara infrastruktur asas terus beroperasi. Sesuatu rancangan perbelanjaan boleh dikurangkan secara senyap-senyap sementara saham kekal stabil. Memahami tuntutan mana yang sedang dibuat oleh seseorang memberitahu anda bukti apa yang sebenarnya menyelesaikan perdebatan itu.

Hujah Optimis: Mengapa Kali Ini Mungkin Berbeza

Hujah optimis bukan sekadar harapan, ia menunjukkan perbezaan sebenar berbanding gelembung teknologi terdahulu.

• Hasil pendapatan sebenar yang semakin berkembang wujud. OpenAI melaporkan kadar larian tahunan melebihi $20 bilion menjelang akhir 2025, dan penggunaan alat AI oleh perusahaan jauh lebih tinggi secara terukur berbanding penggunaan internet pada tahap yang setara dalam kitaran dot-com. Banyak syarikat dot-com langsung tidak mempunyai model hasil pendapatan.
• Teknologi teras sudah berfungsi untuk tugas yang khusus. Pembantu pengekodan, penapisan sokongan pelanggan, dan pemprosesan dokumen menunjukkan peningkatan yang konsisten dan boleh diukur dalam pengeluaran sebenar, bukan sekadar dalam demo. Perdebatannya bukan sama ada AI berbuat apa-apa, tetapi sama ada pulangan itu mewajarkan perbelanjaan.
• Permintaan pengkomputeran disokong oleh beban kerja sebenar, bukan spekulasi semata-mata. Jumlah inferens (pengkomputeran yang digunakan untuk menjalankan model yang telah dilatih, bukan hanya melatihnya) terus meningkat apabila lebih banyak produk melancarkan ciri AI, yang memberikan sekurang-kurangnya sebahagian daripada pembinaan itu keluk permintaan untuk dirujuk.
• Sebahagian infrastruktur mempunyai kehidupan kedua. Pusat data, kontrak kuasa, dan juga sebahagian kapasiti GPU boleh diguna semula atau dijual semula jika permintaan khusus AI menyejuk, tidak seperti, katakan, kabel gentian optik yang tidak digunakan dari era dot-com yang sebahagiannya terbiar gelap selama bertahun-tahun, walaupun pengkritik menyatakan GPU susut nilai lebih pantas berbanding gentian optik.

Hujah Pesimis: Di Mana Keretakan Sedang Muncul

Hujah skeptikal kurang berkaitan dengan sama ada AI berguna dan lebih berkaitan dengan sama ada matematik kewangan pada masa ini berfungsi.

• Jurang hasil pendapatan amat besar dan didokumenkan dengan baik. Laporan Teknologi Global 2025 oleh Bain & Company menganggarkan industri ini memerlukan kira-kira $2 trilion dalam hasil pendapatan tahunan baharu menjelang 2030 hanya untuk membiayai pembinaan pengkomputeran yang sudah komited, dan walaupun di bawah andaian yang murah hati, itu masih meninggalkan kekurangan $800 bilion.
• Syarikat individu menunjukkan ketidakpadanan itu secara langsung. OpenAI mendedahkan kira-kira $1.4 trilion dalam komitmen infrastruktur sepanjang lapan tahun berbanding kira-kira $13 bilion dalam hasil pendapatan 2025, jurang yang syarikat itu sendiri sejak itu cuba kecilkan dengan menetapkan semula sasaran perbelanjaan pengkomputeran mereka lebih hampir kepada $600 bilion menjelang 2030.
• Kebanyakan projek rintis perusahaan masih belum memberikan hasil. Inisiatif NANDA MIT mendapati bahawa kira-kira 95% projek rintis AI generatif dalam syarikat tidak menunjukkan kesan yang boleh diukur ke atas untung rugi, dengan hanya sebahagian kecil daripada pelaksanaan (dibina melalui perkongsian vendor lebih kerap berbanding pembinaan dalaman) memberikan pulangan pantas yang diharapkan oleh kepimpinan.
• Peningkatan produktiviti juga belum muncul dalam data. Kertas kerja NBER Februari 2026 yang meninjau hampir 6,000 eksekutif merentasi AS, UK, Jerman, dan Australia mendapati 89% melaporkan tiada kesan yang boleh diukur daripada penggunaan AI ke atas produktiviti buruh sepanjang tiga tahun sebelumnya, walaupun eksekutif yang sama meramalkan peningkatan pada masa hadapan.
• Pembiayaan menjadi semakin berbentuk pusingan dan berleveraj. Pengeluar cip dan penyedia awan melabur secara langsung dalam syarikat AI yang kemudiannya membelanjakan wang itu untuk membeli cip dan kapasiti awan milik pelabur itu sendiri, satu gelung yang kini dianggarkan oleh penganalisis melibatkan lebih $800 bilion dalam urus niaga yang saling berkait. Sebahagian besar pembinaan pusat data juga dibiayai melalui hutang, sebahagiannya melalui bon yang dinilai pada atau berhampiran status junk.
• Penumpuan pasaran berada pada tahap tertinggi dalam sejarah. Menjelang akhir 2025, lima syarikat AS terbesar, kebanyakannya syarikat infrastruktur AI, membentuk kira-kira 30% daripada jumlah nilai S&P 500, penumpuan paling ketat dalam kira-kira 50 tahun, yang bermaksud banyak akaun persaraan lebih terdedah kepada satu pertaruhan ini berbanding yang disedari oleh kebanyakan orang.

