Subscribe now

華爾街正在重新定價 Meta。

Muse 在 9 月 8 日推出後迅速登上美國 App 排行榜前列，Meta 股價其後一度上升約 27%，市值最高增加超過 4,000 億美元。這已經不是市場對一個新 App 的普通反應，而是投資者開始重新計算一件過去很難估值的事情：Meta 每年投入巨額 AI 資本支出，除了令 Facebook、Instagram 的廣告更準之外，原來還可能孕育出一個全新的消費平台。

市場真正開始看到的，不只是另一個 ChatGPT，而是 Meta 第一次有機會把自己過去二十年最擅長的事情，從「影響你看什麼」再向前推一步——開始影響你最後選什麼、買什麼，甚至直接替你完成交易。

Facebook 與 Instagram 賺的是你的注意力。Muse 想掌握的，卻是你的意圖，甚至最後的決定。這是一個完全不同量級的生意。但它亦產生了一個非常 Meta 的矛盾：

一家最擅長把使用者行為變成廣告收入的公司，現在想成為你最信任的私人助理。

所以，Muse 真正值得追問的，不是它能做到多少事，也不是模型是否比 ChatGPT 更強，而是當它開始替你作決定時：

Meta 最強的兩種 DNA，剛好在 Muse 身上撞在一起

Muse 到目前為止的成功，首先要承認 Meta 做對了一件事：它非常懂消費產品。

個人 AI 代理人並不是 Meta 首創。Google 早在今年 5 月已推出 Gemini Spark，同樣定位為全天候替使用者處理任務的 AI 助理，而且 Google 手上還有 Search、Android、Gmail、Maps 等大量入口。

但 Google 當時一次發布大量 AI 功能，Spark 最後只是其中一項。Meta 對 Muse 的處理完全不同：它把產品價值壓縮成一句普通人馬上聽得懂的話——這不是另一個聊天機器人，而是一個真的替你把事情辦完的私人助理。

Meta 官方甚至刻意強調 Muse「沒有學習門檻」，可以像傳訊息一樣直接交代工作；它能寄 Email、訂旅行、處理長期任務，而且可以直接在 WhatsApp 使用。

Meta 的第二種 DNA，則來自它最成熟的商業模式。2025 年 Meta 約 2,010 億美元收入中，廣告收入超過 1,960 億美元。過去二十年，它最擅長的事情不是替使用者完成工作，而是理解行為、預測需求，再把這種理解轉化成廣告收入。

這本身不是問題，但放到 Personal Agent 身上，利益關係就變得複雜。Muse 的產品承諾，是站在使用者一邊替你搜尋、比較、推薦，甚至直接完成交易；Meta 的商業本能，卻是把需求與意圖變成收入。兩者並非天然衝突，但當 Muse 愈來愈接近最終決策，這兩套邏輯就不可避免會在同一個地方相遇。

所謂 Sponsored Agent，可以簡單理解為：當 AI Agent 開始替使用者搜尋、比較、推薦甚至完成交易後，品牌與商家也開始尋找進入這條新互動鏈的商業模式。它可能只是公開的品牌對話，也可能延伸到交易分潤；真正敏感的情況，則是商業利益開始影響最後推薦。

真正需要分清楚的是，這幾種模式表面上都叫 Sponsored Agent，但對使用者信任的影響其實完全不同。

Sponsored Agent 最大的問題，是大家把三種生意混在一起

目前市場談 Sponsored Agent，經常把完全不同的變現方式混為一談，我認為至少要拆成三層 :

第一層是公開品牌代理。OpenAI 最新測試的 Sponsored Agents 就屬於這一類：使用者先看到廣告，再自行選擇是否進入由品牌贊助的 AI 對話。它與 ChatGPT 原本的回答分開，本質上仍然是傳統廣告，只是 Banner 變成了對話。

第二層是交易服務費。Agent 替你完成一筆交易，平台向商家收取一小部分。這也不是特別危險的模式。OpenAI 的即時結帳就曾採取類似邏輯，商戶支付交易費，但官方明確表示這不影響商品排序。

真正值得警惕的是第三層：商業利益開始影響推薦。 假設兩間酒店的價格、位置與評價相若，其中一家沒有商業合作，另一家願意把交易額的 2% 分給 Meta，Muse 最後會推薦誰？如果另一家願意付到 4%，排序又會不會改變？

目前沒有證據顯示 Meta 正在出售 Muse 的推薦排名，這點必須講清楚；但正因這種影響可以發生在使用者看不見的決策過程裡，它才最值得提前研究。公開廣告可以標示，交易費可以披露，真正危險的是商業利益一旦進入推薦邏輯，使用者未必有辦法察覺。

Sponsored Listing 最終可能變成 Sponsored Decision

傳統搜尋廣告至少有一道天然限制：消費者仍然看得到其他選項。Google 可以把贊助結果放在最前面，Amazon 也可以讓品牌競價搜尋位置，但使用者仍然可以往下滑、比較價格、查看評價。Agent 的價值卻恰好相反——它存在的目的，就是替你減少選項，把一百間酒店縮成十間、三間，最後甚至直接告訴你：「這間最適合你。」效率提高了，但使用者對決策過程的可觀察性也同時下降。

如果 Muse 最後只推薦三間酒店，你很難知道第四間為什麼被排除。可能是價格、位置或評價，也可能存在使用者看不到的商業因素。搜尋時代，演算法主要決定「誰排得更前」；Agent 時代，黑箱開始決定的卻是「誰根本不會進入你的候選名單」。因此我認為，Sponsored Agent 最終真正有價值、也最值得警惕的形式，未必是公開的品牌對話，而是 Sponsored Decision——贊助決策：

這不是陰謀論，而是一個很老的經濟問題

其實根本不需要假設 Meta 有任何惡意，這本質上就是一個典型的委託代理問題（Principal-Agent Problem）。使用者以為自己是委託人，Agent 的任務就是替自己找最佳答案。但如果真正向平台支付大量收入的是商戶，而平台又控制 Agent 的推薦機制，那麼同一個 Agent 其實同時面對兩組利益未必一致的主人。這種問題早在 AI Agent 出現之前已經存在。

而 Agent 把這個問題再放大了一層，因為 Amazon 就算把自己的商品排前一點，你還看得到其他商品；如果 Muse 已經替你把一百個選項壓成一個答案，你連偏差是否存在都未必知道。

FTC 今年提出的 AI 政策聲明，也開始碰到一個相近的核心問題：如果 AI 表面上承諾替使用者完成某個目標，實際上卻被導向另一套沒有披露的目標，可能構成欺騙。這份文件原本主要針對政治或意識形態因素對 AI 輸出的干預，並非直接討論商業推薦；但背後的原則同樣值得套用到 Agent——使用者以為 AI 正在替自己最佳化，與系統實際正在最佳化的目標之間，不能存在一個完全沒有披露的落差。

安全、隱私與利益一致性，其實是三個完全不同的問題

Meta 在 Muse 的安全設計上做了大量工作，這點我反而認為值得肯定。

Muse 運行在獨立安全虛擬機內，密碼與付款資料放在 Agent 無法直接看到的安全區域，敏感操作需要使用者確認。Meta 更表示，Muse 的對話與 VM 資料不會直接提供給廣告系統。

安全：「我的資料會不會被偷走？」

隱私：「平台可以看到、保存或利用我多少資料？」

利益一致性：「當 Agent 替我作決定時，它究竟優先考慮誰的利益？」

一個系統可以非常安全，也可以非常重視隱私，但仍然存在利益衝突。

所以我認為 Muse 未來真正難解的問題，不只是安全或隱私，而是更難量化的利益一致性。

很多人其實都有過類似的第一身經驗：明明沒有搜尋某件商品，沒有按讚、留言，甚至沒有按進商品頁，只是在 Instagram、Facebook 或其他平台上多看了某類內容幾秒，沒多久之後，Feed 裡卻開始出現高度相關的內容，甚至廣告。那種感覺很容易令人產生一個疑問：「我明明什麼都沒有告訴它，它怎麼知道？」

答案未必是平台「偷聽」了你的對話。更常見的原因，現代推薦系統早已從顯性互動，走向兩種更細緻的訊號：

你有沒有停下來看、看了多久、立即滑走還是停留二十秒、有沒有重看、之後又看了哪些內容，這些微小行為本身都可以成為隱性行為訊號（Implicit Behavioral Signals），最後被模型用來做意圖推論（Intent Inference）。

Muse 值錢的不是模型，而是它坐的位置

Meta 過去最有價值的資產，是掌握使用者的注意力（Attention）；再進一步，則是從行為中推測需求與意圖（Intent）。Muse 真正想取得的，卻是更靠近交易終點的位置——直接參與甚至影響最後的決策（Decision）。對平台而言，離交易愈近，商業價值通常愈高，這也是市場重新評估 Meta 的重要原因之一。

如果 Muse 最終成為大量消費者的預設入口，Meta 得到的就不只是另一個廣告版位，而是直接站到購買決策之前。但這項優勢同時也是最大的風險：當平台愈接近最後決定，使用者就愈需要相信，這個決定首先是為自己作出的，而不是為平台的收入模型服務。

到這裡，Muse 真正的價值已經開始清楚：它爭奪的不是另一個 AI 入口，而是站到消費決策之前。

但對投資者而言，更重要的問題其實現在才開始——這個位置到底可以變成多少收入？誰會因此少賺一份？而 Meta 為了讓 Muse 真正替你做事，又要付出多少成本？

接下來我會從交易抽成、Agent 執行成本、Amazon 與 Airbnb 的攻防，一直拆到 Apple、OpenAI 與 Google，看看華爾街這次超過 4,000 億美元的重新定價，究竟需要什麼條件才能真正成立。

其中一個最直接的切入點，就是 Booking、Airbnb 與 Expedia 的最新 Take Rate：Meta 所謂的「小額交易費」，對消費者可能很小，對平台原本的收入池卻未必如此。

Read more

Subscribe now

川習會將於 9 月 23 至 25 日舉行，這次接待規格相當高：川普會親自前往「安德魯斯聯合基地」（Joint Base Andrews）迎接習近平與夫人彭麗媛；24 日白宮正式歡迎儀式動員 479 名美軍人員，最後還會由一架 B-2 Spirit 隱形轟炸機與四架 F-22 Raptor 戰機飛越白宮。當晚則在白宮 East Room 舉行國宴。(The White House)

