【吳芳銘觀點】AI的未來，不再只比誰燒錢最多：從半導體暴跌看算力資本主義的重新洗牌

資本市場最擅長把趨勢講成神話，也最擅長在神話動搖時，把恐懼放大成災難。過去兩年，AI就是全球資本市場最強大的神話。只要企業宣布加碼人工智慧（AI），只要科技巨頭提高資料中心資本支出，只要供應鏈沾上GPU（圖形處理器）、HBM（高頻寬記憶體）、先進封裝、光通信或先進製程等類股，估值就能獲得重新定價而飆漲。

AI行情不是崩壞，而是從信仰交易回到商業紀律
回顧七月初美股、台股與韓股，由AI拉動的記憶體、半導體等類股的劇烈回落，提醒著市場一件事：AI仍是長期趨勢，卻不再是無條件的估值通行證。費城半導體指數兩日累跌超過一成，記憶體、AI伺服器、光通信與設備股同步承壓，看似是一場技術性殺跌，實際上卻是資本市場對AI產業鏈的一次深層拷問。

這場拷問的核心不是「AI是否還有未來」，而是「AI的錢到底怎麼賺」。當市場從追逐故事想像，轉向檢驗現金流；從相信資本開支永遠上修，轉向要求投資回報率，AI行情便將進入未來的下半場。上半場比的是誰敢燒錢，下半場比的是誰能把燒出去的錢變成具有實質盈利的護城河。



算力不再只是稀缺資源，而是必須被證明的資產
過去兩年，AI產業鏈最核心的定價邏輯是算力稀缺。大模型越來越大，推理需求越來越多，GPU供不應求，雲端巨頭與模型公司競相採購，於是市場自然相信，凡是站在算力供給端的企業都能享受長期的紅利。

這套邏輯並非錯誤。沒有算力，就沒有今天的生成式AI；沒有先進製程、HBM、封裝、光通信與資料中心，就沒有大模型的規模化落地。但是今天資本市場開始轉變，要求算力正在從「稀缺資源」變成「財務資產」的獲利基本面。既然是資產，就必須回答回報率、利用率、折舊、毛利與現金流等問題。
Meta傳出可能將自家AI算力對外商業化，表面上像是要把多餘的GPU出租，實際上代表一種更重要的產業訊號。科技巨頭不再只用「戰略投入」解釋AI支出，而是需開始尋找算力變現的商業模式多重出口。

這真的不是壞事。相反的，這正是AI產業邁向成熟的標誌。當一家企業一年投入數百億美元建設資料中心，市場不可能永遠只聽願景。而是必須追問：這些GPU服務誰？如何產生收入？推理需求能否覆蓋成本？模型能力能否轉化為廣告、雲端服務、企業API、AI Agent或硬體生態收入？等諸多重要的財報問題。

換句話說，AI產業正在告別「只要買GPU就值得」的階段，進入「買了GPU之後如何賺錢」的階段。

Meta的啟示錄：不是算力過剩，而是算力金融化
Meta事件引發市場劇烈反應，是因為其揭開了AI投資最敏感的一層，算力可能不再只是內部生產的自用工具，而是可能會成為可交易、可出租、可轉包，以及可重新配置的資本產品。這代表著算力正在金融化。

過去，資料中心主要是企業內部的基礎設施；現在，資料中心越來越像一種高強度的資本資產。企業可以自用、出租、雲端服務、與模型API （應用程式介面）綁定、支撐廣告推薦系統，或是作為戰略合作的籌碼。算力不再只有單一用途，而是擁有多種變現路徑。

這正是Meta比一般新雲端服務業者更值得關注之處。普通算力租賃公司如果沒有長約的支持，很難覆蓋龐大的融資與折舊成本；但Meta不同，既有的廣告現金流、社交流量、模型研發、推薦系統、硬體入口等，也可能透過類似亞馬遜（Amazon）生成式AI完全託管平台的模式，把外部模型與自身的平台結合。對Meta而言，每一吉瓦的算力不只是成本，也可能是廣告增效的工具、模型訓練資源、企業雲收入來源，甚至是AI Agent（AI代理）與智慧眼鏡生態的底層能力。

