AI 數據中心越建越多，爲什麼 2028 年可能成爲盈利壓力的轉折點？

2026 年 11 月 10 日，富國銀行將美國 AI 基礎設施產業的投資觀點由負面上調至中性，原因是先前半導體股票大幅修正，使估值和風險報酬比有所改善。不過，該機構同時指出，AI 資本支出對企業獲利成長的推動作用可能在 2028 年明顯減弱，屆時支出成長放緩與折舊費用上升，可能對每股盈餘造成壓力。

這不代表 AI 資料中心建設越多，相關企業未來的利潤就一定越高。對投資人而言，更重要的問題是：今日投入的資金何時能轉化為收入？GPU 等設備的折舊將如何影響利潤？若 AI 需求持續成長，但成長速度低於市場預期，科技股又會面臨何種估值調整？本文將針對這些問題進行分析。

核心重點

• AI 資本支出仍處於較高水準。大型科技企業持續投入 GPU、伺服器、資料中心及電力基礎設施，帶動產業鏈需求成長。

• 2028 年是潛在風險的觀察窗口，並非確定的產業轉折點。市場擔憂資本支出成長放緩，同時早期投入所形成的折舊費用持續增加。

• 資本支出與利潤認列存在時間差。企業購買設備時會產生現金流出，但相關成本通常會在資產使用年限內逐步計入損益表。

• GPU 更新速度可能影響投資報酬。新一代晶片效能提升，可能縮短舊設備的經濟使用年限。

• AI 資料中心的收入成長不等於自由現金流改善。設備更新、融資成本及營運支出可能持續消耗資金。

• 產業鏈中不同企業的風險並不相同。晶片供應商、雲端運算平台及資料中心營運商所面對的獲利與現金流壓力存在明顯差異。

AI 資料中心投資為何仍持續成長？

AI 資料中心投資成長的直接動力，在於人工智慧模型訓練、推論及企業應用對運算資源的持續需求。

相較於傳統資料中心，AI 資料中心通常需要部署更多高效能 GPU、加速器、高速網路及專用冷卻系統。大型模型訓練仰賴大量平行運算資源；隨著 AI Agent、企業自動化及多模態應用發展，推論工作負載也可能持續擴大。

2026 年，AI 基礎設施投資規模仍然龐大。IDC 於 11 月 6 日公布的資料顯示，2026 年第二季全球 AI 基礎設施支出達到 1,214 億美元，年增約 53%，並將全年預測上調至 5,210 億美元。此統計主要涵蓋 AI 伺服器及儲存設備等基礎設施，與包含土地、建築、電力及其他建設項目的廣義資本支出並不完全相同。

同時，摩根大通預計，2026 年全球 AI 相關資本支出可能達約 9,000 億美元。不同統計範圍下的數字雖有差異，但都反映 AI 正成為全球科技基礎設施投資的重要驅動力。

不過，投資規模擴大不代表所有新增算力都能立即創造收入。資料中心從規劃、審核、建設到投入營運，可能需要經歷較長的週期。即使 GPU 已完成採購，仍需搭配電力、網路、冷卻系統及客戶工作負載，才能形成實際可用的運算能力。因此，AI 資本支出的成長反映企業對未來需求的投資判斷，而非已實現的獲利成果。

為何 2028 年可能成為 AI 獲利壓力的轉折點？

2028 年受到關注，主要是因為 AI 資本支出成長、收入實現及設備折舊之間可能出現新的變化。

在 AI 基礎設施快速擴張的階段，大型科技公司的資本支出可直接增加晶片、伺服器、網路設備及資料中心服務商的訂單。這些採購支出構成上游企業的收入，也帶動相關產業鏈的獲利成長。

但資本支出不可能永遠維持相同的高速成長率。當企業完成第一輪大規模基礎設施建設後，新增投資可能逐步轉向設備更新、容量最佳化及更具針對性的擴張。即使總投資仍維持高檔，年度成長速度也可能明顯下降。

富國銀行在 2026 年 11 月的分析中指出，AI 相關資本支出在過去一年對標普 500 指數獲利成長貢獻約 8 個百分點。此推動作用預計在 2027 年仍將持續，但可能在 2028 年明顯減弱，同時折舊成本上升。

這項判斷的核心，並非預測 AI 資料中心將在 2028 年停止建設，而是擔憂兩股力量同時出現變化：一方面，新增資本支出對產業鏈收入成長的邊際貢獻下降；另一方面，先前購置的設備開始持續產生較高的折舊費用。