目前媒體報道的美國商界名單，幾乎就是一張美國科技產業的權力地圖：

AI、晶片、雲端、消費電子、電動車與金融全部到齊。

幾天前，Reuters 曾披露一份仍在考慮中的中方企業名單，包括比亞迪、寧德時代、小米、國軒高科、海信、萬向集團、中國銀行及中糧集團。當時看起來很有意思：一邊明顯偏向 AI 與大型科技平台，另一邊則集中在製造業、汽車、電池與實體貿易。

而我第一眼看到中方名單時，最大的疑問其實是：為什麼一次帶了這麼多電池相關企業？

但最新的 WSJ 獨家報道，反而令這條線出現重要變化。消息人士透露，習近平這次很可能不會帶中國企業高層代表團赴華盛頓。若最終如此，意味著這次峰會直接宣布大型企業投資或電池合作的可能性，要比之前市場預期低得多。WSJ 也將企業代表團可能缺席，解讀為外界對重大商業成果預期下降的一個訊號。

很多人一看到電池，第一反應仍然是電芯、電池包，甚至中國電動車能不能進入美國。但真正的電池產業鏈遠比終端產品大得多。從鋰、石墨、磷化工材料、錳等上游原材料，到正極材料、負極材料、電解液，再到製造設備、製程技術與經驗、專利與關鍵智財（IP）授權，最後才是電芯、電池包與儲能系統。

市場看到的是電池產品，但真正可以被拆開來談的，是材料、設備、技術、IP 與製造能力整套生態。

即使這次沒有中國電池企業高層隨行，也不代表這條產業線沒有意義，只是時間表可能沒有我之前想像得那麼快。美國貿易代表 Greer 最近透露，美中正在透過今年 5 月成立的美中貿易委員會（Board of Trade），識別一批雙方可以進行較平衡貿易、同時不涉及敏感領域的商品。USTR 的官方定位，本身就是透過這個機制逐步處理「非敏感商品」的雙邊貿易。

目前美中經貿關係的處理方式就是先把政治敏感度較低、比較容易談的項目拆出來，而電池這種牽涉產業政策、供應鏈安全與技術授權的議題，可能是一條更長、更複雜的談判線。

中國新能源車市場近年競爭激烈，價格戰持續壓縮產業鏈利潤，而寧德時代本身也正在快速擴大儲能與海外市場。2026 年上半年，寧德時代儲能電池系統收入年增 87% 至人民幣 532 億元，顯示儲能正在成為 EV 動力電池以外愈來愈重要的第二成長曲線。

如果未來真的出現中美電池產業合作，我反而不會只留意幾十 GWh 的電池採購單。更值得看的可能是一整套被拆開來談的合作：原材料、製造設備、技術與 IP 授權、美國本土生產、儲能系統，甚至供應鏈重新配置。

而這種模式其實也不是純粹想像。Financial Times 最新報道就提到，寧德時代已經為美國皮卡市場開發電池產品，而潛在進入方式之一仍然是技術授權、本地生產，而不是寧德時代直接在美國持有和營運工廠；不過這條路仍面對相當大的政策與國安審查障礙。

另一方面，市場最容易聯想到的仍然是稀土。但我反而不認為它會成為這次峰會最主要的「新增交易」。最新 WSJ 報道顯示，雙方目前更可能集中於維持既有貿易休戰與稀土供應安排，以及有限度推進非敏感商品安排，而不是重新簽下一份大型稀土協議。

2025 年 2 月，中國正式把磷化銦（InP）、三甲基銦（TMI）、三乙基銦（TEI）及相關生產技術納入出口管制，出口需要申請許可；這是出口許可制度，而不是全面禁止出口。

這對 AI 基建尤其值得留意。TrendForce 指出，磷化銦 （InP） 正成為 AI 資料中心光互連擴張的重要供應瓶頸，因為高速 EML、CW Laser，以及未來 CPO 都離不開 InP 光源；中國約佔全球精煉銦產量七成，中國的材料槓桿已經不只停留在汽車、國防與傳統工業，而是逐漸延伸至 AI 資料中心最敏感的光互連上游。

如果稀土與銦相關供應鏈再次出現在這次會談，更值得看的可能是既有承諾到底如何落實，而不是重新包裝成另一筆大型商業協議。

另一個同樣不能忽略的名字，是中糧集團（COFCO）。

中國最近明顯加快採購美國大豆。USDA 公布的出口銷售資料顯示，僅 9 月 1 日至 18 日便宣布至少 91.3 萬噸美國大豆售往中國。至於實際買家，Reuters 引述交易商指，中糧與中儲糧被認為是近期主要的國有買家。

不過，這裡需要分清楚「新增交易」與「履行舊協議」。按白宮去年公布的協議內容，中國承諾在 2026、2027、2028 年每年至少購買 2,500 萬噸美國大豆；中國不是突然送給美國一筆全新的農業大單，而是：北京本來就有一批既有採購承諾需要逐步履行。

這也令整件事進入一個更微妙的政治時間點。

美國 2026 年中期選舉將於 11 月 3 日舉行，距離現在大約六周。農產品採購、關稅休戰與如此高規格的元首訪問集中在這個時間點，即使不存在任何新交易，原本的採購本身已經足夠產生美國國內的政治效果。

最新 WSJ 報道令「北京會在選前配合一批大型商業成果」這種假設進一步降溫。

雙方未必準備送給對方一份大禮，但理由避免重新把關係推回失控狀態。

這也多少呼應了本週市場的氣氛。當然，不能把升市簡單歸因於川習會。週一 Nasdaq 創下收市新高，直接推動力主要仍然是 AI 與半導體股重新走強，加上油價及美債殖利率回落；S&P 500 則收在距離歷史高位約 0.4% 的位置。

市場未必需要一份歷史性的中美協議才能受益。只要關稅休戰沒有破裂、關鍵礦物供應沒有再次急劇收緊、科技管制沒有突然升級，中美關係繼續停留在「可管理競爭」的範圍，至少意味著部分尾部風險沒有進一步惡化。

川習會未必需要帶來驚喜，只要不要帶來新的意外，就已經足夠。至少在中期選舉以前，雙方似乎都有理由不要把桌子掀翻。

Subscribe now

如果說上半年台積電已經相當看好 AI，下半年釋放出的訊號反而更加樂觀。台積電預期，隨著 AI 從模型訓練走向大規模部署，未來幾年全球資料中心新增容量可能由過去每年約 5 至 6GW，大幅提升至 30 至 40GW。

但真正值得注意的，不只是 AI 晶片需求繼續增加，而是台積電正在重新定義自己的角色。台積電近年提出 Foundry 2.0，市場未必充分消化的變化，是它重新擴大了「晶圓代工產業」的定義。

最近我愈來愈強烈感受到，台積電的競爭力正在進一步拉開與對手的距離。除了 COUPE™、CoPoS™ 這些具代表性的技術布局之外，更值得注意的，其實是大量看似細微、但彼此相互連結的產業合作與生態系整合。這些變化逐漸勾勒出一條很清楚的主線：台積電正在從先進製程領導者，進一步走向更完整的平台化競爭。

這個題目牽涉的範圍太廣，從先進封裝、光互連、記憶體，到測試與設備生態系，都值得分開深入研究，因此我會拆成幾篇文章逐一整理。本篇就先「蹭一下」漢民測試 IPO 的市場熱度，從檢測這一塊切入，看看 「測試左移（Shift-Left Testing）」、3DFabric 與整個先進封裝生態系正在發生什麼變化。

至於台積電本身的估值與股價，以我目前的看法，市場仍然明顯低估了這種平台化能力所帶來的長期價值。

按照台積電目前的定義，Foundry 2.0 已不再只包括傳統的晶圓製造，而是把封裝、測試、光罩與其他相關技術，以及記憶體以外的整合元件製造商（IDM）一起納入可服務市場。台積電估計，2025 年這個重新定義後的 Foundry 2.0 市場規模約達 3,050 億美元。這件事不能只理解成台積電為了計算市佔率的考慮，所以把市場範圍畫大一點。

它背後反映的是半導體競爭方式已經徹底改變！

過去可以比較清楚地把晶片分成設計、晶圓製造、封裝、測試幾個階段，每家公司守住自己的位置。但當一顆 AI 加速器開始由不同製程、不同材料、不同功能的晶粒共同組成之後，晶圓製造與封裝的界線變得模糊，封裝與測試的界線同樣開始模糊。

今天的問題已經不是：「這顆晶片能不能做出來？」

而是：「這些不同晶粒能不能可靠地連在一起，而且在合理成本下量產？」

因此台積電的 3DFabric 聯盟，除了 EDA、IP、記憶體、封測與載板之外，已經把 Testing 測試獨立列為一個合作類別，目前官方名單包括 Advantest、Keysight、Teradyne，以及 Cadence、Siemens EDA、Synopsys 等公司。台積電對測試夥伴的描述也很直接：合作重點包括共同開發測試與壓力測試方法，以滿足 3DFabric 的可靠度與品質要求。

這裡需要特別說清楚一件事。

3DFabric Alliance 並不是 2026 年才突然成立，早在 2022 年已經推出；真正值得注意的是，隨著先進封裝逐漸進入大規模量產，測試已經不再只是產品完成後才交給後段廠商處理的工作，而是需要在新架構開發初期就共同定義。

這個轉變非常重要！

因為當測試方法需要與晶片、封裝甚至系統架構一起設計時，測試就不再只是後段製程，而開始成為平台的一部分。

過去談半導體，市場最容易把注意力集中在最前面的幾個環節：製程節點能不能從 5 奈米走到 3 奈米、2 奈米；曝光設備能不能再提高解析度；晶圓廠能不能拉高良率。

至於「測試」，很多時候都被放在產業鏈後段。晶片做完了，測一下好不好，再決定哪些可以出貨。這很容易讓人產生一種錯覺：測試只是製造完成後的品質把關，是成本，而不是技術價值的來源。

但 AI 晶片、HBM、Chiplet、3D IC、CoWoS，以至共同封裝光學（Co-Packaged Optics，CPO）正在徹底改變這個邏輯。

原因其實很簡單：

以前一顆晶片壞掉，最壞的情況可能只是報廢一顆晶片；現在如果把幾顆昂貴的運算裸晶、HBM、中介層、光子晶片、電子晶片全部封裝在一起，直到最後才發現其中一顆早就有問題，損失的已經不再是那一顆壞晶片，而是前面所有已經投入的昂貴零件與封裝成本。

FormFactor （$FORM）管理層在談 HBM 測試時便直接指出，HBM 是由多顆裸晶堆疊而成，只要其中一顆有問題，就可能令整個堆疊失敗，因此必須盡可能在晶圓階段確認每顆裸晶的品質。

