AI算力

大型雲端服務商自建專用推論晶片加速推展，透過能效提升 40% 降低推論成本與單一供應商依賴。晶片自研與客製化 ASIC 合作模式正重塑運算供應鏈版圖。雲端巨頭推論晶片架構自主化持續深化，帶動客製化晶片實現夥伴迎來實質放量契機

中國開發者釋出高性價比開源權重模型，大幅改變企業落地成本與部署架構，促使晶片巨頭延伸布局至模型層。開源模型透過降低推論運算門檻，讓企業在可控支出下實現私有化運算。算力晶片供應商唯有深化與本土開源生態的綁定，才能確保底層運算架構在企業自主化浪潮中維持不可替代性。

算力仍是前沿模型研發的核心瓶頸，Meta 因內部訓練需求吃緊取消 GPU 出租計畫，2027 年資本支出預期再度攀升。算力短缺預計需等待 2027 年 $NVDA Vera Rubin 與 $GOOGL TPU 8t 大規模出貨後方能緩解

科技巨頭第三季獲利高速成長且算力需求剛性，硬體類股短線回檔釋放過熱壓力後更顯估值吸引力。算力基礎建設獲利持續走深使前瞻本益比顯著壓縮，類股回調反倒提供優質巨頭的加碼契機

Token 價格走跌與 H100 租金在 2.60 至 2.80 美元維持堅挺形成強烈對比，反映 AI 產業正驗證 Jevons 悖論。單一 token 推論成本下降促使企業將 AI 全面導入日常工作流，而自主 Agent 的多步推理使複雜任務的運算需求成倍數增長。推論成本降低非但不會削弱硬體需求，反而透過解鎖龐大邊際應用帶動整體算力基礎設施價值長期擴張

機器人模型雖然當前參數多落在 7B 至 13B 區間、單次訓練量小於前沿 LLM 預訓練，但同參數後訓練 GPU 消耗達純文字的 3 至 4 倍，且模擬與高頻迭代大幅推高總運算量。Figure 採購 10 萬張 $NVDA GPU 印證了此趨勢。具身智能引發的數據處理與持續迭代需求，短期貢獻雖小但將隨更多玩家湧入而構成強韌的長期算力增量曲線

雲端大廠全面將推論架構移轉至自研專用晶片，主因推論成本隨用戶查詢量等比擴張，自研晶片能大幅改善規模化邊際成本。推論成本隨著用戶使用量爆發而成為兵家必爭之地，硬體能效優化將奠定長期算力擴展基礎

OpenAI 營收口徑低於預期引發市場重新校準 AI 資本支出能轉化為終端收入的節奏，先前估值預期拉得最高的晶片股首當其衝遭遇殺估值。市場已轉向審查合約與實質數字兌現，高預期的算力硬體短線面臨估值重整與消化賣壓

OpenAI、Anthropic、Google、Meta 與 xAI 齊聚加碼基礎模型訓練，算力擴展並未見頂。五大巨頭軍備競賽全面升溫，驅動新一輪以維持集群生產力為核心的算力擴充週期

晶片、伺服器到雲計算產業鏈因營收烏龍遭遇估值壓縮，但下游模型調用量與新架構推動的商業化增速依然強勁。市場定價從過度樂觀回歸至高增長常態，算力產業鏈實質需求並未發生結構性逆轉

OpenAI 營收落差源於會計口徑修正而非客戶流失，Agent 應用爆發帶動模型調用次數激增，底層推理需求並未轉弱。整體算力結構性供不應求且年化增速逾 70%，本次回調係修正過高預期而非基本面逆轉

雲端巨頭與 AI 實驗室對客製化 ASIC 需求維持多年期擴張，供應商介入安排融資以打通高利率下的資本支出瓶頸。客製化晶片多年期部署結合供應商融資模式，打通資本閉環並確立 AI 算力長線擴張動能

