觀點
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
當前市場算力採購高度聚焦於語言模型,但世界模型崛起將開啟實體物理空間與 機器人 自動化的全新算力週期。提前將世界模型演算法與次世代處理器深度協同,是打破單一運算範式並構建全棧算力壁壘的核心驅動力
高利率環境下具有高自由現金流與訂價權的算力龍頭抗震能力最強,龐大回購額度進一步提供下檔支撐。AI 算力龍頭兼具造血能力與生態系護城河,估值修正反倒提供長期耐心佈局的機會
市場擔憂開源模型能以極低研發成本持續緊咬閉源頂尖模型,進而衝擊 AI 與算力類股,此類焦慮如同 2025 年初 R1 發布後屬短期過度反應。隨著閉源大廠透過加密區塊與上下文綁定徹底防堵思考鏈蒸餾,摘要重構無法提供同等訓練訊號,開源開發者必須轉向自主投入強化學習與合成數據。開源模型低成本追趕難以持久且差距預期重新擴大至 6 到 12 個月,自主研發使 AI算力 剛性需求不減反增
AI算力 的長線競爭核心正由單一基準跑分,轉向誰能在標準確立前定義下一代運算工作負載。從文字序列進入空間智慧與機器人模擬,將使運算範式從高吞吐量轉向極低延遲與複雜物理推論。未來 AI 算力的決勝關鍵已不再僅是晶片運算速度,而是硬體業者能否向上延伸至模型端共同定義下一代運算架構。
主動式自主代理人具備自主喚醒與全天候監控能力,背景代幣消耗密度遠超僅在提示時運行的傳統對話工具,使總體算力需求呈幾何級數爆發。面對 3 至 4 個月的新增算力交付前置期,業者透過客製化推論部署架構為批次任務壓榨出 3 到 8 倍的運算效率,以極低成本提供前沿級智力。原生主動式代理人的普及將引爆遠超當前市場預期的背景推論算力需求,推論架構的形狀客製化是突圍算力瓶頸的關鍵防線
面對稀疏注意力帶來的記憶體容量壁壘,單純依賴晶片內顯存已不足以支撐高吞吐長序列推論,結合跨層重疊預取的階層式調度成為算力擴展的核心路徑。透過在層間無縫換入換出 KV 快取,推論系統得以在有限硬體下實現顯著吞吐倍增。系統級記憶體優化與硬體協同架構已成為決定稀疏注意力模型實際推論算力效率的關鍵瓶頸
代理推論架構正迅速由單純拼峰值吞吐走向即時互動性與首字延遲的多維度平衡,不同硬體架構與軟體編譯器展現出鮮明的細分市場分工。無論是 vLLM 的 CUDA graph 解碼優化使 TPOT 降至 22ms,或 ATOM 分塊預取大幅壓低延遲,軟硬體深度融合持續拓展單卡能效極限。代理推論市場的競爭重心已從單純每秒 Token 數轉移為兼顧首字延遲與長上下文歷史重用的綜合系統效率
DeepSeek 稀疏注意力機制透過輕量索引器與 MLA 模式切換突破了長文本注意力運算的瓶頸,在短序列使用 MHA 模式而在長序列切換至 MQA 模式以降低 記憶體 加載壓力。GLM-5.2 的 IndexShare 更證明了跨層共享索引資訊能在極低精度損失下大幅釋放算力。稀疏注意力層級共享與演算法剪裁已證明能同時削減四分之三的運算負擔並維持頂級模型的長序列表徵能力
車載 AI 晶片從通用 半導體 架構轉向特定場景客製化,但神經網路模型快速膨脹使 記憶體 頻寬與散熱功耗成為硬體物理瓶頸。特斯拉將 AI4 晶片同時部屬於車端與伺服器仿真,並以 AI5 取代 Dojo 訓練叢集。算力需求的指數級擴張迫使車企在晶片自研、記憶體規格與 先進封裝 間承受極高的研發試錯成本
資金並未撤出 AI 板塊,而是自 $NVDA 的 GPU 明顯輪動至以 CPU 為主的運算架構,且具漲價定價權的供應鏈持續強勢。AI 助手推論運行重度依賴 CPU 運算,推動具備賣方定價權與簽訂長期確定性合約的硬體廠商全面重估
OpenEvidence 在醫療領域獲得大量專業醫生高頻諮詢,印證 AI應用 價值正從底層模型往高價值垂直領域擴散。應用公司在收購條件中要求算力保障,凸顯算力資源在專業落地過程中的關鍵地位。高頻專業應用的普及將推動算力需求從階段性訓練進一步延伸為長期持續的推理需求
AI 負載從單純的大模型訓練與集中式推論,逐步延伸至大量消耗 CPU 與通用 記憶體 的邊緣代理執行層,催化分散式節點架構需求。代理工作負載的興起揭示算力第二重稀缺,邊緣架構與通用儲存成為全新擴張主軸
模型廠商透過快取優化與架構改進使推論成本大幅走低,未來 TPU v8 與 Vera Rubin 放量將推動單位推論成本進一步下行。推論成本持續下探並非需求萎縮,反而刺激多步驟代理與各類 AI應用 負載放量,帶動整體算力需求持續擴張
市場一度擔憂極速且低價的決策模型將嚴重侵蝕 LLM 的推論需求與整體算力消耗。實證分析顯示 Jev 僅處理固定集合的流程判斷而無法生成文字,且量產普及率極低,對 LLM 與整體 AI算力 需求的實質衝擊相當有限
xAI 雖在 Grok 4.7 的通用基準與性價比未達市場期待,但背靠 SpaceX 的強勁現金流,同時握有 X 平台的專屬資料、充足算力儲備與優秀人才團隊。短線模型迭代受制於後訓練時間不足,但在前沿算力競逐中仍具備追趕最前線的完整資源。SpaceX 與 xAI 同時擁有龐大算力、真實資料與充沛資金三大要素,前沿模型的長期研發實力不容忽視
軟銀旗下 SB Energy 因估值偏高與客戶過度集中延後 IPO,疊加電力與環保抗議使資料中心建設面臨瓶頸。短期內 半導體、伺服器 與電力設備訂單兌現節奏恐往後遞延並帶來回調壓力,但只要整體產業大邏輯未變,長期動能依舊充足。資料中心短線阻力雖可能造成訂單遞延與震盪,但適度讓市場維持理性反而有助於抑制泡沫過熱
54 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。