這就是「左移」真正的經濟邏輯，它不是單純增加測試次數。

而是用較早、較便宜的測試成本，避免較後、較昂貴的報廢成本。

所以 AI 時代帶來了一個看似反直覺的現象：封裝愈複雜，測試反而愈需要往前走 。

其實道理跟軟體開發同一道理，這就是近年半導體測試產業最重要的結構性變化之一 ： 「測試左移（Shift-Left Testing）」。而台積電 Foundry 2.0 與 3DFabric 生態系，正好把這種「測試左移」的產業變化具體化。

CPO 的 Insertion 1–4，把「測試左移」推到極限

「測試左移」概念到了 CPO，幾乎被推到極致。

共同封裝光學最大的變化，是把原本位於可插拔光模組裡面的部分光學功能，逐步搬到交換器或運算晶片附近。理論上，它可以大幅降低高速電訊號在銅線中傳輸的距離，改善功耗與頻寬密度；但製造上也帶來一個麻煩：

光學、電子與先進封裝開始被綁在一起。

任何一個環節失敗，都可能拖累整個昂貴模組。因此 CPO 不可能只在最後測一次，而是在不同製造階段不斷插入測試。這也是現在產業經常談到的測試 Insertion。

目前業界對 Insertion 的命名並非百分之百統一。有些架構把最終系統級測試另外稱為 Insertion 5；若採目前較常見的四階段框架，大致可以理解為：PIC 晶圓、PIC＋EIC、光引擎，以及最終先進封裝模組四個主要關卡。

Insertion 1 : 光子積體電路（PIC）晶圓測試

這時候光子晶片還沒有和昂貴的電子晶片整合，可以先測基本電性與光學特性，例如光功率、損耗、暗電流等。TrendForce 特別指出，這個階段的晶圓級光學測試非常重要，原因正是 PIC 往往使用相對成熟製程 （採用 N65 SOI 製程，主要整合調變器、光偵測器、波導等矽光子元件），而與它搭配的電子晶片可能來自更昂貴的先進製程；如果可以先把不良 PIC 找出來，就不需要讓昂貴的電子晶片陪它一起報廢。

Insertion 2 : PIC＋EIC 光電整合測試

EIC目前公開架構以 N7 為主，負責 Driver、TIA 及控制電路，並可向 N6 等更先進製程延伸。當電子積體電路（EIC）與光子積體電路結合後，要在晶圓層級同時測試光訊號與電訊號，包括調變功能、高速訊號及 S 參數。某些架構甚至需要晶圓上下兩面同時接觸：一邊做電性探測，另一邊進行精密光纖對位。

旺矽目前推出的雙面 300mm 自動晶圓探針系統，就是針對這種矽光子光電協同測試，並明確指出可支援台積電 COUPE 類型需要的雙面探測。

Insertion 3 : 光引擎（Optical Engine）

這時晶圓已經切割，光學與電子元件亦已進一步整合。測試目的不再只是確認某個元件能不能工作，而是要確認整個光引擎能否達到高速傳輸、光學迴路、訊號完整性等規格。

到了這一步，產業開始追求另一個概念——已知良品光引擎（Known Good Optical Engine）。

因為只要能在光引擎進入最昂貴的最終封裝之前確定它是好的，就可以再降低一次整體報廢風險。

Insertion 4 : 完整先進封裝模組

這裡需要面對的不只是高速訊號，同時還有大電流、高功耗、溫控，以及精密光學耦合。產品已經非常接近最終形態，一旦失敗，代價自然也是最高。

所以從 Insertion 4 往 Insertion 3、2、1 移動，本質上就是一場與成本曲線的競賽：

越早把問題找出來，後面需要承擔的報廢成本就越少

測試三大指標（定位、定量、定值）：為了在早期抓出瑕疵，測試必須做到：

1. 定位：找出異常發生在哪顆晶粒、哪個具體位置。

2. 定量：量化光損耗的程度。

3. 定值：透過不同波長與光學資訊，進一步判斷異常的根本來源。

CPO 真正開始進入量產後，測試設備本身很可能成為下一個瓶頸。問題也隨之而來：Insertion 1 到 4 分別由哪些公司卡位？誰掌握 ATE、探針、光學測試與 Burn-in？又有哪些公司有能力從單點設備進一步走向「測試統包」？

這才是接下來真正值得拆解的部分。

如果你目前是免費訂戶，前面已經完整交代了為什麼 AI、先進封裝與 CPO 正在推動「檢測左移」。接下來的付費部分，我會進一步拆解 Insertion 1–4 的主要供應商、Advantest 與 AEHR 的位置、全球及台灣探針卡競爭格局、影像檢測市場，以及最後回到漢測：市場現在到底在期待什麼。

Read more

Subscribe now

我會把昨天「CPO 讓 CCL 從 M8/M9 一路降到 M4」的說法拆成兩層看。第一層的物理邏輯是成立的，而且 NVIDIA 現有 CPO Switch 已經證明這件事，但說成M4 就太誇張；但第二層把它直接外推成「Feynman Compute Tray 也不再需要 M9」，目前證據不足，我認為今天市場流傳的版本，確實就是把「224G/448G SerDes 不再長距離走 PCB」直接推到「主機板只剩 PCIe Gen5，因此 M4 就足夠」。(MoneyDJ)

Read more

Subscribe now

在看這篇長文前，不妨先以行動支持一下頻道，感謝！

如果要向完全不懂人工智能的人解釋「AI 失控」，大概沒有任何論文比《Terminator》更有效。

電影裡的 Skynet 原本只是人類建立的軍事人工智能，但當它擁有自主判斷能力之後，人類突然由它的主人變成最大的威脅。結果大家都知道：機器不再等待指令，而是決定消滅人類。

這個故事拍成電影非常成功，以至於四十多年後，只要有人說 AI 可能威脅人類，我們腦海裡第一個畫面仍然是一群機械人拿著槍追殺人類。

但這也是 AI 安全討論最大的問題，因為「AI 突然有邪惡意識，然後決定殺死所有人」其實是一個相當差的技術解釋。真正值得認真研究的問題，不是 AI 會不會像電影反派般恨人類，而是另一件聽起來沒有那麼戲劇性、實際上卻可能更重要的東西：

Recursive Self-Improvement，遞迴自我改進，簡稱 RSI。

Skynet 最值得保留的，其實不是機械人，而是那個 feedback loop

今天的 AI 發展模式其實非常容易理解：人類研究員設計模型，人類寫程式，人類做實驗，人類看結果，再決定下一代模型應該怎樣改進。

AI 可以幫忙，但方向仍然由人決定，RSI 真正改變的是這一點。

想像第一代 AI 可以令一名 AI 工程師的研究效率提高兩倍。

第二代開始不只是幫工程師寫代碼，而是自己提出實驗、執行實驗、比較結果，再推薦新的模型架構。

第三代則開始參與設計自己的下一代。而因為下一代 AI 比上一代更聰明，它設計下一代 AI 的能力又再提高。

於是：AI 改進 AI → 更好的 AI 更快改進下一代 AI → 下一代再以更快速度改進。

問題就在這個循環

Anthropic 最近公開的研究其實已經非常接近這條路徑，但同時也清楚承認：我們今天還沒有進入完整的 RSI，RSI 也不是必然發生。目前比較準確的描述是，AI 已經開始大量參與 AI 本身的研發流程。Anthropic 表示，其工程師目前平均每季產出的程式碼已是 2021–2025 年平均水平的八倍；在一項 AI safety research experiment 中，AI agents 甚至能夠長時間自行提出假設、測試及反覆迭代。(Anthropic)

今天並不是「AI 已經可以自行製造超級 AI」。今天是：AI 正逐步進入製造下一代 AI 的生產線。而真正需要監察的是，這個比例究竟會不會由 10%、20%、50%，最後走向接近完全自動化。

RSI 為甚麼比一般「AI 毀滅論」更值得討論？

因為它改變的不是 AI 有多聰明，而是人類還剩多少反應時間。

假設 AI 能力每兩年提高一個世代，人類其實有很多方法處理問題。

政府可以立法，公司可以建立新的 safety framework，研究員可以分析事故，社會可以慢慢適應。但如果 AI 本身開始加速 AI research，原來兩年的 improvement cycle 變成半年、兩個月、兩星期，問題便完全不同。

真正的 existential-risk argument 不是：

「有一天 AI 會突然討厭人類。」

而是：

「有一天 AI 能力改善的速度可能超過人類理解、測試和建立安全措施的速度。」

這正是 Dario Amodei 最近把 RSI 放在整場 AI slowdown 討論核心的原因。他在《We Must Pace the Frontier》中明確表示，令他最近改變態度的第一個原因，就是 AI 開始愈來愈多地參與下一代 AI 的開發；他甚至提出，未來國際協議其中一級可以直接對 RSI 的速度設定「speed limit」。(Dario Amodei)

這比「Skynet 覺醒」是一個遠為具體的 argument。但要注意另一邊：RSI 目前仍是一條可能的技術路徑，不是一件已經證實必然發生的事情。

這也是整場爭議最重要的分界線。

但突然地，奇怪的事情發生了

9 月 12 日星期六，在不到十小時之內，四個平日彼此激烈競爭、甚至互相敵視的 frontier AI 陣營，突然出現非常罕見的共識。

Dario Amodei 首先發表長文，要求 pace the frontier。

Elon Musk 隨後表示：「Dario is right。」

Sam Altman 再表示自己同意應該 pace the frontier。

晚上，Google DeepMind 的 Demis Hassabis 亦表示，Amodei 指出的方向是正確的，雖然具體細節仍然需要討論。(Axios)

表面看，這是一個非常驚人的故事：

全球最有能力製造超級 AI 的四批人，突然一起告訴全世界：我們可能跑得太快了。

但如果逐個拆開，就會發現他們雖然用了差不多的語言，背後其實並不是同一個 proposition。

Dario Amodei：真正要求的不是「停止 AI」

Amodei 的方案其實比很多新聞標題描述得精細。

他並沒有要求大家停止訓練模型。

他的三步框架是：首先讓獨立 evaluator 長期進駐 frontier labs；之後由美國 frontier companies 建立共同安全標準；最後才嘗試與中國等國家建立全球協調機制。(Dario Amodei)

真正具有政治含義的是第二步。

Amodei 認為政府甚至可以為 AI labs 的安全協調提供有限的 antitrust waiver，使競爭對手可以共同討論 capability pacing，而且最有效的方法最終仍然是監管。(Dario Amodei)

