AI基建

市場擔憂安全倡議可能導致大模型訓練叢集縮減並壓低未來資本支出，但考量同業競爭壓力與地緣國家安全風險，各方不可能實質縮減硬體投入。放緩前沿開發的倡議在中短期內對 AI 硬體建置與資本支出幾乎不會造成實質衝擊

推論運算具備擴展至全球人口規模的特質，加上個人 AI 助理普及與常駐型 Agent 興起，非前沿模型的實用算力需求極其龐大。全球算力消耗遠未觸及頂峰，推論需求與非驗證領域的長尾應用將持續支撐龐大的算力消耗

即使 AI 實驗室因安全標準而調整發布節奏，整體運算叢集的使用量不會減少，只會從純模型智力訓練轉向安全驗證與多代理人測試。市場擔憂前沿模型控速將衝擊硬體供應鏈純屬誤讀，安全檢驗與對齊演算法反倒進一步推升 AI基建 的總算力天花板

前沿模型安全控管並非單純減速，而是要求模型在能力達到新門檻時必須通過更嚴格的對齊與安全檢驗。對齊演算法訓練與紅隊測試同樣極度消耗 GPU 運算資源，若想維持研發速度更須擴大硬體採購。前沿模型控管安全步調對 AI 硬體並非利空，安全對齊與紅隊測試的算力需求將支撐硬體長期消耗

隨著電力併網延遲成為 AI 擴建的硬約束，資料中心建置重點已從純粹堆疊硬體轉向最大化每百萬瓦吞吐量。具備動態電力調配與超高能效比的 AI 基建方案將成為算力營運商突破電力天花板的必備選擇

實體 AI 與具身智慧的崛起正開拓文字與對話之外的第二運算戰場，機器人規劃層每數秒至每秒數次的雲端調用將創造龐大的資料中心推論負載。具身智慧的普及將為雲端 AI 算力基礎設施帶來龐大且持續的即時推論需求增量

AI 工作負載正由單輪對話轉移至複雜的 Agent 代理系統，對高並發、長上下文與低延遲的要求促使算力平台從單晶片過渡至全機櫃深度協同架構。全機櫃協同設計的推論加速架構已成次世代 AI 算力降低單位 Token 成本的核心分水嶺

OpenAI 的 GPT-6 Astra 將電腦操作（computer use）列為旗艦核心能力，開啟知識工作自動化的大規模潛在市場；其實驗室內部 RSI 數據顯示智能體工時已達人類工時 3.1 倍。隨著其他瓶頸消除，算力成為最緊縮的約束條件。電腦操作與智能體閉環正將算力需求擴展至遠大於編程的白領工作領域，對下一輪預訓練週期的算力消耗具結構性推升效果

高盛指出站在最前沿的業者呼籲減速恰好反證技術有效，微軟 $MSFT 與 Meta $META 不會輕易停止投資。算力性價比提升在應用擴張前期將刺激更多需求與變現，AI 資本開支與算力結構性趨勢並未改變

伺服器、散熱 與 光通訊 等基礎設施短線受投資減速消息壓抑，但在手訂單與建設進度仍在進行。基礎設施短線跟隨大盤震盪，但中長線軍備建設底層需求尚未反轉

頂尖實驗室若暫緩訓練規模擴張，將動搖 AI 訓練用大型運算供應鏈的需求能見度，衝擊晶片與 光通訊 族群。訓練端設備估值短期面臨重新審視，賣壓集中於高度依賴模型訓練擴張的硬體族群

大模型算力建置正面臨電網與變電站的物理極限，特高壓設備脫節與併網延宕促使買方剔除期貨型電力開發商，轉向實體著陸能力。具備 100% 自持產權與已通電高壓併網的能源地主成為軍備競賽的核心錨定標的，整體產業進入實體基建資產重估週期

$EQIX 年化簽約額年增 23% 且積壓訂單與互聯數創新高，反映雲廠商與企業對資料中心機櫃及互聯服務的剛性需求未減。AI 算力擴建帶動資料中心基礎設施長期需求，但重資產營運商獲利轉化高度取決於長端融資成本

