Atomly
當微軟、Google、Meta 為了追趕 AI 競賽而狂砸千億美元建資料中心——他們其實已經走進了一個難以脫身的「資本密集度陷阱」。自由現金流被吃光，卻還得繼續燒錢，否則 AI 競賽就輸了。
當企業為了維持競爭力而被迫大幅提高固定資本投入，導致現金流壓力、資本效率下降、進入高槓桿循環的現象。一旦進入此陷阱，退出成本極高——停止投資意味著喪失市場位置，但持續投資則吞噬利潤空間。
提出者：經濟學、企業財務理論 (1960)
▸ 展開完整 6 步推理鏈（事件 → 觀察 → 模式 → 原則 → 應用 → 反例）
Multilateral lens
Atomly 自動判斷這篇文章跟哪些 mental model 板塊相關、各從一個 lens 拆解。 同一件事、不同視角。
穆迪評級警告，微軟、Google、亞馬遜、Meta 等科技巨頭為了建設 AI 基礎設施，正從「輕資產」商業模式轉向「重資產」模式。這意味著每年需投入數百億美元興建資料中心，導致自由現金流承壓、資產負債表風險提高。
這不是簡單的「投資多了」問題。輕資產模式（軟體、服務）的邊際成本接近零；重資產模式（基礎設施）要求持續鉅額投資，且一旦開始、就很難停下來——因為競對也在砸錢。這是經濟學裡的「軍備競賽陷阱」的企業版本。
AI 能力與算力直接綁定。停止投資 = 喪失競爭力。但持續投資 = 自由現金流被侵蝕、股票估值承壓。這就是資本密集度陷阱：沒有中間路線。
「AI 基礎設施投資最終會產生寡頭壟斷、一旦雪道清晰、獲利會非常豐厚（如雲服務的 AWS）」
— 各大科技公司 IR 說法
「穆迪報告只看短期現金流、忽略了長期戰略價值。AI 能力是未來十年的生死門檻、短期燒錢是必要代價」
— 科技樂觀主義者
「軟體邊際成本仍近乎零。建好基礎設施後，服務一百萬人跟服務十億人的邊際成本差別極小，最終還是輕資產模式」
— 軟體經濟學家
如果 AI 模型未來趨同（同等質量成本相近）、競爭會從「誰的算力最強」演進到「誰的軟體應用最貼切」——屆時重資產投資是否會變成沉沒成本？
在妳工作的產業或關注的企業中，找一個「最近 3 年資本支出大幅提升」的例子。描述：(1) 他們為什麼投資？(2) 投資後現金流有沒有被吃掉？(3) 競對也在砸錢嗎？(4) 他們有沒有可能進入「資本密集度陷阱」？
💡 把這個練習帶到一天裡 — 下次走在路上、看新聞、跟人聊天時、想想能怎麼套用這個原則。