於是問題開始變得有趣。

因為一套要求高成本 evaluation、audit、compute monitoring 和 certification 的 regulatory architecture，固然可能提高安全性，但同時亦自然建立非常高的門檻 。

今天有資格負擔這些制度成本的，正正就是今天最大的幾家公司。

這不是證明 Amodei 的安全擔憂是假的。

但它說明了科技政策裡非常常見的一個現象：

一個政策可以同時是出於真誠的安全考慮，也同時有利於市場壟斷者。

兩者根本不矛盾。

Sam Altman：安全，同時帶來非常寶貴的 optionality

Sam Altman 的處境更加微妙。

他不但支持 pacing，而且在 Fortune 訪問中透露 frontier labs 之間正在進行私下討論，甚至暗示可能建立一個共同安全協議。

同一個訪問裡，他亦宣布 OpenAI 不會在 2026 年上市，認為在目前安全問題下進行 IPO 並不是合適時間。(Fortune)

這不代表「安全」只是延遲 IPO 的藉口，我們沒有證據可以這樣下結論。但從企業融資（corporate finance） 角度看，效果非常清楚：

原本市場可能把 IPO delay 解讀成估值、盈利能力、capex、治理結構或者市場環境問題；現在公司得到了一個完全不同，而且相當有道德正當性的 narrative：

我們不是因為做不到，而是因為技術進步太快，我們選擇先處理安全。

這是一個非常有價值的策略性選擇。

Demis Hassabis：Google 根本沒有理由跑一場「誰先燒光最多錢」的比賽

Google 的利益結構又完全不同。

Anthropic 和 OpenAI 的企業價值高度依賴 frontier model 本身。

Alphabet 卻不是：它有 Search、YouTube、Cloud、Android、廣告現金流、自研 TPU、全球資料中心和龐大的 distribution。

因此如果 AI 競賽由「每六個月推出更大的 frontier model」逐步變成「模型能力增加之前必須完成更多 evaluation、安全測試和 certification」，Google 未必是輸家。

甚至可能相反。

對一間資產、現金流、distribution 和 infrastructure 都已經成熟的壟斷企業而言，速度下降往往比資源不足的創新企型企業更容易承受。

所以 Hassabis 支持「方向」，但刻意保留「details need working through」，其實非常符合 Google 的位置。(Axios)

Elon Musk：他可能同時相信風險，也同時需要時間

Musk 更不能簡單放進其中任何一個陣營。

他多年來一直警告 AI existential risk，因此今次支持 Amodei 並不是突然改口。Reuters 亦指出，他過去已經支持過 AI pause 及限制 autonomous weapons。(Reuters)

但今天的 Musk 同時又是一名 AI competitor。

因此如果 frontier 的速度由純模型能力競賽變成 capabilities + safety + verification，SpaceXAI 同樣有可能獲得更多時間追趕領先者。

這只是 incentive analysis，不能反過來證明他的安全立場不真誠。

但也是理解整場事件最重要的原則：

不要只問一個人說了甚麼，要問如果他所倡議的政策真的實施，他的競爭力會怎樣改變。

然後就是最敏感的問題：Why now？

這也是 All-In Podcast 最近一期幾乎整集都在追問的問題。

四位科技創投界大佬 Jason Calacanis、Chamath Palihapitiya、David Friedberg 和 David Sacks 對「AI doomer」敘事表現出高度懷疑，討論了 regulatory capture、IPO timing、open-source competition，以及這是否可能演變成一場政治和資本市場上的「doomer psyop」。這些屬於評論和推論，不是已證實事實，但提出的動機質疑值得認真看待。(Muck Rack)

而時間點確實非常微妙。

Anthropic 正準備一宗可能高達約 2 兆美元估值的 IPO，Reuters 報道其 marketing 最早可能在 10 月中開始，甚至可能在 11 月美國中期選舉前數天完成上市。(Reuters)

因此「全球最重視 AI safety 的 frontier lab」這個定位，在 IPO 前突然成為全世界政治和媒體討論的中心，本身當然具有巨大 brand value。

但公平地說，這並不是單向利好。

因為同時也告訴準投資者「我們正在建造一種可能導致災難性及不可控的產品」，同時亦會提高監管、產品可信性及估值上的風險。

所以把整件事直接解讀成「Anthropic 為 IPO 炒作 AI 毀滅論」其實過於簡單。

它更像是一個非常典型的雙面資本市場 narrative：

risk 越大，公司越重要；但 risk 越大，公司本身亦越危險。

更大的背景其實不是 AI，而是錢

過去幾年，AI 最大的故事是模型的能力 ，到了 2026 年，另一個問題正在追上來：

到底誰來付這張帳單？

Morgan Stanley 估算，Alphabet、Amazon、Microsoft 和 Meta 四大 hyperscalers 在 2026 年的相關支出可能達到約 7,000 億美元，而全球 AI 相關債務今年可能接近 5,700 億美元。(Investing.com)

Reuters 的另一項分析更指出，Microsoft、Alphabet、Amazon、Meta 和 Oracle 的 AI 建設速度正大幅侵蝕自由現金流（FCF)；按照目前預測，到 2027 年，這幾間公司的總 capex 甚至可能超過它們產生的 FCF。(Reuters)

所以「AI 應該稍微慢一點」對 hyperscalers 並非沒有吸引力。

它可以降低短期算力競賽、電力需求、數據中心大規模擴充及資金壓力。

但同樣不能說 Big Tech 一定希望 AI 減速——因為它們已經投入的數千億美元，同樣需要持續增長才能產生足夠回報。這就是為甚麼這個故事比「陰謀論」有趣得多：

幾乎每一方都有同時希望 AI 快一點、又希望它慢一點的理由。

然後還有中期選舉

如果只從科技產業角度看這場爭議，會漏掉一半故事。

2026 年美國 AI 最大的政治問題之一，已經不是 ChatGPT，而是 AI Data Center。

電價、土地、水、輸電網、稅務優惠，以及「我們為甚麼要為科技巨頭的資料中心付帳」，已經令AI 數據中心從地方問題變成跨黨派選舉議題。

路透社 9 月初甚至報道，原本非常支持 AI 發表的德州共和黨也開始轉向；至少五個州的共和黨候選人已採取更強硬的AI 數據中心立場。(Investing.com)

Axios 亦指出，data-center backlash 正在成為 2026 midterms 的重要政治議題，一些候選人甚至支持 moratorium。(Axios)

因此「放慢 AI」這四個字突然同時具有三種完全不同的意思：

對 AI safety researchers，是爭取 alignment 時間。

對企業，是重新安排 frontier capex 和 governance。

對政治人物，則可能是回應 voter backlash。

到這裡，科技政策已經完全進入政治經濟學。

David Sacks 的反擊，其實擊中了這個矛盾

David Sacks 的回應可能是整場辯論裡最值得引用的反方論點之一。

他的核心意思不是「AI 完全沒有風險」。

而是：

如果 OpenAI 和 Anthropic 真心相信自己的 unreleased models 危險到應該減速，那麼它們自己就可以減速。

為甚麼還需要政府提供 antitrust waiver，再把同一套規則強加給所有 competitor？

Sacks 認為，如果 pacing 最後變成只有少數 frontier labs 能滿足的 regulatory framework，就有 regulatory capture 的風險。他甚至直接表示：如果兩家公司真心不想製造 superintelligence，最簡單的方法就是自己不要造，而不是把政府監管作為前提。(Nitter)

這其實是一個非常重要的試驗，未來可以觀察：

這些公司是真的自行降低模式能力競賽，還是只支持「所有人一起被限制」？

兩者代表完全不同的事情。

Jensen Huang：請給我證據，不要給我末日論

Nvidia 的位置又是另一個極端。

Jensen Huang 在最新 All-In Summit 訪談中承認 AI safety 是合理研究方向，也肯定研究員公開提出問題的勇氣，但他對「AI 將消滅人類」這種概率式預測非常懷疑，認為缺乏足夠科學基礎。(Business Insider)

這個立場其實值得注意。

Jensen 並不是說：「AI 一定安全。」

而比較接近：「如果你說它危險，請拿出可以測試、重複和工程化處理的危險。」

這代表兩種完全不同的安全哲學。

一種採取防禦性原則：「後果太大，即使概率未知，也應該先減速。」

另一種採取工程性原理：「先找得到 measurable failure mode，再針對 failure mode 解決。」

兩邊其實都有合理之處。

Trump 看見的根本不是 alignment，而是一場國家競賽

然後 Trump 在 Jensen 的 All-In Summit 訪談期間直接打電話進來。

他把目前 AI doomerism 稱為騙局「hoax」，更公開表示 robots 不會接管世界。(Reuters)

如果把 Trump 當作 AI 技術評論員，這句話沒有太大價值。

但如果把他當作美國總統，邏輯便非常清楚。

他思考的是：如果美國減速，而中國沒有減速，會發生甚麼？

這也是為甚麼他的 AI policy 一直將數據中心、晶片、電力和 AI 領先度視為國家競爭力問題，而不是單純 alignment 問題。

有趣的是，Amodei 自己其實也承認同一個 dilemma。

他的方案明確表示，美國不應該放慢到讓中國超越，而且主張繼續限制先進 AI 晶片、半導體設備和模型蒸餾。(Dario Amodei)

所以兩邊真正的差別並不是：「一邊在乎中國，一邊不在乎。」

而是：Amodei 想建立「保持領先，同時在領先幅度之內減速」的機制；Trump 認為在這場競賽裡刻意減速本身就是危險。

這才是最難解決的矛盾。

所以，這到底是不是一場陰謀？

我的答案反而是：不需要有陰謀，結果也可以看起來像陰謀。

• Anthropic 有安全考量，也有未來 IPO 的誘因。

• OpenAI 有安全與治理壓力，同時也保留 IPO 的選項與彈性。

• Google 享有既有龍頭與生態系優勢，放慢產業競賽對它相對有利。

• SpaceXAI 則可以藉由產業放慢，換取更多追趕前沿模型的時間。

• Hyperscalers 面對龐大的資本支出，以及資料中心電力與基礎設施壓力。

• 政治人物則受到期中選舉與民意壓力影響。

• Safety researchers 擔憂可能失控的 Recursive Self-Improvement（RSI）。

• 媒體得到一個比「下一代模型 benchmark 又提高 7%」吸引一百倍的故事。

• Trump、Jensen、Sacks，也得到一個非常清楚的政治定位：我們代表 innovation、competition 和 America-first AI。