新一代 AI 代理人如 Muse 與 Grok 等大幅拉高日常任務算力消耗，預期明年 AI 代理人算力用量為今年 10 倍以上，驅動總算力需求成長數倍，每 GW 租金具備強勁支撐。AI 泡沫觀察指標目前僅 7 顆星、遠低於 12 顆星危險門檻。終端 AI 代理人應用帶動之算力需求遠超供給增速，算力租金難以崩盤且基建擴張浪潮依然看多

與歐盟 10²⁵ FLOP 或加州 SB 53 的 10²⁶ 算力門檻不同，中國未曾對前沿模型訓練算力施加任何實質安全申報或審查義務。在發展置於首位的國策定調下，官方全面擱置可能限制算力擴張的綜合性立法。在缺乏算力門檻與前沿能力約束的環境下，模型開發商可在完全滿足各項法規的同時，全然不做任何前沿危險能力評估

中國 9 大前沿實驗室的 857 次模型發布中，高達 94.9% 完全沒有任何安全數據披露，推論與推理模型更處於安全評估盲區。各大廠商深陷發布頻率與推論成本的軍備競賽，無人主動放慢腳步。中國前沿實驗室普遍將資源傾斜於降本與發布節奏，前沿安全評估在商業競爭中被邊緣化為偶發性的公關點綴

市場因 $MSFT 與 $ORCL 等 AI 族群拋售重挫 $SOXX 半導體 指數，本質是將營收計算口徑的落差過度定價為需求放緩。在利率維持高位環境下，敘事依賴型標的估值極度脆弱，抗震力遠不如具合約收入的硬體收錢方。計算口徑差異引發的非理性拋售凸顯估值脆弱性，資金將加速往具實質營收兌現的算力供應鏈集中

高效能運算託管機房將產能成功轉化為長期基礎租金，驗證算力擴建正邁入實質現金流收割期。算力基礎設施產能轉化為高能見度的經常性租金，確立板塊從純投入期步入現金流回收轉折

雲端 CSP 巨頭積極擴大自研晶片與高速互連布局，客製化 ASIC 與光傳輸晶片需求維持爆發式增長。算力晶片與機櫃內部傳輸頻寬需求同步井噴，帶動周邊網通、交換機與先進代工需求維持高檔不墜

以美光與輝達為代表的晶片巨頭包辦全球極大份額的獲利增量，企業資本支出雖為落後指標，但目前算力龍頭的本益比處於歷史極端低檔。算力晶片龍頭獲利增速遠快於股價漲幅，基本面支撐極度扎實，並未出現估值失控泡沫

AI 代理應用帶動持續運行之推論工作負載大增，促使算力需求從單純訓練階段的 GPU 擴散至承載推論運算核心的 CPU 架構。運算架構多元化擴大了硬體供應商受惠廣度，具備高階推論平台解決方案之廠商享有高度確定性。AI 代理普及推升持續性推論負載需求，算力架構延伸至 CPU 端並擴大硬體供應鏈獲利版圖

在電力、土地與建築殼體成為資料中心核心瓶頸下，Vera Rubin 以每 GW 提升 25 倍 token 的算力密度成為競爭壁壘。算力密度而非單純晶片算力是下一代 AI 基建核心，AI 代理人的爆發將驅動每用戶 token 需求十倍速擴張

AI 訂閱制雖然僅佔 Anthropic 總營收約 10%，卻占用了高達 40% 以上的推論算力，導致每百萬瓦電力之綜合營收折損約 3,600 萬美元，凸顯了消費級訂閱的高度補貼本質。由於點數計費與 API 價格存在顯著落差，推論算力的實際價值高度取決於特定模型與負載類型。若要精準建立前沿 AI 實驗室的財務模型，必須深入解構訂閱限額對推論算力分配與電力營收的實質稀釋效應

