循環交易是什麼？為何「輝達好朋友閉環」推升AI泡沫風險？|數位時代 BusinessNext

「循環交易」是什麼？為何外界憂心忡忡？

但這些交易卻引發「循環交易」（circular）的疑慮。循環交易指的是類似A公司投資1億美元到B公司，而B公司又用這1億美元購買A公司產品，這些錢繞了一圈又回到A公司手中，而非流到外部市場，就像左手換右手。

且由於資金循環，兩家公司的營收和市值都會放大，形成一種業務持續發展，前景看好的假象，但資金都是在業界內部循環，而不是持續有外部客戶進入，無法帶來真正的成長，一旦循環停止，假象也會被戳破，導致股價崩盤。

並且很可能因為其中一間公司出狀況無法繼續投資，使得整個資金鏈上的公司受到牽連，如同骨牌般接連倒下，泡沫就此破滅。

《彭博社》指出，這麼大規模的資金，如此快速投入到一項營利能力尚未獲得驗證的技術上的情況，從來沒有出現過，外界擔心一旦AI泡沫破裂，可能波及從債券、股票到房地產、能源等眾多市場。

「輝達、OpenAI好朋友閉環」有誰？多家公司交互投資、採買服務

而這次AI領域的投資大多可以追溯到輝達和OpenAI兩家公司，但除了輝達和OpenAI，及OpenAI及AMD的合作外，甲骨文也是這場循環交易風暴中，常被提及的名字。

現在危機已經顯露。本周甲骨文的雲端業務獲利率低於外界預期，導致外界認為他們可能無法從這波投資中獲得應有的利潤。甲骨文在最近一個季度出售搭載輝達晶片的伺服器創造約9億美元營收，只不過毛利率僅14%，使得甲骨文股價下跌。年初至今，甲骨文股價已飆升70%以上。

CoreWeave也是循環交易中的重要公司。輝達是這間公司的重要投資者，不僅接連收購價值數十億美元股份，還協助該公司IPO。CoreWeave還跟OpenAI有著價值224億美元的交易合約，甚至OpenAI金主微軟也是CoreWeave主要客戶之一。

且這波投資熱潮似乎還沒停歇，本週輝達傳出參與馬斯克旗下AI新創xAI的融資，預計將投入20億美元。

循環交易會導致AI變成泡沫嗎？

如火如荼的投資案，卻沒有讓外界對AI產業更加樂觀，反倒導致憂慮不斷攀升。「如果一年後AI泡沫破裂，那麼輝達對OpenAI的投資可能就是早期跡象。」晨星分析師布萊恩．柯來洛（Brian Colello）表示。

且有專家指出，現在AI領域迸發的循環交易，與網路泡沫時期有著許多相似之處。哈佛甘迺迪學院高級研究員保羅．卡沃（Paulo Carvao）指出，1990年代末期，網路新創間互相購買服務與廣告，就是泡沫不斷膨脹的一大因素。好比說，當時一間電商公司會和另一間內容網站購買廣告，而內容網站則向電商公司買技術。

不過，輝達向外界強調，他們沒有要求獲得投資的公司，使用輝達的技術與產品。

多位企業家都對近期的AI狂熱的浪潮表達可能泡沫的看法。《財星》指出，高盛執行長大衛．所羅門（David Solomon）認為，會有大量投入的資本無法獲得回報；而亞馬遜創辦人貝佐斯同樣表示，當前的環境類似一種工業泡沫。

但貝佐斯強調，即使泡沫破裂、AI公司股價下跌，對AI的投資仍會對社會帶來正面影響，他以網路泡沫時期對光纖的投資為例，認為泡沫破裂後這些投資仍會帶來一定的效益。

但循環交易是否會崩盤、AI泡沫是否會破裂，或許現在都還無法下定論。至少CoreWeave執行長麥克．因特拉托（Michael Intrator）認為，只要有更多企業採用AI技術，就能消除外界的這種擔憂。

伯恩斯坦分析師史特西．拉斯貢（Stacy Rasgon）在本週的投資者報告中寫道，奧特曼「有能力讓全球經濟崩潰10年，也可能帶領我們前往應許之地，我們還不知道哪種情況會發生。」

本文不開放轉載

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。