若企業透過 AI 服務取得的新增收入，無法及時覆蓋折舊、營運及融資成本，利潤成長便可能受到抑制。

不過，這仍屬情境預測，並非確定結果。若 AI 商業化速度加快、算力利用率提高，或單位運算成本下降，新增收入仍可能抵銷相關成本壓力。因此，2028 年更適合理解為市場檢驗 AI 投資報酬的重要觀察窗口，而非已確定的產業衰退時間點。

AI 資料中心的資本支出為何會轉化為折舊壓力？

資本支出（Capital Expenditure，CapEx）是企業購買或建造長期資產所產生的支出，例如 GPU、伺服器、資料中心建築及電力設備。

與日常營運費用不同，符合資本化條件的支出通常不會在購買當期全數計入損益表，而是先認列為資產，再依預計使用年限逐步提列折舊。例如，某企業購買價值 100 億美元的伺服器設備，假設採用 5 年直線折舊且不考慮殘值，每年便可能認列約 20 億美元的折舊費用。

這代表設備採購時會形成較大的現金流出，而對損益表的影響則可能持續多年。對 AI 資料中心而言，這種時間差尤其重要。

若企業在 2026 年及 2027 年連續進行大規模設備採購，到了 2028 年，多個投資批次形成的折舊費用可能同時影響損益表。即使企業當年的新增資本支出成長放緩，早期投資所帶來的折舊成本也不會立即消失。

此外，AI 晶片的更新速度較快。隨著新一代 GPU 提供更高的運算效能及能源效率，舊設備的經濟價值可能下降，企業需要重新評估其預計使用年限及減損風險。

不過，不同資產的使用週期存在明顯差異。資料中心建築、電力系統及冷卻設施通常具有較長的使用壽命，而 GPU、伺服器等運算設備的更新週期則相對較短。因此，不能將整個資料中心的投資都依照 GPU 的更新週期計算。折舊壓力的關鍵不僅在於投入多少資金，也包括投入哪些資產、預計使用多久，以及相關設備能否在生命週期內創造足夠收入。

為何 AI 需求成長不一定帶來更高利潤？

AI 需求成長可增加算力使用量，但企業最終利潤仍取決於服務價格、營運成本及資產利用率。對大型雲端運算企業而言，AI 收入主要來自算力租賃、雲端平台服務及相關軟體產品。若客戶需求持續成長，企業可透過提高伺服器利用率及擴大服務規模增加收入。

但若大量新增資料中心在相近時間投入營運，市場可能出現更激烈的價格競爭。即使運算資源使用量持續增加，單位算力收入也可能下降。

同時，GPU 採購、電力、冷卻、網路及維護等成本仍然存在。部分企業還需支付融資利息，或向合作夥伴購買額外運算資源。因此，AI 業務可能出現收入成長但利潤率下降的情況。

AI 模型效率提升也會改變算力需求結構。新模型可能透過更有效率的推論方式降低單次任務的運算成本，這有助於擴大 AI 應用範圍，但也可能影響部分算力服務的定價能力。

若成本下降所帶來的需求成長速度夠快，企業仍可能實現更高利潤；若市場競爭導致價格下跌速度快於成本改善，獲利能力便可能承壓。因此，判斷 AI 資料中心的投資報酬，需要觀察實際運算資源利用率、服務收入、營業利潤率及客戶需求，而不能只看 GPU 部署數量。

為何自由現金流可能比營收成長更值得關注？

自由現金流（Free Cash Flow，FCF）通常用於衡量企業在營運活動產生現金後，扣除資本支出所剩餘的資金。對資本投入較高的 AI 資料中心企業而言，自由現金流可反映企業是否需要持續依賴外部融資來支持擴張。

例如，一家雲端運算企業的營運現金流持續成長，但若 GPU 與資料中心建設支出的成長更快，自由現金流仍可能下降，甚至轉為負值。

這不一定代表企業經營失敗。處於快速擴張階段的企業，可能主動增加投資，以爭取未來更大的市場占有率。但若較高的資本支出長期無法轉化為足夠的收入及現金回報，企業就可能面臨更大的融資壓力。

摩根大通在 2026 年 10 月的研究中指出，AI 基礎設施投資的融資方式正在改變，部分大型科技公司開始更多使用債券及股權融資支持建設，而非僅依賴自身自由現金流。

這種變化對不同企業的影響並不相同。擁有成熟雲端業務、廣告收入及充足現金儲備的大型科技公司，通常具備較強的融資能力。而高度依賴單一客戶、外部債務或持續股權融資的資料中心營運商，則可能對利率及資本市場環境更加敏感。

