AI算力

挖礦經濟性惡化下，將電力與併網資產重新包裝成 AI 基礎設施具備合理資本配置邏輯。然而此領域為 AI 基建鏈中 Beta 最高且高度依賴資本市場與租客信用的區段。礦商轉型 AI 資料中心屬於 AI 基建的高 Beta 區間，雖具成長邏輯但高度依賴外部融資與租客信用

AI 企業發債融資增加成為長債殖利率上升的邊際因素，資本成本拉高提升專案門檻。AI 企業發債拉高融資成本與建置門檻，使 AI 基建個股短期面臨估值修整壓力

Citadel 完成 40 億美元爆倉持股大宗交易消化賣壓，且 $AVGO 啟動數百億美元融資規劃 20GW 算力。AI 持股供給衝擊告一段落且大額算力融資持續推進，顯示 AI 算力基建長期需求仍極強勁

開源模型如 GLM 5.3 與 Kimi K3 在程式碼與 Agent 任務上已追平閉源前沿，Token 消費市場 Fireworks 日處理量突破 40T Tokens。開源追趕週期按世代減半使模型層面臨商品化疑慮，長期恐壓抑前沿實驗室利潤空間

OpenAI 與 Anthropic 等巨頭估值達上兆美元，但算力能耗揭露面臨加州新規監管。GPU 硬體能效持續提升將緩解電力消耗，AI算力 發展關鍵在於產品能效比而非單純線性堆疊能源

選民對 AI 與數據中心的焦慮使地方政治阻力大增，建置放緩與變現延後將對估值造成短期打折。競選詩歌選後散文，中期選舉若引發 AI 板塊大跌反而提供選後回歸現實的反買良機

年底前包含 Anthropic 下一代模型、OpenAI Astra、Google Gemini 4 Pro 與 xAI Grok 5 將展開 5 兆參數等級的四強爭霸。前沿 AI 實驗室因現實商業摩擦無法隻身開拓垂直市場，必定持續透過 API 賣算力。AI 模型世代迭代與算力需求並未停滯，售賣算力與 API 仍是前沿實驗室唯一可行的規模化商業模式

阿里巴巴大幅提升 Capex 至 677 億人民幣推進 AI 基建，自研 T-Head 晶片已商業部署超過 50 萬顆。雲端與 AI 年化收入強勁成長驗證算力需求，AI 資本支出預計 2.5 至 3 年即可實現回本

Citadel 完成 40 億美元爆倉持股大宗交易消化賣壓，且 $AVGO 啟動數百億美元融資規劃 20GW 算力。AI 持股供給衝擊告一段落且大額算力融資持續推進，顯示 AI 算力基建長期需求仍極強勁

客戶選擇專業 AI 雲的核心在於電力、廠房與幾千張 GPU 高速互連集群的交付速度，而非單純價格套利。交付速度與電力資源是短線關鍵瓶頸，但單純價格優勢不足以構成長期護城河

專業 AI 雲廠商 Q2 營收與在手訂單激增，反映市場對最新算力集群的交付速度與電力需求依然非常強勁。算力需求的實質兌現支撐專業雲廠商營收規模高速翻倍

$AVGO 洽談千億美元級算力融資，Anthropic 亦擴大 100 億美元信貸額度複製 SpaceX IPO 前路徑。超大型算力融資模式相繼落地，顯示 AI 基礎設施巨額資本開支仍在加速運轉

Anthropic 營收增速放緩成為 AI 基建高估值的冷水，引發市場對未來成長曲線的疑慮並導致板塊近兩日回檔約 10%。長線 AI 需求並未改變，但需注意企業端能否將 AI 生產力成功轉化為實質營收。Anthropic 數據低於預期僅屬短線情緒利空，唯企業端營收變現瓶頸才是長線真正隱憂

科技巨頭在全世界瘋狂發債籌措 AI 資本支出，但若生成式 AI 應用未能轉化為實質生產力提升，將產生嚴重效率浪費與電力算力消耗。巨額發債與高利息成本若未搭配生產力爆發，將形成科技板塊的中期估值修正壓力

聯準會會議紀要特別關注 AI 資本支出擴張，指出多數支出仰賴非銀行與私人信貸融資，且資料中心建設前期成本極高、變現回收期長。若未來軟體收入成長追不上支出速度，高估值可能面臨重新定價與信用違約風險。AI 資料中心建設前期投入巨大且變現速度滯後，市場對科技股資本支出與估值轉趨謹慎

雲端巨頭加速發展自研 ASIC 以降低 AI 算力成本，同時藉由認股權證綁定關鍵客製化晶片供應商。科技巨頭採行 GPU 與自研 ASIC 雙軌並行架構，推升跨生態晶片互聯與客製化晶片需求

Scale-out 架構下單機櫃 TH6 交換器數量由 1 台增至 4–6 台，帶動 DCN 頻寬與光模組配比同步上修。AI 瓶頸向通訊效率轉移，驅動 Scale-out 交換器擴充與 Scale-up 通訊維度提升雙軌演進