當所有人都有自己的目的，你根本不需要一個秘密房間安排所有人的台詞。

系統自己就會產生 campaign。

而從 campaign 的角度看，它已經非常成功

判斷一場 political communication campaign 成不成功，不應該只問「大家有沒有相信它」。更重要的是看它有沒有改變議題。

幾個星期以前，AI 討論的核心仍然是：

誰的 model 最強？

誰有最多 GPU？

誰最接近 AGI？

現在問題突然變成：

我們是不是跑得太快？

這在政治傳播上叫做 agenda setting。

一場 campaign 最成功的狀態，不是所有人都同意你。

而是：所有人都開始討論你設定的問題。

從這個角度看，「pace AI」已經取得巨大成功。

最後，真正的問題不是「你相不相信 Terminator」

我反而認為這場討論最危險的地方，是它開始形成一種假的二元對立。

一邊是：「AI 可能毀滅人類，所以立即減速。」

另一邊是：「Doomerism 都是騙局，所以全速前進。」

所以真正值得問的問題從來不是：「AI 應不應該慢下來？」

而是三個更難回答的問題：

1. 誰決定甚麼叫太快？

2. 誰有權要求其他人一起慢？

3. 如果今天替 AI 設限的，正正就是目前跑在最前面的幾家公司，我們究竟是在控制 AI，還是在決定未來誰有資格控制 AI？

《Terminator》告訴我們，人類最大的恐懼，總有一天會失去對機器的控制。

每篇深度分析都花了大量時間閱讀及研究，如果這篇內容對你有幫助，歡迎 Like、Share、Comment、Restack，也別忘了推薦給朋友免費訂閱。你的支持，是我持續寫作最重要的動力

Subscribe now

如果這類內容對你有幫助，歡迎先按個 Like 支持一下再慢慢看長文 ：

康寧 Corning（＄GLW）是目前投資組合中第八大持股，繼台積電後，是少數處於光通訊及玻璃基板封裝（Glass Substrate）兩項重大 AI 基建主題的核心技術持份者。上週五收盤後 （9 月 11 日）向 SEC 提交 8-K，宣布與高盛（Goldman Sachs） 建立最高 20 億美元的 At-the-Market（ATM）普通股發行計畫。值得注意的是 Corning 可以自行決定出售時間、價格與數量，也可以完全不賣，公司甚至保留直接把股份賣給 Goldman 的彈性。至於集資用途，Corning 只用了非常寬泛的一句：一般性用途「general corporate purposes」，我的第一直覺是將會有重大項目或機會，但不能披露具體方向。

如果 Corning 是一家仍在燒錢的新創公司，這次集資則沒有什麼值得研究；但問題恰恰在於，Corning 是一家有 175 年歷史、BBB+ 投資級評級、現金流為正、流動性充足，而且手上仍有近 30 億美元股票回購額度的1,400 億市值成熟大型企業。對這種公司而言，普通股本來應該是資本結構中成本最高的一種資本，發債通常便宜得多（這裡涉及較為複雜的 Corporate Finance，後面再解釋)。因此，這次真正值得分析的不是「1.4% 的潛在股權稀釋」對股價的影響，而是未來的佈局及啟示。

為什麼 Corning 在幾乎所有傳統融資渠道都還暢通時，突然決定把股權融資重新放回工具箱？

重新檢視了 Corning 最新財報及十數段CEO Wendell Weeks 的訪談後，再細心思考了一天，我給自己的答案是，這更像一個 Capital Structure Decision，而不是 Liquidity Decision。Corning 正同時處於高估值、高增長、高需求、高資本開支與高利率五個條件的交叉點。ATM 的真正價值，很可能不是今天籌到 20 億美元，而是讓公司可以在未來幾年需求與股價劇烈上升時，把昂貴的股票估值轉化為永久資本，同時保護 BBB+ 信用評級、保留併購與下一輪擴產的債務空間，是一套資本結構優化組合拳的其中一項。

看到公告的第一個反應：這件事從直覺上就是有點不對勁

先把幾個異常點放在一起看，會更容易理解為什麼這份 8-K 值得深入研究。

Corning 幾乎二十多年沒有做過這種公開普通股融資！對上一次的操作，幾乎要回到 2000 年網絡爆破的年代， 2003 年，公司先後2次分別發行 5,000 萬股與 4,500 萬股普通股，淨募資約 2.7 億與 3.6 億美元，當時的集資背景是網絡電訊泡沫爆破後修復資產負債表、降低巨額債務；2005 年又公開發行 2,000 萬股，取得約 3.2 億美元，同樣處理債務有關 (annualreports.com) 。

經過超過十多年的恢復元氣，2014 年Corning 開啟了收購行動，取得與 Samsung 合資的企業 Samsung Corning Precision Materials 全部股權，Samsung Display 得到 23 億美元可轉換優先股 （角色變為策略性股東投資），其中 19億優先股是收購對價，Samsung Display 另外以 4億現金認購 Corning 優先股，合計持有面值 23億。，這不是公開市場普通股融資。 距離今年 NVIDIA 的策略性 Warrant 發行，因此，Corning 上一次真正向公開市場發普通股籌資，可以追溯到 2005 年。

ATM 雖然今天已不罕見，但典型使用者並不是 Corning 這種企業。 近年的 ATM 市場主要集中在需要持續補充外部資本的企業；它的優點是可以隨時開關、分批出售、在股價較好時多賣。根據Harvard Law School Forum 刊登的一篇資本市場趨勢分析 (corpgov.law.harvard.edu)，針對家大型、投資級、自由現金流為正的成熟工業公司而言，突然採用 ATM，訊號自然比一般情況更值得注意。

更反直覺的是，Corning 一邊保留買股票的權利，一邊又建立賣股票的權利。 截至 6 月底，公司 2019 年的 50 億回購授權額度仍剩接近 30 億，該批回購授權是沒有到期日的；2026 上半年，公司沒有在公開回購計畫下實際買股（可能暗示股價已不便宜）。現在突然提出 20 億 ATM 增發 (SEC) 。表面看起來像是「左手準備回購，右手準備增發」，更精確地從管理層視角出發的話，是希望佈局一套雙向資本配置工具——估值過高時賣，估值過低時買，何時何價執行由管理層決定。

最神祕的是，Corning 並沒有指出一項必須立即支付 20 億美元的用途。 8-K 沒有說「為什麼工廠融資」、沒有說「償還某筆債務」，也沒有公布收購；這種做法更像是在建立一個選擇權，而不是處理眼前的資金缺口。如果只是需要動用 20 億美元資金，Corning 根本不需要這樣做。

Corning 的財務狀況，完全不像一家被迫增資的公司

截至 2026 年 6 月底，Corning 賬上有超過 25 億現金，另有一條完全沒有動用的 15 億信貸額度 （unsecured revolving credit facility）；公司還有最高 15 億的商業票據 （commercial paper program）。最新總債務約 84 億，資本負債率 （debt-to-total-capital） 約 39%，而銀行融資承諾條款的上限是 60%。未來一年內到期的債務只有約 7 億。Corning 自己在 10-Q 中直接表示，現有流動性足以滿足可預見未來的營運與義務。(SEC)

單是 2026 上半年經營現金流 （operating cash flow） 已超過 20 億，遠高於去年同期的 8.5 億。不過這裡必須做一個重要調整：當中其實包含 10 億客戶預付款。Corning 目前合約負債已達 27 億，這些客戶預付款本身也是公司的重要融資來源 (SEC)

Corning 的商業模式正在形成一種很有利的財務競爭優勢，大客戶不只是下訂單，部份還會預付資金、承擔部分擴產風險。管理層自己在 Springboard 計畫中也明確表示，未來擴產會盡量 「share the cost and risk of expansions with customers」，目標是在大幅投資的同時仍然提高 ROIC 與自由現金流。(investor.corning.com)

因此，「AI 很旺，所以 Corning 要為廠發行股票」這個答案太簡單了。

如果 management 最後仍選擇 equity，就必須存在比「缺現金」更高一層的考慮。

Corning 正從成熟材料公司進入一次極罕見的產能擴張週期

Read more

Subscribe now

《經濟學人》最新一期封面是黃仁勳，標題是 「The Sorcerer of Silicon（矽之魔法師）」，顯然「AI 教主」已不足以形容黃仁勳的地位，但這不是替 NVIDIA 造神，而是代表市場對 NVIDIA 的定位已經由「賣 GPU 的晶片公司」，提升為 AI 時代的系統架構師與資本配置者。《經濟學人》的核心觀點甚至相當鮮明——「Nvidia is driving the AI boom. Good」，NVIDIA 對晶片、網路、AI 工廠與整個 AI 生態系所作的巨額押注，正是資本主義應有的高風險、高回報創新模式。 Sorcerer 這個字也選擇得非常到位，如果用 RPG 的語境來解讀，Sorcerer 往往帶有強烈的主動進攻色彩，我自己也覺得這與黃仁勳近年的架構擴張策略頗為貼切。

對投資者而言，這個封面的意義是：未來判斷 NVIDIA 的價值，已不能只看 GPU 銷量，而要看它能否透過 CUDA、NVLink Fusion、NVHBM、MGX 等技術與生態系，把自己變成第三方 XPU、記憶體、網路與資料中心都必須接入的「AI 基礎設施標準層」；一旦成功，它的護城河會比單純的晶片效能領先更深。不同於蘋果時代擠牙膏式創新、股東回報最大化、供應鏈「極致性管理」；黃仁勳選擇以「Speed of Light」速度創新及推出新產品系列，70％以上毛利率的背後，除了平衡股東回報外，更積極投資未來及生態，無論是台灣為主的硬件供應鏈，還是軟件應用的開源生態都全力支持，眼光是放到人類少數革命式創新的時代上，心態上是以生態合作，共同創造為優先。

什麼是 AI 資料中心的架構設計（Architecture Design）？

如果把 AI 資料中心比喻成一棟摩天大樓，GPU 只是其中最重要的建材之一；「AI Architect」就是總建築師，決定整棟大樓要怎麼蓋才能效益最大化就是架構設計，包括 GPU、CPU、記憶體、網路、散熱、電力與軟體如何彼此配合。NVIDIA 現在做的已不只是賣「磚頭」，而是連大樓的結構、管線、電梯和施工「標準」都一起設計，甚至讓其他廠商按照它的規格接進來，就是「極致共同設計」（Extreme Co-Design），也是 NVIDIA 的核心競爭力，已經從單一晶片性能，逐步提升到主導整個 AI 基礎設施的架構。

什麼是 NVLink ／NVLink Fusion、Ethernet ?