隨著模型供應商調降 API 快取讀取與輸入輸出定價，訂閱方案並未同步等幅擴大代幣額度，實質造成訂閱用戶的 API 等價價值縮水。OpenAI 在發表 6.1 Sol 時未調整代幣限額，導致該級別等價價值驟降三成；Anthropic 雖微幅調升 Opus 額度，亦未能完全抵消降價影響。模型 API 價格下調若未伴隨訂閱額度同幅調升，本質上成為供應商收回推論 AI算力 補貼並拉平價值的隱性手段

Google 發表 Gemini 4 重返前沿競爭，加上推論鏈取得受限阻礙低成本蒸餾、倒逼開源社群擴大強化學習與合成資料投入。大廠前沿軍備競賽與開發者自建訓練環境需求共振，支撐 AI算力 需求維持結構性強勁

晶片設計具備三至五年長週期，必須在下一代運算架構統一前卡位模型規格定義權。繼 $NVDA 佈局 Omniverse 後，$AMD 亦藉由收購切入，物理 AI 與空間智慧對資料吞吐與 記憶體 架構提出全新負載需求，促使硬體商前瞻佈局軟硬一體全棧能力。物理 AI 正在重塑未來算力架構的競爭規則，硬體規格決定權將取決於對前沿模型工作負載的掌握度

輝達宣布 1500 億美元回購彰顯 AI 工廠基建擴張帶來的驚人現金流，在巨額研發擴產下仍具備極強資本回饋能力。當前 AI 產業呈現供需兩極分化，具備絕對供給短缺優勢的晶片硬體依然是資金核心依託。AI 算力基礎設施擴張仍在加速，擁有實質定價權與供不應求護城河的硬體龍頭持續享有最高確定性

博通與雲端巨頭深度綁定客製化 ASIC 晶片開發，並透過財務融資與租賃協議推動大模型客戶擴大部署專用 TPU 算力集群。專用晶片在性價比與能源效率上持續侵蝕通用 GPU 市佔，且營收可見度已延伸至 2028 財年。算力供應商透過資本合作與專用晶片深度綁定頂級模型客戶，將持續推動客製化 AI 晶片進入爆發性成長週期

Anthropic 籌備上市為算力供應商帶來信用背書與履約保障，但合約結構分化顯著。直接承擔客戶信用風險者彈性高但面臨交付與融資考驗，由第三方巨頭兜底者則不具 IPO 敏感度。資料中心供應商受惠程度取決於合約體量與付款主體，非所有 AI 算力標的皆能同等受益

Gemini 4 推翻了預訓練擴展已達瓶頸的論調，證實預訓練與推論運算量仍雙雙擴大。產業調查顯示其採用 5 至 6 兆參數之循環 MoE 架構，有效運算規模達前代 5 至 6 倍，且單任務推論輸出 token 消耗翻倍。前沿模型架構持續朝巨量參數 MoE 與百萬長輸出演進，驅動預訓練與推論端對底層算力消耗維持指數型擴張

頂尖 AI 獨角獸陸續進入公開市場驗證算力支出的真實回報與持續性，推動自研晶片與商用 GPU 需求並進。巨額融資與訂製晶片長約簽訂，顯示前瞻模型開發對高效能運算基礎設施的資本支出依然堅挺

三大雲端巨頭手握 1.69 兆美元積壓訂單，預估本益比隨獲利激增壓縮至 22 倍，$NVDA 更透過晶片金融化擴大中小型客戶融資管道。算力受限於電網與基建交付進度而非終端需求不足，全球金融體系深度綁定 AI 實驗使其具備極強的剛性推力

白宮政策確立以產業自律取代硬性限制，消除了資料中心建設與晶片供給遭政策干預的隱憂。$NVDA 銷售路徑通暢與各家大模型對算力軍備競賽的投入，為整體 AI算力 需求提供制度性保障。政策監管轉向自律確立了算力基礎設施擴建的合規空間，算力鏈擴張趨勢未受政治因素干擾