對投資人而言，企業收入成長只是第一層指標。更重要的是確認新增收入能否形成營運現金流，以及未來資本支出是否仍需持續增加。

六、晶片供應商、雲端運算公司及資料中心營運商面臨哪些不同風險？

AI 資料中心產業鏈涉及多個環節，但資本支出變化對不同企業的影響並不一致。

對 NVIDIA、AMD 等晶片企業而言，大型客戶的資本支出會直接影響產品採購需求。若雲端運算公司降低新增 GPU 採購的成長速度，晶片供應商的收入成長可能放緩。

但晶片供應商通常無須承擔客戶全部資料中心設備的折舊成本，因此其風險主要體現在訂單、產品價格、競爭及庫存方面。對 Microsoft、Amazon 及 Alphabet 等雲端運算平台而言，AI 投資一方面推動雲端業務發展，另一方面也形成持續的資本支出及折舊費用。

這些企業需要透過提高算力利用率、擴大 AI 服務收入及改善營運效率，證明新增投資能創造足夠回報。對 CoreWeave 等算力服務商而言，風險結構可能更加複雜。企業需先建設或租賃基礎設施，再透過長期客戶合約回收投資。若設備交付延遲、客戶需求改變或融資成本上升，現金流可能受到影響。

因此，AI 資本支出成長並非所有企業共同的利多；它既是上游供應商的收入來源，同時也是下游採購方的投資成本。

電力、融資及建設週期為何可能影響 2028 年獲利？

AI 資料中心的建設速度不僅取決於 GPU 供應，也受到電力、土地、審核及融資條件影響。大型 AI 資料中心需要穩定的電力供應及高密度冷卻設施。即使企業已取得 GPU，也可能因電網接入、變電站建設或冷卻系統尚未完成，而無法及時投入營運。

這種時間差可能延後收入實現。例如，一座資料中心原計畫於 2027 年投入使用，但因電力接入延後至 2028 年。若部分設備及建設支出已經發生，企業就可能面臨資金占用時間延長、融資費用增加及投資回收週期延後等問題。

摩根大通指出，電力供應、設備短缺、建設許可及公眾對資料中心擴張的反對，都是影響 AI 基礎設施建設的重要限制因素。部分專案的建設週期可能長達 18 至 30 個月。

同時，融資成本也會影響專案經濟效益。若企業透過債務支持資料中心建設，較高的利率可能增加利息支出。對需要持續更新 GPU 的營運商而言，未來設備採購也可能產生新的資金需求。

不過，建設延期也可能減少某一期間的實際資本支出，並不一定會立即增加折舊。具體影響取決於資產是否達到預定可使用狀態、相關成本的會計處理，以及合約與融資安排。因此，2028 年的獲利風險不僅來自折舊，也可能源於專案投產時間、融資成本及客戶收入實現之間的不匹配。

AI 資料中心投資放緩是否代表科技股一定下跌？

AI 資本支出成長放緩，不一定代表科技股下跌。對晶片及設備供應商而言，若客戶減少新增採購，可能影響未來訂單成長。但對大型雲端運算公司而言，資本支出成長放緩也可能改善自由現金流。

例如，某企業已完成大規模資料中心建設，未來可利用現有運算資源服務更多客戶，同時減少新增設備採購，則其現金流及資本報酬率可能獲得改善。

因此，資本支出放緩可能同時產生兩種不同影響：上游供應商面臨訂單成長壓力，而下游採購方可能獲得現金流改善的機會。市場最終如何定價，取決於收入成長、成本變化及先前的估值預期。

2026 年 11 月，富國銀行在 AI 相關半導體股票大幅回落後上調產業觀點，反映部分對未來成長放緩的擔憂可能已反映於估值中。但該機構仍提示，2028 年潛在的獲利壓力可能尚未被充分反映。

這表示企業獲利風險與股票投資風險並非完全相同的概念。即使一家企業未來獲利成長放緩，若其股價先前已大幅修正，估值仍可能具備一定吸引力。反之，即使企業持續成長，若股票價格包含過高的獲利預期，也可能面臨估值壓縮。因此，投資人需要同時分析企業未來獲利能力及當前市場價格，而不能僅根據資本支出的增減判斷股票走勢。