Analogi Sejarah: Bagaimana Ini Dibandingkan Dengan Kejatuhan Dot-Com

Perbandingan dengan 1999-2000 sering dibangkitkan, termasuk oleh IMF sendiri, yang menggambarkan "gema" era dot-com dalam ulasan kestabilan kewangannya pada Oktober 2025. Perbandingan ini benar dalam sesetengah cara dan tidak menepati dalam cara lain.

Pembacaan yang jujur: ledakan AI adalah lebih kecil berbanding ekonomi jika dibandingkan dengan lonjakan dot-com, dan ia disokong oleh lebih banyak hasil pendapatan sebenar. Tetapi penumpuan dalam beberapa saham, beban hutang, dan pembiayaan pusingan antara pengeluar cip dan pelanggan mereka sendiri adalah risiko yang tidak dimiliki oleh era dot-com dalam bentuk yang sama. Mekanisme yang berbeza, bukan semestinya risiko yang lebih kecil.

Tanda Amaran 2026 dan Siapa Yang Membunyikan Loceng Bahaya

Orang yang memberi amaran tentang gelembung ini bukanlah kumpulan pinggiran. Pada Ogos 2025, Ketua Pegawai Eksekutif OpenAI sendiri, Sam Altman, memberitahu wartawan bahawa pelabur "secara keseluruhan" terlalu teruja tentang AI, membandingkan dinamik itu dengan era dot-com, walaupun syarikatnya terus mengumpul dana pada penilaian rekod. Jamie Dimon dari JPMorgan pernah berkata "AI adalah nyata" sambil memberi amaran tentang kemungkinan lebih tinggi daripada biasa untuk kejatuhan saham yang ketara dalam masa dua tahun. Ray Dalio dari Bridgewater telah menyifatkan tahap pelaburan AI semasa setanding dengan tempoh dot-com. Pada Oktober 2025, IMF dan Bank of England kedua-duanya menandakan penilaian berkaitan AI sebagai risiko kestabilan kewangan dalam minggu yang sama, satu isyarat bersama yang luar biasa daripada dua institusi yang jarang mengeluarkan amaran yang serupa. Nvidia sempat kehilangan kira-kira $600 bilion nilai pasaran dalam satu hari pada Januari 2025 apabila pesaing China yang lebih murah, DeepSeek, menunjukkan ia boleh menyamai prestasi dengan sebahagian kecil kos pengkomputeran, satu pratonton tentang betapa pantas sentimen boleh berubah berdasarkan satu titik data. Dan Gartner telah meramalkan bahawa lebih 40% projek AI agentik akan dibatalkan menjelang akhir 2027 disebabkan kos, nilai yang tidak jelas, atau kawalan risiko yang lemah, satu amaran yang berkait rapat dengan apa yang Gartner panggil agent washing, di mana vendor melabel semula alat sedia ada sebagai "ejen" autonomi tanpa keupayaan untuk menyokongnya.

Apa Yang Akan (dan Tidak Akan) Berlaku Kepada Perniagaan Anda Jika Gelembung Ini Pecah

Jika penilaian AI mengalami pembetulan mendadak, kebanyakan yang rosak adalah dari segi kewangan, bukan teknikal. Ia tidak bermakna teknologi asas berhenti berfungsi. Kejatuhan dot-com memusnahkan trilion dolar nilai pasaran dan banyak syarikat, tetapi internet tidak hilang, ia terus bertambah baik sementara pembiayaan di sekelilingnya menjadi rasional semula. Logik yang sama berkemungkinan terpakai di sini: pembetulan akan menjejaskan syarikat dan pelabur yang paling terdedah kepada andaian pertumbuhan yang tidak realistik, bukan kegunaan alat AI yang telah direka bentuk dengan baik dan sudah menjimatkan masa sebenar pasukan anda.

