KOL Digest
Invest Like the Best · 2026.08.11 週二 · YouTube

Everyone Is Still Undersizing the AI Market | Eric Vishria

看原始內容 4 個主題 · 10 個標的/題材

AI 市場規模嚴重低估:AI 原生應用崛起與傳統 SaaS 配額銷售模式受挫

  • —市場在 2006 年嚴重低估了雲端市場規模,如今對 AI 市場潛力同樣存在嚴重低估,AI 的總體市場規模將大幅超越雲端轉型
  • —傳統 SaaS 企業按舊有銷售配額模型執行正加速摧毀股權價值,而 AI 原生應用正以極高增速吸收市場關注與資本
$SNOW ↑看多 長期

$SNOW 等企業軟體在 $AMZN AWS 平台上成功打造出比原生雲端服務更有價值的產品。軟體應用層面臨 AI 原生變革,能夠緊密結合客戶痛點與模型能力的應用將贏得巨大市場

AI應用 ↑看多 長期

市場對 AI 應用層潛在規模的估算過於保守,未來 AI 原生應用市場將遠大於傳統雲端軟體。AI 原生軟體快速吸收傳統 SaaS 市場份額,應用層將迎來遠超雲端時代的超大規模商業化機遇

軟體股 ↓看空 中期

傳統 SaaS 軟體公司依賴銷售配額擴張的模式已無法適應 AI 時代,每日按舊計畫執行反而在摧毀企業價值。未轉型 AI 原生的傳統 SaaS 軟體面臨結構性衰退,市場資金加速流向 AI 原生業者

AI 算力基礎設施與電網限制:能源電力成為終極瓶頸與寡頭競爭

  • —AI 模型將算力轉化為智慧,對智慧的需求無限導致對電力需求急遽膨脹,電力成為算力擴充的關鍵瓶頸
  • —基礎設施建設涉及昂貴且複雜的供應鏈,包含晶片製造、`2330.TW` 封裝、HBM 記憶體 與電網,未來將形成數個千億美元級寡頭
$NVDA ↑看多 長期

基礎設施建置呈現寡頭競爭格局,$NVDA 憑藉龐大規模效應與完整硬體生態持續擴大領先優勢。AI 算力基礎設施具極高資本與技術壁壘,巨頭將佔據極高市場份額並產生數個千億美元規模贏家

$TSM ↑看多 長期

晶片製造與 先進封裝 供應鏈高度集中,`2330.TW` 在全球 AI 硬體供應鏈中佔據不可替代的核心地位。AI 硬體龐大資本支出加速湧入晶圓代工與封裝鏈,製造端寡頭龍頭保持長期強勁需求

AI算力 ↑看多 長期

全球對 AI 智慧需求無限帶動算力資本支出浪潮,市場嚴重低估了基礎設施建置的深度與持續時間。AI 算力需求持續遠超供給,基礎設施層資本支出將維持高強度擴張

重電/電網 ↑看多 長期

電力供應是 AI 算力擴充的最核心實體限制,必須全面投資太陽能、核能與天然氣等所有能源形式。電網基礎設施與能源供給成為 AI 擴充的關鍵瓶頸,多元能源建置與電網升級迎來長期利多

硬體架構新浪潮:AI 生成代碼負載催生新一代 CPU 與晶片設計

  • —GPU 與加速器生成龐大代碼後需在 CPU 上運行,導致傳統 CPU 出現嚴重 散熱 與功耗瓶頸
  • —晶片架構開始走向晶圓級晶片與板載 SRAM 設計,減少離晶片 記憶體 存取延遲
半導體 ↑看多 中期

AI 生成代碼使傳統 CPU 遭遇 散熱 瓶頸,為專為 AI 負載設計的新型 CPU 與晶圓級架構創造全新入場機會。AI 運算負載改變驅動半導體架構革新,新一代 CPU 與特殊架構晶片將迎來新一輪成長動能

AI 原生產品開發、垂直領域與具身智能 (Robotics)

  • —傳統產品經理角色在 AI 時代失效,必須深刻理解模型能力邊界與 failure modes 才能設計真正有價值的產品
  • —預訓練模型搭配 post-training 與強化學習成為標準模式,通用大模型基底上可解鎖特定領域湧現能力
  • —具身智能與機器人需垂直整合數據收集與模型訓練,正如 $TSLA 利用車隊數據進行駕駛模型預訓練與後訓練
$TSLA ↑看多 中期

$TSLA 透過全車隊收集物理世界真實數據進行模型預訓練與後訓練,展現垂直整合在具身智能的優勢。具身智能關鍵在於物理數據閉環與垂直整合,車隊數據飛輪為自動駕駛與機器人提供核心壁壘

機器人 ↑看多 長期

機器人與具身智能正從遙控與模擬邁向預訓練與後訓練模型階段,數據積累將驅動湧現能力。物理世界數據與模型預訓練結合加速機器人商業化落地,具身智能將成為下一個重大 AI 應用範式

每天早上,收件匣見

53 位中英文財經 KOL 的觀點,每天自動整理成一份日報。免費,隨時可退訂。

免費訂閱