投資人如何判斷 AI 資料中心是否正在接近獲利轉折點？

判斷 AI 資料中心投資週期是否出現變化，需要綜合觀察資本支出、收入、現金流及資產使用效率。

1. 可關注大型科技公司的資本支出指引。若企業持續上調投資預算，但雲端業務收入及獲利預測未同步改善，市場可能更擔憂投資報酬。

2. 需要關注折舊費用與營業利潤的關係。若折舊持續增加，而新增 AI 服務收入無法覆蓋相應成本，企業利潤率可能受到壓制。

3. 可觀察自由現金流變化。對持續擴張的企業而言，短期自由現金流下降不必然是負面訊號；但若營運現金流長期無法覆蓋必要投資，對融資的依賴可能提高。

4. 需要關注資料中心利用率及客戶合約。算力設備投入營運後，能否維持較高使用率、客戶是否持續支付費用，以及合約期限能否覆蓋設備投資回收週期，都會影響長期收益。

5. 可結合股票估值判斷市場預期。若企業未來獲利預測下調，但股價仍反映較高成長預期，便可能存在進一步調整的風險。

這些指標需要結合企業所處的產業鏈位置進行分析。對晶片供應商而言，訂單及客戶採購計畫更重要；對雲端運算企業而言，AI 收入及自由現金流更關鍵；對算力租賃企業而言，合約履約、設備利用率及融資能力則可能直接影響經營穩定性。

如何透過 Gate 股票交易關注 AI 資料中心產業鏈？

AI 資料中心投資週期涉及晶片製造、雲端運算、算力租賃及基礎設施等多個產業。對希望關注相關市場的投資人而言，可透過 Gate 股票交易提供的相關入口，查看平台實際支援的美股標的，並結合財報、估值及產業資訊分析市場變化。

例如，投資人可關注 NVIDIA、AMD 等晶片企業的收入成長及客戶訂單，觀察 Microsoft、Amazon 及 Alphabet 的資本支出與雲端業務表現，以及 CoreWeave 等算力服務商的融資成本、客戶合約及現金流狀況。

不同企業雖然都與 AI 資料中心建設相關，但獲利模式及風險來源並不相同。投資人不能僅因某家公司屬於 AI 產業鏈，就假設其股價會與整個產業同步變動。

在實際交易時，還需確認平台支援的交易標的、交易時間、費用規則及資產權益性質。尤其是在財報發布及市場波動較大的期間，股票可能出現明顯的價格跳空及流動性變化。

Gate 股票交易為用戶提供關注及參與相關市場的管道，但無法取代獨立的投資判斷。投資人仍應結合企業基本面、估值水準及自身風險承受能力進行決策，具體產品規則以平台實際展示為準。

總結

AI 資料中心投資持續成長，反映人工智慧產業對運算資源的長期需求，但資本支出擴張與企業獲利改善之間並不存在必然的同步關係。

2028 年之所以成為市場關注的潛在轉折點，是因為早期大規模投資所形成的折舊費用可能持續增加，而新增資本支出對產業鏈獲利成長的推動作用可能逐漸減弱。若 AI 服務收入及算力利用率未能同步改善，部分企業可能面臨利潤率下降及自由現金流壓力。

不過，2028 年並非已確定的 AI 產業衰退節點。對擁有穩定客戶需求、較高設備利用率及充足現金流的企業而言，資本支出成長放緩也可能代表投資報酬開始改善。

對投資人而言，真正需要關注的不是 AI 資料中心還會建設多少，而是這些資產能否在使用週期內創造足夠的收入、利潤及現金流。AI 技術的長期發展前景與相關股票的投資報酬，仍需分別判斷。

FAQ

為何 2028 年可能成為 AI 資料中心獲利壓力的轉折點？

因為先前大規模投資所形成的折舊費用可能持續增加，而資本支出成長對產業鏈獲利的推動作用可能減弱。但這僅是潛在風險情境，並非確定預測。

AI 資料中心建設越多，企業利潤就越高嗎？

不一定。利潤還取決於客戶需求、算力利用率、服務價格、營運成本及設備折舊。

GPU 折舊為何會影響科技公司利潤？

GPU 等設備的採購成本通常會在預計使用年限內逐步計入損益表。若折舊費用增加速度快於相關收入成長，就可能壓縮企業利潤。

AI 資本支出放緩對 NVIDIA 是利空嗎？

可能影響新增 GPU 採購需求，但具體影響取決於客戶訂單、產品更新週期、市場占有率及獲利預期。資本支出成長速度下降不代表採購金額必然下降。

為何 AI 資料中心企業需要關注自由現金流？

因為資料中心建設及設備更新需要大量資金。即使企業收入成長，若資本支出持續高於營運現金流，也可能增加外部融資需求。

2028 年 AI 科技股一定會下跌嗎？

不一定。股價取決於企業獲利、估值及市場預期。若相關風險已反映於股價中，或 AI 商業化進展優於預期，市場表現可能不同。