Apa yang berkemungkinan akan berlaku jika gelembung ini pecah: pengkomputeran dan harga AI perusahaan yang lebih murah apabila kapasiti yang terlalu banyak dibina dijual dengan diskaun, penggabungan dalam kalangan vendor AI apabila yang paling lemah kehabisan pembiayaan, bajet yang lebih ketat dan pengawasan yang lebih tinggi ke atas perbelanjaan AI baharu secara keseluruhan, dan pasaran yang lebih sukar untuk syarikat permulaan AI yang dinilai berdasarkan naratif dan bukannya hasil pendapatan. Alat yang sudah memberikan ROI yang diukur dan didokumenkan dalam perniagaan anda tidak berkemungkinan ditarik balik hanya kerana pasaran yang lebih luas mengalami pembetulan. Yang berisiko ialah yang tiada siapa dapat buktikan berfungsi sejak awal, itulah sebabnya pengukuran ROI AI menjadi lebih penting apabila hype berada pada tahap paling kuat, bukan kurang penting.

Bagaimana Pemimpin Perniagaan Perlu Merancang Tanpa Mengira Apa Yang Berlaku

Anda tidak perlu menentukan masa gelembung ini untuk membuat keputusan yang baik mengenainya. Beberapa amalan melindungi anda sama ada pembetulan itu datang tahun ini, dalam tiga tahun, atau tidak sama sekali.

1. Tuntut bukti, bukan demo. Demo langsung menunjukkan apa yang sistem boleh lakukan di bawah keadaan yang ideal. Minta hasil yang didokumenkan daripada pelaksanaan yang setanding sebelum anda komited bajet, dan gunakan disiplin pengukuran ROI AI yang sama seperti yang anda akan gunakan untuk sebarang pelaburan modal.
2. Modelkan kos penuh, bukan hanya yuran lesen. Pengkomputeran, integrasi, latihan, dan penyelenggaraan bertambah dengan pantas. Jalankan setiap komitmen AI yang serius melalui analisis kos pemilikan keseluruhan AI sebelum anda menandatangani, bukan selepasnya.
3. Nilai vendor seolah-olah andalah yang perlu bertanggungjawab atas hasilnya, kerana memang andalah yang bertanggungjawab. Proses penilaian vendor AI yang berstruktur menangkap tuntutan yang dibesar-besarkan sebelum ia menjadi masalah anda, termasuk menyemak sama ada "ejen" vendor itu benar-benar autonomi atau sekadar penjenamaan agent-washed ke atas produk lama.
4. Biayai kes penggunaan yang khusus dan boleh dibuktikan terlebih dahulu. Inisiatif AI yang luas dan kabur adalah yang paling cepat dipotong apabila bajet mengetat. Keutamaan kes penggunaan AI memastikan perbelanjaan terikat kepada masalah yang benar-benar boleh anda ukur.
5. Tentukan sama ada membina atau membeli dengan pengiraan yang sedar, bukan FOMO. Keputusan membina berbanding membeli AI perlu berdasarkan kapasiti pasukan anda dan kos keseluruhan alat itu, bukan ketakutan ketinggalan daripada pesaing yang mungkin juga terlebih belanja.
6. Kekalkan tadbir urus walaupun apabila pertumbuhan menjadi keutamaan. Tadbir urus AI bukan brek kepada penggunaan, ia adalah apa yang menghalang kemelesetan daripada bertukar menjadi krisis pematuhan atau keselamatan di atas krisis bajet.
7. Berikan taklimat kepada CFO dan lembaga pengarah anda dengan angka, bukan naratif. Eksekutif yang boleh menunjukkan cara mengukur pulangan pelaburan AI dan bercakap tentang pelaburan tenaga kerja AI tanpa hype mengekalkan bajet mereka melalui pembetulan. Mereka yang menjual perbelanjaan AI berdasarkan keterujaan semata-mata adalah yang pertama kehilangannya.

Syarikat yang muncul terkehadapan selepas gelembung mengempis, dalam mana-mana kitaran, jarang menjadi syarikat yang mengelak teknologi itu. Mereka adalah syarikat yang terus melabur dalam apa yang telah terbukti sementara orang lain sibuk berdebat tentang label itu.