這才是市場最應該理解的地方。Meta若出租算力，不必然代表是AI投資過剩；也可能代表擁有太多高價值的選項，足以讓算力在不同場景間流動，或是行程不同商業模式的組合。

反過來說，這也提高了市場對所有AI公司與算力公司的檢驗標準。未來資本不會再簡單相信「我有很多GPU」，而會追問：你的GPU有沒有定價能力？你的客戶是誰？合約多長？毛利多少？使用率多高？是否擁有模型、流量、應用或企業客戶關係？

簡言之，算力不再只是硬體，而是商業模式。



自研晶片的本質：大模型公司正在爭奪生產資料
Anthropic與三星洽談自研AI晶片的消息，表面上是半導體供應鏈事件，深層地看會發現是AI產業權力結構的轉變。過去，大模型公司主要競爭演算法、資料、人才與產品；現在，則必須競爭算力控制權。
這是AI產業進入重資本階段後的必然結果。當訓練與推理成本成為模型公司的最大成本之一，晶片就不再只是採購品，而是核心生產資料。誰能掌握晶片設計，誰就能掌握成本曲線；誰能把模型架構與底層矽片協同設計，誰就能在推理效率、能耗、吞吐量與單位經濟性上取得優勢。

OpenAI、Anthropic、谷歌（Google）、亞馬遜、Meta、微軟（Microsoft）都在自行開發或深度參與AI晶片，這不是偶然，而是產業演進的必然。大模型公司不可能長期把最關鍵的成本、供給與技術路線完全交給外部供應商。而是必須未雨綢繆建立第二條、甚至第三條算力的路徑，哪怕短期無法取代輝達，也要提高談判籌碼與戰略自主性。

因此，自主研發晶片不是「輝達明天就被替代」的故事。輝達仍擁有強大的GPU通用性、CUDA （統一計算架構）生態與軟體護城河，短期地位很難撼動。但自主研發的ASIC （特殊應用積體電路）、谷歌的TPU（張量處理器）、亞馬遜雲端運算服務（AWS）專 用的Trainium、微軟自己研發的Maia、Meta自行研發的客製化AI晶片MTIA的崛起，會逐步改變AI算力市場的權力分配，行程更加分化和激烈競爭的多元格局。

未來的AI的基礎設施，不會只有單一王者，而會走向多算力架構並存。訓練、推理、推薦系統、企業API、AI Agent（AI代理）、邊緣AI（Edge AI），可能各自形成不同的最佳晶片組合。這意味著供應鏈紅利仍在，但不會平均分配。

韓股暴跌不是產業失敗，而是擁擠交易的脆弱性暴露
近日韓國半導體股的暴跌，不能簡單理解為市場否定AI或是否定HBM。恰恰相反，韓國半導體正是因為站在AI供應鏈最炙熱的位置，才成為資金撤退時最先被拋售的標的。

SK海力士與三星電子過去一年受惠AI記憶體與HBM題材，吸引大量趨勢資金、被動資金與槓桿資金大舉湧入。當市場相信AI資本開支會持續上修，韓國股市就成為全球資金追逐AI硬體景氣的核心出口。一旦市場開始質疑資本開支效率，這些最擁擠、漲幅最大與獲利最厚的交易，就率先成為提款機。

這正是這波AI行情最值得警惕的地方。基本面好，不代表股價永遠安全；產業趨勢成長，也不代表短期估值沒有風險。當市場交易過度擁擠時，即使長期故事沒有結束，短期價格也可能會遭致劇烈地修正。
韓股暴跌對全球市場的意義，不在於AI的需求已消失，而在於投資者重新意識到：供應鏈景氣是全球連動的，美國科技巨頭的資本支出，直接影響韓國HBM、台灣晶圓代工、日本材質與設備、荷蘭光刻機與美國雲端服務。AI不是單一產業，而是一張全球資本開支的網絡。任何一端出現預期鬆動，都會迅速沿著供應鏈傳導。



