觀點
算力市場正由單純 GPU 租賃走向推論優化、模型調度與檢索整合之全端 Runtime，軟體附加價值與推論毛利成為擺脫重資產估值折價之關鍵。供應商刻意延後銷售產能以反映供需緊俏，驗證市場定價權正由買方轉向具交付能力之算力方。算力競爭決勝點已從硬體採購擴展至推論全流程軟體優化，供需吃緊帶來的定價話語權為營運商創造顯著溢價空間
算力租賃商宣布全面調漲 GPU 與記憶體租金兩成至四成，且倡議減速的 Anthropic 亦被曝簽訂百億級長期算力合約。算力租賃端大幅漲價確認算力市場仍屬賣方市場，真實需求持續透過長期合約與擴產訂單強力外溢
雖然 AI 價值未來必然逐步向應用層擴散，但應用型公司擴張本質上仍高度依賴底層模型與算力支撐，反向擴大上游營收。短期內 AI 產業的大部分經濟價值仍將集中於晶片、基礎模型與雲端等上游領域，上游霸權地位短期難以撼動
經歷 9 月大幅調整後，AI 族群的擁擠多頭部位與槓桿已顯著出清，市場情緒由極度樂觀轉為保守。三個月前風險在於交易過度擁擠，當前站到另一邊反而釋放了風險並創造回補空間。科技股槓桿與擁擠持倉大幅下降已重置籌碼結構，十月行情反轉將由拋壓出清的 AI 板塊率先啟動
市場因放緩開發倡議引發硬體股拋售反應過度悲觀，AI算力 與 半導體 供應鏈基本面需求並未實質受損。放緩倡議僅拉長公開發布週期而非停止內部訓練，且對齊評估反而推升運算需求；配合企業端逾 95% 支出集中成熟模型的推論增長，整體算力需求持續擴張。放緩倡議僅限外部發布且對齊增添運算負擔，市場對硬體股的恐慌拋售顯屬過度反應
企業採購地端 GPU 運行開源模型以維護資料主權，帶動雲端之外額外龐大的算力採購需求。地端開源微調架構並未削弱反而擴大了整體算力需求，對硬體基礎設施形成雙重支撐
四年舊的 H100 不僅未跌價反而調漲租金兩成，直接打臉空頭所謂折舊低估成本的質疑。AI 算力的真實折舊速度遠慢於會計準則假設，長期合約與高殘值持續推翻折舊空頭邏輯
AI 晶片與網路供應商現金流充沛，但大客戶延期付款與租賃支援顯示融資端壓力正在產業鏈擴散；同時大型雲端平台 CapEx 亦大幅壓縮現金餘額。算力供應鏈進入真實造血與回款檢驗期，需緊盯大客戶融資能力與巨額資本開支之後續回報率
Blackstone 與 Alphabet 透過 220 億美元專案融資建置 500MW 資料中心，確立 AI 晶片作為擔保融資資產之全新商業模式。第三方 Neocloud 專案融資模式加速落地，為晶片、伺服器、電力與散熱等整體 AI基建 供應鏈注入龐大實體需求
高利率主要限制低融資成本的投機活動，無法遏止具備高回報率與生產力爆發力的 AI基建 投資，科技巨頭仍具強勁借貸與資本支出動能。高利率環境僅適度抑制股票市場的估值倍數，並不妨礙具備實質生產力優勢的 AI 產業長期擴張趨勢
雲端服務商將 GPU 晶片與資料中心資產包裝成資產抵押證券與私募信貸，為算力建置提供龐大融資動能。算力基礎設施的高速擴張仍具強勁實質需求，但金融機構將算力資產複雜打包後所衍生的信用風險值得長期警惕
OpenAI 估值跳升並積極推進融資，為數千億美元的雲端運算與資料中心長期採購承諾提供堅實資金後盾。前沿模型實驗室強大融資能力消除了算力長約違約疑慮，對上游基礎設施建置夥伴形成直接信心支撐
訓練減速不代表需求熄火，推理端受Agent多工調用、推理思考拉長與單價下降帶動總量激增三大引擎推動。供給重心正從超大訓練集群移轉至推理集群，晶片端涵蓋 $NVDA 、 $AMD 及客製化ASIC晶片廠商 $AVGO 與 $MRVL 。減速不是需求消失而是從訓練轉移至推理，算力在未來幾年依然供不應求
AI 基礎設施需求正由雲端巨頭擴散至企業與主權雲，且單座 AI Factory 所需之運算、網路與系統價值量自 Hopper 18B 躍升至 Vera Rubin 40B。AI 工廠價值量提升與多元客戶買單延長了基建投資週期，非短期單一 Capex 循環可概括
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
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
前沿模型開發若刻意延長訓練週期或限制訓練算力規模，短期將影響硬體擴張速率，但安全對齊與即時監控將引導算力結構轉向推論與評估端。算力需求的底層驅動力正在從單純追求模型規模擴展，轉向支撐複雜安全測試與即時治理的複合型運算
企業級長文本與代碼生成工作流推升推論支出占總算力 70% 以上，通用 GPU 的高成本迫使前沿大模型業者透過 NRE 客製混合脈動陣列晶片並包底產能，搭配收購微型編譯器團隊優化 Triton 與 XLA 算子。推論階段成本結構的轉變將驅動運算架構由通用 GPU 走向特定演算法加速與軟硬體深度協同
推論解碼每生成一個 Token 均須讀取全部模型權重與 KVCache，記憶體頻寬直接決定互動速度。在 $NVDA Rubin Ultra 等系統上，過高容量若缺乏對應頻寬將淪為閒置超額配置。次世代 AI 算力架構正由追求單晶片大容量轉向最大化每單位頻寬的 Token 產出效率
傑文斯悖論持續發酵使 Token 價格下降推動使用量幾何級數增長，雖然模型端面臨研發與推理成本壓力，但上游晶片與算力硬體仍是最具定價權的利潤捕獲者。Token 降價引發需求爆炸性成長，AI 算力基礎設施仍是產業鏈中最確定的價值捕獲環節
雖然宏觀大師提出盈利式泡沫的週期警訊，但半導體與基礎設施獲利的底層邏輯取決於前沿模型的變現速度。目前主流大模型公司 ARR 仍維持高雙位數月增率，投入回報比持續好轉。只要前沿大模型商業化營收能持續兌現高增長，AI 算力與基建的資本開支擴張邏輯依然堅挺
AI 算力成本上升與資料中心建置門檻提高並非供給過剩，企業獲利與生產力提升將支撐龐大資本支出。AI 算力與資料中心需求持續強勁，產業並未見到算力廉價或過剩的泡沫特徵，長線發展趨勢明確
相較 AICP 每 GW 產生 590 億美元表外義務，25% 殘值擔保結構每 GW 僅需 94 億美元擔保即可成案，資金使用效率顯著提升。分層信貸結構結合有限殘值擔保能最大化資本槓桿，為萬億級 AI基建 算力部署提供可持續融資路徑
企業在 AI 算力與客製化晶片的資本開支持續加速，$AVGO 等龍頭供應商展現出將訂單快速轉化為 40% 以上自由現金流的能力。AI 算力需求擴張明確且現金兌現速度領先整體硬體板塊，具備高自由現金流轉換率的龍頭最具抗高利率防禦力
儘管單個智能體的推論成本顯著下降，但當模擬規模擴展至上萬乃至數百萬智能體且需重複運行上千次以驗證穩定性時，調用量將呈指數級暴增。多智能體交互的複雜度將轉化為龐大的推論算力需求，工程剪枝與算力降本是模擬預測走向規模化的關鍵瓶頸
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。