AI 基礎設施瓶頸正從過去的算力、網路、電力與 散熱，轉移至以安全、監控、沙盒與權限管理為核心的控制基礎設施。整體 AI 價值池並非萎縮而是正在重新分配，控制與治理能力將成為企業敢於規模化部署 AI 的全新核心瓶頸

AI 安全評估與 Agent 部署審查若拉長，最先改變的是現金流認列時間與資本回收週期，而非終端需求消失。硬體算力配置無法無摩擦地由訓練轉向推論，CapEx 需回歸真實訂單與資料中心利用率檢驗。安全限制不代表 AI CapEx 週期結束，但投資需關注需求轉化為自由現金流與 ROIC 的節奏遞延

甲骨文大幅調升全年資本開支至 900-950 億美元，印證雲端廠商為應對 RPO 訂單持續大舉擴充算力與網路設施。支出從軟體巨頭流向硬體供應鏈。AI 基礎設施資本開支維持高強度，硬體設備與網路端直接轉化為供應商業績

期中選舉臨近使數據中心能源消耗與環保爭議升溫，地方抗議與審批收緊短期內可能帶來負面新聞與波動。兩黨無論如何競爭都不會讓美國 AI 發展落入下風，政策爭端難以阻擋算力基建長期推進

電力與電網接入成為當前最大物理瓶頸，加上資料中心面臨地方選舉與法規審批阻力，使得現場發電與基建交付能力取代純晶片供給成為核心勝負手。AI 算力建置的制約點已從晶片缺貨轉向電力供應與資料中心實體交付進度

微軟等四大雲端巨頭合計承諾近 2.4 兆美元資本開支，將建設目標進一步向 2032 年延展。這確認了算力基建並非短期脈衝，而是橫跨通用與 AI 運算的長期建置。雲端巨頭大幅拉長資料中心建置時間軸，為整體半導體與基礎設施供應鏈提供更長的景氣能見度

甲骨文單季交付量接近前季 3 倍且 GPU 滿載續約漲價，化解硬體提早折舊疑慮。二線 CSP 與算力實質交付加速推進，驗證 AI 基礎設施變現與擴建需求未見放緩

Oracle 新增 850MW 容量與交付 30 萬顆 GPU，機房稼動率達 97.9% 且四年舊款算力重租租金逆勢上漲 20%。AI 算力基礎設施需求依然供不應求，舊設備殘值與零組件成本轉嫁能力優於市場悲觀預期

當前 AI 擴張核心瓶頸在於電力供應與機房建置週期，預組裝模組化資料中心成為快速通電之有效解方。模組化部署打破傳統建設時程限制，加速算力交付以滿足企業專用開源模型之訓練與推論需求

AI 算力擴建面臨數兆美元資金需求，Nvidia 透過 AICP 保底合約與 SB Energy 等資料中心 LPS 擔保，打破五大公有雲巨頭對算力轉租定價的壟斷。晶片龍頭以自身資產負債表充當信貸錨點，將加速非巨頭體系 AI 叢集的融資與建置進度

資料中心算力需求持續遠超供給，$ORCL 單季 RPO 季增 260 億美元至 6,640 億美元，雲端基礎設施營收年增高達 150%。算力基建擴建動能強勁且在手合約能見度高達數年，產業整體營收加速成長趨勢未變

$DELL 與 $HPE 雙創歷史新高，雲端巨頭 Capex 擴張帶動硬體設備訂單能見度大幅提升。AI 基建設備採購需求未見任何放緩，是當前市場最具說服力的多頭論述

過去一年大型科技公司為擴建資料中心與 AI基建 進行大量發債融資，殖利率居高不下未來將逐步墊高企業資金成本。目前市場主要交易估值折現的第一層影響，但長期更需關注融資成本上升是否進一步侵蝕資本支出投資報酬率與自由現金流。高殖利率環境不僅短期帶來估值折現壓力，更將實質考驗 AI 基礎設施發債融資後的資本支出回報率