總體經濟的訊號：降息想像已不足以支撐高估值
過去科技股最喜歡的環境，是經濟不太差、通膨不太高搭配利率慢慢下行的不冷不熱環境。但現在市場面對的是更複雜的局面。美國剛發表的非農就業數據呈現疲弱，理論上有利於殖利率下行，也有助於成長股估值修復；但這一次，AI硬體股仍然下跌，說明市場關心的重點已經從利率折現，轉向需求本身。
如果經濟放緩只是讓聯準會（Fed）更有空間轉向寬鬆，科技股可以受惠；但如果經濟放緩進一步影響企業預算、消費動能、廣告市場與雲端需求，那麼AI資本開支就必須接受更嚴格的檢驗。

這也是為什麼資金並未全面撤出美股，而是從AI硬體、記憶體、光通信、電子元件等漲幅最大的類股撤出，轉向醫療、消費必需、公用事業、能源與金融等防禦類股領域。市場不是在賣掉美國，而是在賣掉過度擁擠的AI高β交易。

這種輪動意味著，AI仍是主旋律，但市場不再願意為所有AI概念支付同樣的溢價。

台灣的關鍵位置：AI算力重估，不會削弱製造核心，反而凸顯不可替代性
從台灣角度看，這場AI硬體修正不應只被視為外資賣壓或科技股波動，更應被理解為全球AI供應鏈進入下一階段的訊號。

當AI公司從搶算力走向提高算力回報，真正受考驗的是哪些環節具備不可替代性。通用GPU可能面臨定製ASIC分流，雲端算力租賃可能面臨商業模式重估，記憶體價格可能受供需預期波動影響；但先進製程、先進封裝、高階測試、CoWoS與CoPoS先進封裝技術、HBM整合、高速互連與系統級製造能力，仍然是AI下半場的底層需要突破的技術瓶頸。

換句話說，AI硬體鏈不是沒有需求，而是需求將更精準、更高階與更重視效率。這對台灣反而是一種機會。因為當模型公司自研晶片愈多，當ASIC、TPU、Trainium、Maia、MTIA等架構愈多元，最終仍需要先進製程與封裝能力將設計落地。設計權可能分散，製造技術與能耐瓶頸卻可能更加集中。

這也是台灣在AI時代最重要的戰略位置，不是只做單一公司的供應商，而是成為全球AI晶片多架構競爭背後的製造底座。當大模型公司爭奪算力主權，台灣掌握的，正是算力主權背後最難複製的生產能力。



AI的未來是效率、紀律與權力重分配的競賽
眼前這場半導體產業類股的大殺跌，不是AI泡沫破裂的句點，而是AI資本市場從激情走向紀律的開端。AI的長期趨勢沒有改變，但市場的提問方式改變了。

過去，市場問的是：誰買了最多GPU？誰蓋了最多資料中心？誰喊出最大資本開支？

未來，市場會問：誰的算力利用率最高？誰的模型能賺錢？誰的推理成本最低？誰能掌握晶片設計？誰能控制供應鏈？誰能把AI投入轉化為現金流與產業權力？這正是AI下半場的真正競爭。

AI不會因為一兩天股價下跌而退潮，與AI相關半導體等類股也不會因為市場恐慌而失去戰略價值。但資本市場會變得更嚴苛，產業鏈會變得更分化，估值會回到更嚴格的商業邏輯。

最終勝出的，不是最會講AI故事的公司，而是最能把算力、模型、應用、資金與製造能力整合成獲利循環的公司。AI的上半場，是想像力的勝利；相對的AI的未來，將是資本紀律與產業控制力的勝利。

作者為政治經濟觀察員