全球科技業者大舉透過銀行聯貸與公司債籌集龐大資本支出，輝達亦擔保客戶融資，巨頭搶錢築高AI算力壁壘，全球 AI 基礎設施投資熱潮持續深化。

晶圓級 SRAM 架構在低算力密度（Low Arithmetic Intensity）解碼階段具備極高頻寬優勢，CS-4 將互動性拉升 20-40 倍。極致互動性解碼層需求將驅動算力晶片走向高頻寬晶圓級與異質解耦分流

AI 資料中心建置面臨 重電/電網 與融資成本升高挑戰，巨頭 3 兆美元表外承諾成為市場近期關注焦點。AI 基建需求長線確定性仍高，短線因資金成本提高與供應鏈瓶頸進入估值調整期

雲端平台從單一大模型獨家代理轉向多模型競技，算力分配強調推理效率。自研推理晶片成為防守毛利率的核心護城河。 算力競賽焦點轉向推理端單位 Token 成本壓低與多模型調用路由

巨頭龐大 CapEx 用於資料中心與 GPU 採購，評估重點在於誰能控制單位 Token 成本（自研晶片）以及誰擁有原生分發流量。 單純 CapEx 擴張不等於價值創造，關鍵在於硬體成本控制與流量變現能力

市場疑慮生態系投資與算力融資循環，但前沿模型訓練與推論的需求仍然緊缺。GPU 算力剛性需求與生態網絡深化，AI 算力龍頭廠商長期價值獲自由現金流重估支撐

缺乏自研晶片與生態系護城河的中小型模型廠面臨嚴格的倍數壓縮。龍頭估值天花板降至 15x–20x ARR 迫使未具競爭壁壘的模型新創重新定價

雲端巨頭自行開發 ASIC 晶片並透過長約機制化鎖定產能，顯示客製化算力需求已進入大規模型號部署階段。雲端巨頭加大自研 ASIC 晶片長期資本支出，推動客製化算力晶片供應鏈價值重估

若 IPO 掛牌破發或降價發行，將揭露企業變現效率低落與 Capex 縮減壓力。巨頭若因燒錢過高而收斂算力支出，二級市場對整體基建供應鏈的溢價打折將引發向下波段震盪

企業部署 AI Agent 帶來大量非人類身份與 API 接口，然而保護 AI 本身的預算僅為 AI 安全應用的十七分之一。保護 AI 本身巨大的預算缺口將成為未來幾年 AI 基建支出中最具彈性與確定性的新成長點

科技巨頭加速綁定算力與電力資源，表外資料中心租用與晶片採購承諾高達 3 兆美元。AI 基礎建設需求真實且規模效應浮現，惟 2027 至 2028 年企業自由現金流面臨考驗，建議搭配大盤 ETF 進行資產配置

AI 資料中心建置面臨 重電/電網 與融資成本升高挑戰，巨頭 3 兆美元表外承諾成為市場近期關注焦點。AI 基建需求長線確定性仍高，短線因資金成本提高與供應鏈瓶頸進入估值調整期

超大型雲端業者資本支出維持高強度，資料中心興建雖面臨電力與保險承保限制，但預計2027至2028年間自由現金流將大幅翻正。提前佈局資料中心、電力與硬體設備乃打贏 AI 大戰的關鍵，切勿等待現金流翻正才追高

Q2 13F 顯示華爾街機構共識聚焦於整條 AI 資本支出鏈，資金正從 GPU 延伸至晶圓製造、記憶體、儲存、半導體設備、網通、伺服器資料中心與重電/電網。機構資金集中押寶 AI 持續成長下的下一個稀缺瓶頸，AI 資本支出鏈具備明確的長期趨勢

AI 伺服器機櫃功耗逼近 1200W 以上，推動電源架構升級至 800V 直流規格，需要 SiC 負責高壓大電流轉換與 GaN 負責高頻小尺寸降壓。伺服器功耗爆發倒逼電源系統結構升級，化合物功率半導體成為 AI 基建升級的剛性需求

雖然短期面臨資金斷層與投資報酬率時程錯置的風險，但 AI 基建的改善不會停止。即便經歷類似 Dot-com 或鐵路時代的資本泡沫崩潰，AI 基礎設施仍將對全球經濟產生深遠影響

資本開支逐漸轉化為實質雲端收入，算力供給依然緊張。啞鈴策略同時配置半導體與超大雲服務商，能完整捕捉 AI 基礎設施到商業化落地紅利

AI 算力鏈供給瓶頸在於 InP 與半導體設備產能無法快速開出，算力需求持續大於供給。在當前市場環境下，持有受限於產能瓶頸的硬體供應鏈勝過純追逐 AI 故事

隨著 AI 應用從訓練擴展至推論與 Agent，客製化晶片 ASIC 在特定工作負載的成本與效能優勢日益凸顯。雲端巨頭積極開發自研晶片趨勢明確，具備高階設計與先進封裝整合能力的廠商長線大有可為

後訓練技術與推理算力投擲可顯著提升中小參數模型的實際效能，使 1.5T 模型的表現媲美更大規模基礎模型。後訓練與持續預訓練技術顯著強化模型智力表現，帶動前沿模型 Token 銷售量倍數成長