用賽局理論解析 Hyperscalers的AI軍備競賽

Hyperscalers AI 軍備競賽的賽局理論框架

—四家巨頭承諾 2026 年砸 8,000 億美元 Capex，媒體慣用囚徒困境解釋，但更精確模型是獵鹿賽局：最大獵物（AI 平台主導地位）需集體協調才能捕獲，沒有任何機制能確保所有人相信對方會留在合作陣營
—疊加先佔賽局：算力直接對應模型能力，企業遷移成本極高，今天的算力卡位對應未來五到十年訂閱收入
—摩根士丹利 8,050 億美元估計已形成謝林焦點，成為每家公司不敢低於的心理錨點——CFO 若在此錨點之下，不只是財務問題，而是市場信心與董事會信任問題

$AMZN 中期

TTM 自由現金流已萎縮至 12 億美元，幾乎可忽略，但 AWS 仍有 28% 成長與積壓訂單。自由現金流歸零與需求仍在的矛盾，正是懦夫賽局均衡的典型表徵——繼續有風險，停下來風險更大

$META 中期

2026 年 Capex 將接近營收六成，上調指引後股價單日跌 9.25%，但 Zuckerberg 不可能縮手，因為縮手訊號比股價下跌更危險。一旦率先退出競賽，對手算力優勢將立刻體現在模型能力與廣告收益上

$GOOGL 中期

雲端訂單積壓在單季內幾乎翻倍至 4,600 億美元，先佔優勢已開始結晶。競賽中無明確方向判斷，純屬被動參與者

$MSFT 中期

商業履約義務達 6,270 億美元，Nadella 發文支持傑文斯悖論。同樣是結構上無法縮手的參與者

AI基建中期

賽局理論分析結論是沒有人敢先停下來，但沒有人知道誰能撐到終點。結局可能不是誰贏了，而是誰活下來

—DeepSeek 以 2,000 張 H800 訓練出與 Llama 3 相當的模型，訓練成本約 560 萬美元，相較 GPT-4 約 1 億美元低 95%，引發 2025 年初 NVDA 單日跌 17%
—DeepSeek 後 Zuckerberg 反而上調 AI 支出，Nadella 發文稱傑文斯悖論再現——效率進步使邊際成本降低，釋放出更多被壓抑的應用需求
—傑文斯悖論能否永遠成立，是這場賽局最關鍵的未解問題。若未來出現不依賴算力規模的架構突破，效率提升將直接替代需求而非釋放新需求

—2017 年至 2025 年間，AI 算法進步約 91% 可歸因於兩個規模依賴型創新：從 LSTM 到 Transformer 的架構切換，以及 Chinchilla 算力配置
—過去幾年以為是持續的算法進步，其實主要是一次性架構革命的遺澤。未來需再一次範式轉移，而非在 Transformer 框架內的漸進優化
—若範式轉移遲遲未出現，hyperscalers 將面對『代幣工廠生產的代幣品質停滯，但折舊仍在持續』的結構困境