Ethernet 是目前最普及的有線網路技術與標準，就像 USB：通用、標準化、跨品牌。

NVLink 就像 Apple 的 Lightning Cable: Apple 自己設計，生態深度優化，相容範圍較封閉。

這只是簡單比喻，Lightning 本質上仍然只是外部 I/O cable，而 NVLink 的角色遠比 Lightning 深，NVLink 更像只存在於 Mac 內部的超高速專用匯流排，外人不一定能用，但因為 CPU、記憶體、晶片和軟體全部由 Apple 一起設計，所以可以做得非常緊密。NVLink 不只是「接線」，而是讓大量 GPU 進行高頻率、低延遲的資料交換，甚至形成接近「一個大型運算系統」的 Scale-up fabric。

AI 發展最重要的驅動力之一是 Scaling Law：隨著模型、數據與算力持續擴張，運算需求呈高速增長。但當單顆 GPU 已無法滿足需求，如何把大量 GPU 高效率連接起來，就成為 Scaling 能否持續的關鍵，NVIDIA 的 NVLink 是為大規模高效能運算而設計的 GPU Scale-up 高速互連技術，相較傳統 PCIe，提供更高頻寬與更低延遲；而 NVLink Spine 則是機架內承載這些高速連線的實體互連骨幹，配合 NVSwitch，讓大量 GPU 可以在單一 Scale-up Domain 中高度協同運算。

NVLink = 通訊技術 / Protocol + PHY
NVSwitch = 中央交換樞紐
NVLink Spine = 機架內實體互連骨幹

透過 NVLink 與 NVSwitch，一整櫃 GPU 可以在邏輯上更接近「一顆巨型加速器」般協同運算。2025 年 GTC 展示這個概念時仍是 Grace Blackwell 世代；到了 2026 年，Vera Rubin 已進入全面量產（Full Production）；同樣以 72 顆 GPU 的 NVL72 比較，在 Dense FP8/FP6 訓練峰值算力上，相較 GB200 NVL72 約提升 3.5 倍。

Blackwell 已經是相當革命性的設計。GB200 NVL72 首次在機櫃後方放入 4 個垂直 NVLink cartridges、超過 5,000 條 coaxial copper cables，透過 9 個 NVLink Switch Trays 把 18 個 Compute Trays 內的 72 顆 GPU 形成單一 NVLink domain。Vera Rubin 沿用這套 Copper-Spine 架構，但透過 NVLink 6 將每 GPU 與整櫃 Scale-up 頻寬翻倍。

Rubin 透過第三代 MGX 將 NVLink Spine 的 Cable Cartridges 進一步模組化、預整合及預驗證；同時在 Compute Tray 內導入 PCB Midplane，大幅減少內部線纜與組裝複雜度。換言之，Rubin 並非把整個 NVLink Copper Spine 改成 PCB Midplane，而是在保留 rack-level copper spine 的同時，重新設計 tray-level connectivity。

NVLink 6 架構支援熱插拔交換器托盤（Hot-swappable Switch Trays），無須讓整個機架停止運作即可維護個別組件。更重要的是，NVLink 的 Scale-up 已準備由單一機櫃走向 Multi-Rack：Vera Rubin NVL72 為每櫃 72 顆 GPU，下一代 Kyber 單櫃將提升至 144 顆 GPU（NVL144）；透過 Direct Optical Interconnect，未來可將多個機櫃連成 NVL576，甚至最高 1,152 顆 GPU 的單一 NVLink Scale-up Domain，而 NVIDIA 的 NVLink 技術藍圖亦將進一步導入 CPO。

NVLink-C2C （CPU 到 GPU 互連）

NVLink-C2C 可以理解為：「把 CPU 與 GPU 從兩個經 PCIe 溝通的獨立元件，變成更像一顆大型 Superchip 內的兩個運算單元。」在 Vera Rubin NVL72 平台中，Vera CPU（具備 88 個 custom Olympus 核心、高頻寬且低能耗）與 GPU 之間透過 NVLink-C2C 提供 1.8 TB/s 的 coherent bandwidth／一致性互連頻寬（達 PCIe Gen6 的 7 倍）。這建立了統一的一致性記憶體架構，大幅降低控制、記憶體與運算間的瓶頸，同時簡化軟體編程，並支持 KV Cache 卸載、多模型執行、數據處理與代理協調（agentic orchestration）。

Memory Coherency 才是 NVLink-C2C 的核心價值，CPU 與 GPU 能在 coherent address space / coherent memory system 下直接存取彼此的記憶體，例如把 KV Cache offload 到 CPU memory，而不需要傳統 CPU↔GPU 那麼繁瑣的 Explicit Copy。

因為 NVLink-C2C 是針對緊密 chip-to-chip / die-to-die connectivity 設計，而不是像 PCIe 要兼顧通用 add-in cards、主機板 routing、各種裝置與 backwards compatibility，因此可以更密集、更省電。NVIDIA 最新資料稱，NVLink-C2C 在 NVIDIA 晶片上可做到相較 PCIe Gen6 最高約 6× energy efficiency 及
約 3.5× area efficiency。這對幾千瓦的 AI compute tray 很重要，因為 interconnect PHY 本身已經成為不可忽視的功耗來源，代表省下的互連功耗可以轉化為更多運算功率空間，進而改善整體 TCO 與 AI Factory 的經濟效益。

評估 Scale-up 網路架構的三大核心指標

在評估適用於 AI 工廠的 Scale-up 技術時，不能僅流於規格表上的硬體頻寬數字，必須從工廠級視角檢視以下三項指標：

1. 交付效能 (Delivered Performance)

包含全對全頻寬、GPU HBM 到 HBM 的端到端延遲、網路內集體運算（Collectives）能力，以及能優化路由、負載平衡並支持主流 AI 庫的全疊層軟體整合。

2. 工廠韌性 (Factory Resiliency)

在追求高頻寬的同時，必須確保系統能長時間運作、支援持續的健康監測、組件級在線維護（而不中斷整機運行），將交付效能轉化為工廠生命週期內的「實質產能（Goodput）」。

3. 平台成熟度與供應鏈驗證

在超大規模的部署壓力下，使用未經廣泛部署驗證的技術將面臨效能不達標、意外當機與供應鏈中斷等高風險。

NVLink Fusion（自研晶片互連）

為了解決 Hyperscalers 與 AI Labs 開發客製化晶片（Custom XPUs）時面臨的部署複雜度與供應鏈風險，NVLink Fusion 提供高頻寬、低延遲的互連技術與 IP，讓客製晶片能無縫融入 NVIDIA 成熟的 NVLink Scale-up 網路生態與機架級架構中。這不僅縮短了客製晶片的上市時間、簡化了數據中心營運，還可支援 Custom XPU 與 NVIDIA GPU 組成的異質運算，以及解耦式推論（disaggregated inference）架構。

簡單比喻，就像 Apple 突然開放自己的整套硬體架構，甚至容許客戶把 Apple 自家的處理器換成第三方晶片——是不是很難想像？

NVLink Fusion 讓客戶自研晶片接入 NVIDIA 的核心技術與整合架構

• 高速擴展網路技術（Scale-up Fabric）：提供對 NVLink SerDes、NVLink 小晶片（chiplets）及 NVLink 交換器（Switches）的完整存取能力。

• 高密度機架級架構（Rack-Scale Architecture）：包含 NVLink 骨幹（spine）、銅纜線系統（copper cable system）、機構創新、先進的電源與液冷技術，以及具備高度供應鏈準備度的生態系。

• 模組化設計：作為模組化 OCP（Open Compute Project）MGX 機架解決方案提供，可靈活整合任何網卡（NIC）、資料處理器（DPU）或向外擴充（Scale-out）交換器，賦予客戶自定義架構的彈性。

NVLink Fusion 針對不同的自研晶片架構，提供了靈活且高效能的連接解決方案：

自研 XPU（加速器）

利用開放標準 UCIe（Universal Chiplet Interconnect Express） 的 IP 與介面進行整合。NVIDIA 提供 UCIe 轉 NVLink 的橋接小晶片（Bridge Chiplet），降低 XPU 導入 NVLink 的整合門檻，讓採用者取得與 NVIDIA 相同層級的 NVLink 功能存取權。基於 UCIe 的開放性，客戶能靈活保留在未來平台中更換或升級 XPU 的空間。

自研 CPU

對於自研 CPU，NVIDIA 建議採用 NVLink-C2C IP 連接 NVIDIA GPU，以取得最佳效能。系統亦可存取 CUDA 平台中數百個 NVIDIA CUDA-X 函式庫，進一步強化加速運算效能。

Amazon Web Services (AWS) 案例：

AWS 先前已大規模部署 MGX 機架，藉由 NVLink Fusion，可進一步利用既有的 MGX 機架架構、設計經驗與成熟供應鏈，大幅降低 Trainium4 系統的部署與管理複雜度。結合 NVLink 擴展效能與 NVIDIA MGX 機架，部署其全新的 Trainium4 AI 晶片、Graviton CPU、EFA（Elastic Fabric Adapters）以及 Nitro 虛擬化系統。

加速產品上市時間（Time to Market）：直接受惠於已成熟量產 NVIDIA GB200 NVL72 與 GB300 NVL72 系統的合作夥伴網絡與供應鏈，顯著縮短硬體調試（bring-up）與部署時間。憑藉 NVIDIA 十年在 NVLink 擴展技術的深厚累積，NVLink Fusion 能夠有效解決 AI 推理（AI reasoning）時代對極致算力互聯的迫切需求。結合了開放部署的 OCP MGX 架構，在賦予超大規格客製化彈性的同時，也提供了無與倫比的擴展效能。

AWS 是有意思的案例，因為同一家 Hyperscaler 同時可以存在 AWS NeuronSwitch、NVIDIA NVSwitch 和 Broadcom Tomahawk 三種 switch silicon，各自負責不同層級。從 Broadcom 公開披露的 Hyperscalers 採用情況判斷，AWS 可能也是 Tomahawk 的重要 Scale-out 客戶之一，但目前沒有公開資料確認其具體部署規模。至於 Trainium 的 Scale-up 層，目前並非採用 Broadcom Tomahawk Ultra：Trainium3 使用自家的 NeuronSwitch，而 Trainium4 則進一步導入 NVIDIA NVLink Fusion / NVLink Switch。

