阿法觀點

AI資本支出進入第二階段:從硬體軍備競賽轉向雲端生態與邊際獲利能力實證測試

發佈於 2026.09.10
資料來源 · 15 集 podcast、26 則網路來源

隨著全球超級雲端巨頭(Hyperscalers)在 2026 年指引資本支出一舉突破 7,200 億美金,資本市場已不再盲目給予硬體擴建無差別溢價。AI 產業正加速從第一階段的「搶購算力」進入第二階段:雲端運算生態建置、軟體變現效率與投資報酬率(ROIC)的嚴格實證期。本文將從市場評價重估、模型商品化衝擊、記憶體與先進封裝供應鏈,以及自動駕駛的混合網絡經濟學等核心緯度,剖析這場資本大考下的獲利真相與結構性分化。

資本支出大考:從砸錢擴建轉向嚴格檢視 ROIC 與營收轉換

雲端巨頭與新興算力業者在第一階段不計代價預付定金鎖定算力,但隨著硬體陸續上架,龐大的資產折舊壓力已開始壓迫財務報表。以微軟(Microsoft, NASDAQ: MSFT)與亞馬遜(Amazon, NASDAQ: AMZN)為首的 CSP 業者,其資本投入的合理性正面臨市場放大鏡檢視;市場數據顯示,Google Cloud 的 ASIC 自研晶片(TPU)回收期已縮短至僅需一年,證明具備算力性價比優勢的平台更能創造強勁的自由現金流。然而,值得延伸對照的是,Bain & Company 與 Sequoia 的研究指出,若每年資本支出維持數千億美元高位,科技業必須產生至少 6,000 億至 2 兆美元的新增 AI 營收才能滿足預期回報,目前實際營收落差仍高達 8,000 億美元。這迫使台股 ASIC 服務龍頭世芯-KY(TWSE: 3661)等業者,必須更緊密地綁定 CSP 客製化晶片生態系,以確保在軟體變現放緩時仍具備營收下檔保護。

大模型商品化加速:價格戰逼迫企業走向精細化路由架構

隨著開源模型與高性價比架構(如 DeepSeek、Gemini Flash)快速疊代,頂級大模型的技術溢價邊界正以數個月為單位縮減,呈現出顯著的大宗商品(Commodity)特性。以 Alphabet / Google(NASDAQ: GOOGL)為代表的巨頭積極發動 API 價格戰,導致模型層的毛利空間劇烈收縮,過去單純靠模型訂閱的獲利模式遭遇挑戰。企業端正加速轉向「LLM–SLM 路由架構」,透過輕量化小模型分散簡單任務以壓低成本,這讓 Palantir(NYSE: PLTR)等專注於企業營運數據整合與部署層的軟體公司躍升為實質受益者;而在邊緣端,聯發科(TWSE: 2454)則憑藉邊緣 AI 晶片的算力優勢,吸納了從雲端下放的輕量化推論需求。模型商品化不僅壓低了應用門檻,也迫使資本市場將關注點從單純的「模型參數突破」轉向企業終端應用的「實際邊際獲利改善」。

瓶頸轉移與結構分化:水冷散熱與記憶體長約重塑供應鏈

當 Blackwell 與 Rubin 世代晶片功耗衝破千瓦大關,AI 基礎設施的硬體瓶頸已從單純的算力晶片轉向散熱與封裝。台積電(TWSE: 2330 / NYSE: TSM)透過 CoWoS 與矽光子(CPO)技術獨霸高階封裝,而奇鋐(TWSE: 3017)等水冷模組供應商則受惠於水冷滲透率飆升;博通(Broadcom, NASDAQ: AVGO)亦在 CPO 交換器與高階 ASIC 領域構築深厚壁壘。不過,延伸研究數據提醒,水冷系統高度客製化的特性隱藏著庫存跌價風險,一旦 CSP 機櫃規格出現變動,非通用組件的產能無法輕易轉嫁。另一方面,記憶體產業呈現「消費性與企業級」的顯著分歧:雖然手機與 PC BOM 成本暴增壓抑了消費端出貨,但企業級 SSD 需求極度強勁,原廠導入的 5 年長期供應協議(LTA)雖封頂了價格暴漲空間,卻透過強硬條款鎖定長期現金流,展現了記憶體供應鏈在資本支出第二階段中,以營運能見度換取本益比修復的戰略轉型。

混合網絡經濟學:自動駕駛威脅下的真實資產防禦力

華爾街對無人駕駛(AV)技術顛覆傳統網約車平台的恐懼,導致部分輕資產平台的估值乘數遭到大幅修剪,但這種悲觀定價忽視了「混合網絡經濟學」的底層優勢。以特斯拉(Tesla, NASDAQ: TSLA)為首的自營重資產車隊,雖然在平峰時段(Baseload)具備極低的單英里成本,但在面對惡劣天候或大型活動等尖峰需求時,全自駕車隊會因備用車輛過高的折舊與空車率(Deadhead Miles)而陷入極大的虧損陷阱。相對地,優步(Uber Technologies, NYSE: UBER)利用 2 億月活躍用戶的平台生態,彈性調動人類駕駛與超過 20 家 AV 夥伴(包含 Nvidia、Rivian 等)共同提供服務,透過高毛利廣告與 Uber One 訂閱體系創造強勁自由現金流。歷史與營運數據顯示,AV 的普及非但不會抹滅平台價值,反而會降低汽車擁有率、進一步放大網約車整體市場總量。

往期阿法觀點