雲端基礎設施需求維持高增長且 RPO 加速向營收兌現，客戶預付款亦提供良好建置融資機制；但基礎設施毛利率顯著低於傳統軟體，資本支出與建置期將持續對獲利結構帶來稀釋壓力。AI 基礎設施競爭焦點已從單純搶下訂單與積壓合約，轉向產能上線速度與實際現金轉換效率

科技巨頭持續加碼資料中心並簽訂長期核電供電協議，電力供應已成 AI 底層核心瓶頸。為確保算力穩定運作，大型科技廠鎖定長期穩定能源已成 AI 基建擴張的必要條件

AI 算力表後發電已進入爆發期，供應鏈累積 75GW 剛性訂單且年底前將有 3GW 投產，進入多年三位數成長。1GW 資料中心每年可產生 1,000 億美元高毛利推論營收，20 天即可回收 50 億美元電廠造價。在極高推論經濟價值的驅動下，自建表後發電即使成本翻倍或效率偏低，只要能加速交付即具備壓倒性的經濟合理性

發電設備供應鏈正經歷劇烈板塊輪動，從傳統氣渦輪機轉向往往復式引擎與燃料電池，涉足 OEM 廠商由一年前 12 家倍增至 22 家。發電設備短缺使供應鏈格局從少數渦輪機寡占迅速轉向多元往復式引擎與燃料電池供應商的分羹

表後微電網在完全脫離電網時面臨缺乏系統慣量與短路故障電流的物理限制，純逆變器架構難以可靠觸發過電流保護。目前尚無任何單一技術路徑能完全無痛通過空污審查、熟練勞工短缺與離網電力穩定性等全部實體瓶頸

$MSFT 38GW 宏圖與 $ORCL 雲端營收年增 121%，直接確認了 AI 資料中心擴張已轉化為真實營收與積壓訂單。從運算晶片、記憶體 到電力設備，供應鏈具備多年需求能見度。大廠積極擴產確認基建長線能見度，短期供應短缺反而凸顯整體供應鏈的戰略價值

企業對開源模型落地持審慎態度，法規審查、資料駐留及地緣政治考量使大規模生產遷移步調放緩。受限於合規門檻與維運複雜度，企業在核心業務上仍將持續依賴商業閉源 API 與雲端託管方案

美國地方民意對資料中心噪音與電價上漲反彈加劇，期中選舉政治角力可能拖慢 2027 至 2029 年部分建置進度。地方反彈與期中選戰政治阻力恐使 AI 資料中心建置步調短暫放緩，但不改算力擴張的中長期大趨勢

美國跨黨派全數支持核能法案並推動現有核電廠延役，AI 算力擴張引發的龐大電力需求帶動電網與供電設備長期景氣。跨黨派零反對核能立法確立電力基礎建設的國家戰略地位，重電與能源供應鏈長期訂單能見度極高

麥肯錫與摩根大通數據顯示變壓器交期近一年且 2027 年產能逾六成未動工，資料中心準時交付率腰斬至五成。AI 資料中心建設面臨變壓器瓶頸與電力審批凍結等結構性硬體限制，基建交付延宕成為全行業共同現實

從電網到晶片核心的供電架構正在經歷升級，TPU 等客製化晶片轉向垂直供電（VPD）與高壓直流（HVDC）解決方案，帶動高毛利電源零組件價值量倍增。AI 伺服器供電架構走向高壓與垂直整合，驅動電源供應鏈迎來結構性量價齊揚週期

預訓練算力需求因實驗、RL 與合成資料而轉變為常態性研發支出，硬體架構重心由單晶片轉向機櫃級互連與拓撲系統。次世代晶片放量與光學網絡升級將支撐算力規模再躍升十倍，AI 基礎設施投資進入持續性週期

AI 算力供不應求帶動新興雲定價外溢效應，雲端基礎設施業者透過長約預付款架構大幅改善現金流。雲端算力產能加速上線與強勁需求變現，將持續支撐大型雲端基礎設施板塊的高成長動能