Broadcom 的 Scale-up 應對方案

Tomahawk Ultra 是 Broadcom 專門拿來攻 NVSwitch / NeuronSwitch 這種 Scale-up 市場：

• 51.2 Tbps

• ~ 250 ns switch latency

• Scale-Up Ethernet（SUE）/ low-latency Ethernet

• rack-scale XPU Scale-up

Broadcom 9 月 2 日最新業績會表示，Tomahawk Ultra 已開始進入 Scale-up deployment，並預計 FY2027 明顯增加。戰略是利用 Tomahawk 6/Ultra 把 Ethernet 從既有的 Scale-out 層逐步往 Scale-up 滲透。

相比 NVIDIA 的 Scale-up 方案，尤其協同性方面，博通的方案感覺較為單一，而當 NVIDIA 先在 8 月 26 日公布 NVHBM 技術方案，再於 8 月 31 日宣布對 MediaTek 的 35 億美元 convertible bonds 投資與擴大合作，兩者的戰略疊加效應開始浮現，在 HBM 供給持續偏緊、先進 HBM 資源日益珍貴的背景下，NVLink Fusion + NVHBM 吸引力大增，如果 NVLink Fusion + NVHBM 成功提高 NVIDIA 在第三方 XPU 平台中的滲透率，NVIDIA 對整體 AI Factory 架構的控制力將進一步提升，長期亦可能增加 Spectrum-X 向 Scale-out 層滲透的機會，從而加大 Broadcom 在 Ethernet Switching 市場面對的競爭壓力。

下一篇 Part 2，將會再詳細分析及拆解 NVHBM 對博通帶來的衝擊，在 Custom XPU 市場，Broadcom 面對 Marvell、MediaTek 等競爭者；在高速互連與 CPO 領域，競爭版圖亦快速擴大，這亦是目前市場重新評估 Broadcom AI 業務競爭優勢時值得留意的風險之一。 （－完－）

每篇深度分析都花了大量時間閱讀及研究，如果這篇內容對你有幫助，歡迎 Like、Share、Comment、Restack，也別忘了推薦給朋友免費訂閱。你的支持，是我持續寫作最重要的動力

投資免責聲明：以下內容僅為個人觀察與投資思路分享，不構成任何投資建議、買賣邀約或資產配置指引。金融市場具高度不確定性，相關標的可能因政策、利率、景氣循環及非預期事件而出現劇烈波動。投資前請務必自行評估風險，並在必要時諮詢專業顧問。

Subscribe now

本週深度分析文章不再是上市公司，而是一間極罕有的台灣 Deep Tech 新創「光程研創（Artilux）」，創辦人團隊磨劍十年，深耕最老半導體材料「鍺」（Germanium），2024 年研發突破，學術論文榮登全球最具權威性的科學期刊《自然》《Nature》，創下全球首個能在「室溫」下精準運作的鍺矽單光子偵測技術，突破業界、學界過往20年的研發瓶頸，可應用在矽光子、AI、自駕車光達、量子電腦、量子通訊、半導體製程等領域，提供具經濟規模、成本效益的解決方案，有望開啟單光子技術的全新應用時代。 公司目前在全球已累積布局近 400 項專利，築起極深的技術護城河，這次技術突破也是在台灣自 1974 年確立半導體為重點發展方向至今半世紀以來，學術界和產業界之首例！

根據「光程研創（Artilux）」最新採訪及全新網頁資訊，企業開創以鍺矽（GeSi）為物理基礎的新一代半導體光子技術平台，已全面布局共同封裝光學（CPO）高速光互連、光感測、光成像與先進光運算等關鍵領域。

與台積電的十年合作契機

「光程研創」創辦人陳書履（Erik）畢業於台大電機、史丹佛電機博士，曾任職於 Intel 矽光子實驗室。 他指出「有一天我們發現，如果把矽光子系統的接收端，從化合物半導體改採鍺矽，不但能增加靈敏度、降低功耗，還可以脫離只能應用在光通訊市場的限制。」因此陳書履與幾位英特爾的同事，一起在2014年自美返台，創立「光程研創」，他回憶「台灣半導體產業鏈相對成熟、美國比較紅的是軟體，所以選擇在台灣創業。」

創業初期，經由「半導體大師」施敏教授親筆信引薦給當時台積電技術長孫元成，憑藉扎實的理論物理設計與決心，自 2015 年起與台積電共同開發鍺矽製程。

施敏教授比張忠謀輩分還高！半導體「一代宗師」施敏教授更是浮閘式（Floating-Gate）非揮發性記憶體技術的共同發明者之一，這項底層技術後來成為 Flash Memory 發展的重要基礎。1967年他與韓籍同事姜大元在休息時吃甜點，看到一層層的起司蛋糕觸發靈感，兩人著手開發出「浮閘（Floating Gate）非揮發性記憶體」，就是目前廣泛使用的快閃記憶體基本結構，這項發明為後來 Flash Memory 與固態儲存技術的發展奠定了重要基礎。這項創新及其後續衍生的產業應用，推動了行動電子與固態儲存技術的發展，對現代數位生活產生深遠影響。

半導體聖經——《半導體元件物理學》

為施敏於1969年的著作，被譯為六種不同的語言，銷售超過100萬本，被引用次數逾兩萬次，內容含括重要的元件物理知識以及詳細的元件特性，最新元件如三維MOSFETs、MODFETs、共振穿隧二極體、半導體偵測器、量子級聯雷射（Quantum Cascade Laser）、單電子電晶體、real-space transfer都收錄其中，長年被視為半導體元件物理領域的重要研究與參考標準。

「光程研創」成立之初即向全球晶圓代工龍頭台積電爭取合作，後來雙方在2015年展開配合，台積電改造既有12吋CMOS製程導入鍺矽材料，替光程研創生產晶片。

核心技術突破：讓最老半導體材料「鍺」（Germanium）大復活

鍺（Germanium）其實是世界上第一個電晶體的製造材料，它具備比矽更佳的感光能力與載子遷移率（carrier mobility），但具有極嚴重的漏電（leakage current）缺陷，如同「關不緊的水龍頭」，易產生大量雜訊與高功耗，因此迅速被矽取代並被產業界擱置數十年。

1947 年由貝爾實驗室三位科學家 William Shockley、Walter Brattain、John Bardeen發明的電晶體。這種創新裝置透過控制電流的傳導與阻斷，最終取代了體積龐大的真空管，成為現代電子的核心。隨著積體電路與微處理器的開發，電子元件實現了極致的小型化，並廣泛應用於電腦、手機及各類家電中。這些突破不僅奠定了矽谷發展的基石，更引發了一場改變全球科技景觀的電子革命。

「光程研創」的解法與製程優勢

Read more

Subscribe now

投資免責聲明：以下內容僅為個人觀察與投資思路分享，不構成任何投資建議、買賣邀約或資產配置指引。金融市場具高度不確定性，相關標的可能因政策、利率、景氣循環及非預期事件而出現劇烈波動。投資前請務必自行評估風險，並在必要時諮詢專業顧問。

TL;DR （散戶懶人包）：用最淺白的方式理解，應材最核心的本領之一就是在「晶圓上鍍膜」，以原子級精度「鍍上、移除及改變材料」。股民最關心是近期股價弱勢的原因：

短期股價壓力： 高估值／此前漲幅巨大、業績雖超預期但未能進一步提高市場已非常高的 expectation，以及中國收入組合下降與美國潛在出口管制政策風險。
中長期值得監察的風險： Absolics 商業化延期、HBM Hybrid Bonding 導入時點後移，以及亞洲半導體設備／材料供應鏈本土化。

詳細內容將在文章中後段，以下是完整的長文內容。

應用材料 Applied Materials（$AMAT）是矽谷老牌科技公司，目前是世界上規模最大的半導體設備商之一，雖然分類上是設備公司，但其實應材是一間世界頂級的材料科學及創新企業，材料是企業的起源，公司歷史比 Intel 還早一年，於 1967 年創立並 1972 年於 Nasdaq 上市，已近 60 年歷史，目前市值約 3,900 億美元，應材很早就意識到全球化的重要性，1977 年成立歐洲分公司；1979 年成為首批進入日本半導體市場的美國企業之一；隨後進軍中國、新加坡和韓國；1989 年進入台灣，已深耕超過 35 年。

應材是第一家進駐南科的外商公司，於 2000 年啟用行政大樓，當時南科僅有 47 家廠商，至 2024 年已成長至 284 家（成長 6 倍）。2025 年南科產值已連續兩年超越竹科。

Vision: Make Possible a Better Future

半導體製程是「材料科學魔術」

先進半導體製程從一個節點進步到下一個節點，製程步驟約增加 30%，目前最先進的製程擁有高達 2,100 道製程步驟（steps）。隨著製程步驟增加，任何微小偏差與缺陷都有機會在後續製程中累積，使良率控制難度呈非線性上升，台積電主管曾用「塗了 1,000 層奶油且材料具流動性的千層蛋糕」來形容其製程精準度的挑戰。

顛覆性與科學魔術在於原子及奈米級的精準度，設備能在小於 1 秒內快速加溫到 1,000 度，量測精準度如同「在月球上抓取地球上的一隻螞蟻」，這種原子及奈米級精度，很難用肉眼尺度理解；若以誇張的宏觀比喻，就如站在地球上仍要精準對準月球上一根頭髮般微小的目標。

先進製程要求極致平整度，設備平整度要求如同在巨大的足球場上除草，而高度差異必須小於一根頭髮。而最新測量設備更顛覆了傳統上必須「看得到才能量」的認知，能在光學或電子影像呈現受限的情況下，直接探測材料成分並透過模型計算出材料厚度。

應用材料把自己定位為材料科學公司，而不只是一家設備製造商，並持續大力投資材料創新（material innovation）。設備只是實現創新應用、將科學連接到現實物理世界的「橋樑」，核心競爭力不只在設備硬體，更在於材料科學、製程整合與長期累積的 process know-how。

我無法以文字解釋什麼是原子及奈米級製程，以下短片展示了 Applied Materials 如何在微觀的奈米世界中挑戰極限，利用頂尖的材料工程技術打造強大的微型設備在微米尺度下進行鑽孔、沉積與蝕刻的精密過程。透過操控極端的溫度、壓力與電漿雲，工程師能以原子級的精度對物質進行雕琢、堆疊與改性，藉此生產先進的邏輯晶片與記憶體。