Fakta Utama

• Industri AI memerlukan kira-kira $2 trilion dalam hasil pendapatan tahunan baharu menjelang 2030 untuk membiayai pembinaan pengkomputeran yang sudah komited, dan walaupun di bawah andaian yang optimistik terdapat kekurangan $800 bilion. Bain & Company, Laporan Teknologi Global 2025
• Kira-kira 95% projek rintis AI generatif dalam syarikat tidak menunjukkan kesan yang boleh diukur ke atas untung rugi, dengan pelaksanaan yang dikongsi bersama vendor berjaya kira-kira tiga kali lebih kerap berbanding pembinaan dalaman. MIT NANDA, "The GenAI Divide" melalui Fortune
• 89% eksekutif merentasi hampir 6,000 firma yang ditinjau di AS, UK, Jerman, dan Australia melaporkan tiada kesan yang boleh diukur daripada penggunaan AI ke atas produktiviti buruh sepanjang tiga tahun sebelumnya, walaupun meramalkan peningkatan pada masa hadapan. Kertas Kerja NBER w34836, "Firm Data on AI," Februari 2026
• Lebih 40% projek AI agentik akan dibatalkan menjelang akhir 2027 disebabkan kos yang semakin meningkat, nilai perniagaan yang tidak jelas, atau kawalan risiko yang tidak mencukupi. Gartner
• Pelaburan berkaitan AI telah menambah kurang daripada 0.4 mata peratusan kepada KDNK AS sejak 2022, berbanding kira-kira 1.2 mata peratusan yang ditambah semasa tahun pembinaan dot-com yang setanding (1995-2000), walaupun IMF masih menggambarkannya sebagai "gema" gelembung terdahulu itu. IMF, melalui CNBC, Oktober 2025
• OpenAI mendedahkan kira-kira $1.4 trilion dalam komitmen pusat data dan pengkomputeran sepanjang lapan tahun berbanding kira-kira $13 bilion dalam hasil pendapatan 2025, sebelum kemudiannya menetapkan semula sasaran perbelanjaan pengkomputeran mereka lebih hampir kepada $600 bilion menjelang 2030. TechCrunch, November 2025
• Nvidia menjadi syarikat pertama yang ditutup melebihi penilaian pasaran $5 trilion pada Oktober 2025, meningkat daripada $1 trilion hanya lebih dua tahun sebelumnya, dan lima syarikat AS terbesar kini mewakili kira-kira 30% daripada jumlah nilai S&P 500. CNBC, Oktober 2025

Konsep AI Berkaitan

• Apakah AI Agentik? - Keupayaan yang mendorong sebahagian besar lonjakan pelaburan semasa
• Apakah Agent Washing? - Bagaimana penjualan berlebihan keupayaan AI memburukkan lagi keraguan terhadap gelembung
• Pengukuran ROI AI - Disiplin yang memisahkan perbelanjaan AI yang terbukti daripada hype
• Kos Pemilikan Keseluruhan AI - Perakaunan kos penuh untuk pelaburan AI
• Penilaian Vendor AI - Rangka kerja usaha wajar untuk sebarang pembelian AI
• Tadbir Urus AI - Mengekalkan pengawasan sepanjang pertumbuhan dan kemelesetan

Sumber Luaran

• Bain & Company: $2 Trilion Hasil Pendapatan Baharu Diperlukan untuk Membiayai Trend Penskalaan AI - Laporan Teknologi Global 2025 dan pengiraan capex berbanding hasil pendapatannya
• Fortune: Laporan MIT Mendapati 95% Projek Rintis AI Generatif Gagal - Liputan kajian "GenAI Divide" oleh MIT NANDA
• Kertas Kerja NBER w34836: Firm Data on AI - Tinjauan pelbagai negara pada Februari 2026 mengenai kesan produktiviti AI yang diukur
• Gartner: Pembatalan Projek AI Agentik - Ramalan dan sebab di sebalik kadar pembatalan 2027
• CNBC: IMF dan Bank of England Beri Amaran Tentang Gelembung AI - Amaran kestabilan kewangan bersama pada Oktober 2025
• CNBC: Nvidia Menjadi Syarikat Pertama Ditutup Melebihi $5 Trilion - Data penumpuan pasaran di sebalik hujah gelembung penilaian
• TechCrunch: Sam Altman Berkata OpenAI Mempunyai $20B ARR dan $1.4 Trilion dalam Komitmen - Jurang perbelanjaan berbanding hasil pendapatan di syarikat paling menonjol dalam industri ini

Sebahagian daripada Koleksi Istilah AI. Terakhir dikemas kini: 2026-07-20