應用材料營收組成分析

根據最新財報資料，77％ 收入來自半導體系統設備銷售，大約 20％ 是服務類包括各項支援服務，結構跟 ASML 非常相似。半導體系統設備銷售中， 67％ 是由晶圓代工／Logic ，DRAM 佔 26％ 及 FLASH 佔 7％。公司最新 10-Q 顯示，兩名主要客戶分別約佔九個月累計營收 20% 與 14%，但公司並未公開點名客戶身份，其餘客戶均未超過總營收 10%，未作公布。

應用材料設備及產品到底是負責半導體製程中哪些部分？

用最淺白及簡單易明的文字解釋就是在「晶圓上鍍膜」。

Read more

Subscribe now

AI 巨頭進入史詩式戰國時代：Google 為何站在戰場正中央？

如果要選擇一個詞來形容目前AI 產業的競爭型態，我會選擇 THE AI ODYSSEY。

這並不是一場純Benchmark 「AI 模型競賽」，也不只是 NVIDIA、Anthropic 、OpenAI、Google 等等誰的技術比較強的單維度問題。今天真正進行的，是一場史詩式橫跨晶片、算力、資料中心、雲端、大模型、企業軟體、消費者入口，甚至電力與資本市場的全面競爭。而整個戰場最特別及最核心的位置，正是 Google 恰恰站在所有戰線的交叉點上。

表面上，Google 可能是全世界 AI 資產最完整的企業，也是得益於最早及最深的佈局。它有自己設計TPU、自建的資料中心、Google Cloud 雲業務、消費級的 Gemini AI、產品組合是全球最龐大的消費者矩陣之一，從全方位壟斷式的Search、到萬能的YouTube、手機的Android 系統、最重要的流量入口Chrome，亦擁有 DeepMind 這個可能是全球科學研究聲望最高的 AI 組織之一。而核心人物Demis Hassabis 本身就是諾貝爾獎得主，Google 更曾孕育了AI 最關鍵的組成份之一 Transformer，加上AlphaGo、AlphaFold 更是曾經改變整個 AI 發展方向的最具權威研究。

若AI 只是一場比拼Full Stack 的戰役，Google 理論上是最接近「完美」的公司

但問題恰恰也出現在這裡，Google 什麼都有，每一項都需要面對強敵的競爭，戰線又長又深，所需的資金投入也越來越誇張。

傳統Google Cloud 業務同時面對比自己強數倍的 AWS、Azure 競爭企業客戶、算力出租及Developer 生態；Search 搜尋與廣告業務則面對 Meta 不斷以 AI 提升的精準廣告投放、創意生成工具及AI 推薦引擎效率壓力，有研究機構甚至預測，Meta 2026 年全球數位廣告收入可能會首次超越 Google。

AI 模型方面，就連OpenAI 與 Anthropic 都抱怨算力不足以滿足市場需求；但Google 卻還要把有限 TPU、GPU 算力分配給自家 Search、Gemini、Cloud 產品、出租算力給Anthropic，甚至Apple 也已經成為客戶。

Google 最大的問題是：

同一家公司裡面，存在太多經濟利益並不完全一致的 AI 戰略

也是最近 Google DeepMind 劇烈人事變動的成因之一，內部矛盾已經不是單純浮在水面，而是結構性地侵蝕了內部，打破了各種平衡狀態。

表面均衡瓦解，一切由內部分裂開始

2026 年 8 月 5 日是Google DeepMind 自成立以來，最重要的一次權力重組，其影響力已經反映在股價及市值上的變化，消息傳出後，GOOGLE 股價立即下挫5％，市值蒸發2千億美元，後續再連續低走了近一週，累積調整近10％ （4千億市值）。

Demis Hassabis 退出Google DeepMind 日常營運，升任為 Google DeepMind 董事長及母公司Alphabet 首席科學家，市場解讀是明升實降；原 DeepMind CTO Koray Kavukcuoglu 則升任 SVP，直接掌管 Gemini 模型開發、Frontier AI research、Gemini App 及 Developer Teams，暫未填補CEO 空缺。

最震撼市場的是，Jeff Dean （前 Google 首席科學家，第30號員工，效力近 27 年）、Sanjay Ghemawat、Oriol Vinyals、Quoc Le 等四位Google AI 歷史上的重量級人物亦宣佈離開，出走成立 Discovery Loop。

Reuters 指出，這次改組發生在 Gemini 3.5 旗艦模型延誤及內部長期處於科學研究與商業產品之間的矛盾的背景下，單看新聞，很容易將它理解成「Google AI 人才流失」，但如果從企業穩定性及歷史性核心人員出走的角度來看，事情遠比表面的影響嚴重！

Google 內部不同的AI 目標

AGI、Scientific Discovery、最前沿研究

這亦是 DeepMind 與Demis Hassabis 的核心基因，也是他整個人生及事業上最在意的事情，若你還未看過以下這部關於AI 及Demis 的得獎紀錄片，我強烈推薦！

Demis 自己表示，他希望把時間集中在 AGI、長期戰略以及 Isomorphic Labs；

Isomorphic Labs是Alphabet旗下一家總部位於英國倫敦的AI制藥公司，其實是Demis Hassabis 於2021年創立，旨在利用AlphaFold系列模型徹底革新藥物發現與研發流程，整則新聞令人帶點傷感的地方在於從權力結構來看，更像是 Demis 被迫讓出 DeepMind 的日常管理權，只能回歸到另一位親兒身邊。

Demis 原本那種自由、研究導向、追求 science prestige 的文化在當前的競爭環境下必然受到極大擠壓，而一些研究者選擇離開，也未必代表 Google 技術失敗，只是個人目標與公司目標開始分叉造成。

當研究學者派看到公司外邊有大量資金及算力支持，而即使大幅增加 CapEx，Google 過去已簽出的外部 TPU 長約，仍限制短期重新分配給 DeepMind 的彈性，出走自然是最終的必然結果。

2026年3月10日 Nvidia 與OpenAI 前 CTO Mira Murati 創辦的AI初創公司 Thinking Machines Lab 達成重大投資與多年期戰略合作，雙方將聯合設計AI架構及部署最少1 GW規模的Vera Rubin系統。取得資源後，Thinking Machines Lab 於上月推出了首個開源模型Inkling。

2026年7月27日，Nvidia 與OpenAI前首席科學家 Ilya Sutskever 創立的人工智能公司Safe Superintelligence (SSI) 同樣達成巨額投資及長期戰略合作夥伴關係，傳聞投資額高達50億美元。SSI 同樣將獲Vera Rubin 算力支持。

Google 聯合創辦人Sergey Brin 積極親自下場督戰

Sergey Brin於 2019 年辭去了母公司 Alphabet 總裁的行政職位，但仍保留董事會席位及重要股東／控制權地位，近年更親自深度參與 Gemini 技術開發。儘管沒有正式管理職權，近幾個月來他持續向 DeepMind 團隊施壓，要求加快 Gemini 的研發速度。在 4 月的員工大會上，他向數百名員工發表講話，強調必須盡快縮減與競爭對手OpenAI 及Anthropic之間的差距。

Sergey Brin 極度關注前沿技術是否領先，他特別鼓勵研發 self-improving AI systems，認為這是能否彎道超車的關鍵，讓模型在較少直接干預下自主提升任務的表現可大幅節省開發時間。

儘管 Google 的 Gemini 效能曾在去年短暫超越對手，但隨後即面臨來自 OpenAI 和 Anthropic 的強烈競爭。內部測試顯示，Google 的下一代旗艦模型 （Gemini 3.5 PRO)在程式編寫能力上仍落後於競爭對手，最終導致該模型的發表被迫延遲。

由於 Google 正試圖將 Gemini 強化並應用於搜尋、雲端服務及企業級應用等核心產品中，因此這些研發延遲對 Google 的整體佈局而言極為關鍵。Gemini 的未來效能表現以及發布時程，將是 Google 能否跟上 OpenAI 和 Anthropic 步伐的關鍵看點。

Gemini 到底什麼時候可以推出？什麼時候可以追上 OpenAI 和 Anthropic？

Read more

Subscribe now

全篇內容100％出於個人觀察分析（非AI 生成），你感受到的是人的溫度及TASTE！

Palantir 以強勁的業績打臉Michael Burry 大空頭

Palantir ($PLTR) 上週公佈的業績幾乎挑不出明顯缺點（除估值外）。增長不只遠超市場預期，連剩餘合約價值（RDV)、各式利潤率和各式現金流都同時加速中；SBC 對收入的比例亦在長期下降。感覺是看不到增長的盡頭，市場已經不是擔心 Palantir 能否繼續增長了，唯一風險就是目前接近 40 倍收入的估值，及要求公司在未來數年幾乎不能犯錯的執行風險問題。

Palantir 原本預測 Q2 收入約為 18 億美元，實際 19.35 億美元。全年收入Guidance 也從 76.5 億提高至 81.5 億美元。這是一個季度內再次把全年指引提高，而且幅度不算小。更重要的是，公司目前已成功擺脫單靠政府大型訂單支撐營收。美國商業收入按年增長 149%，美國政府收入增長 90%，兩邊同時在加速，早年部署兩個主要增長引擎同時強勁運轉中。

以下是過去4年圖像化的變化，營收保持強勁增長同時，支出比例在下降，Margin 穩步上升，今年更在AI 加持下再加速！

「看不到盡頭」的增長勢態

本季收入增長 93%，其中美國商業 TCV (Total Contract Value) 增長 153%， RDV (Remaining Deal Value) 增長 124%，連 RDV 按季也強勁增長 27% ! 新簽約商業合同金額高達 33.7 億美元，是當季收入的 1.7 倍，暗示客戶需求強勁，未來可執行合約價值持續增長。目前的制約因素就是Palantir 自己，如何穩定及可靠地執行合同的同時，必須找到可以更快Scale up 的方法，可以肯定的是未來幾季仍然會有強勁的收入支撐業績。

關於合約分類的訊息，公司透露本季共有 220 張 100 萬美元以上合約，其中 98 張超過 500 萬，73 張超過 1,000 萬。間接證明增長是全方位加速，而Palantir 也樂於打開中型企業的市場，並非只是集中在巨型企業及政府合同。

TCV 當然不能直接當成未來收入，因為合約包括了選擇權、取消條款或各類承諾，但在收入、TCV、RDV 和大型合約數量同時加速的情況下，需求的真實性就變得更加立體及實在。

營運槓桿發揮關鍵作用

收入按年增長 93%，營運支出只增長 34%。毛利率由去年同期大約 80 % 上升至 84.7 % （如此高基數下再擴闊近5％非常難得），營運利潤率由近 27% 大幅上升至 47%！！這個幅度如此誇張，關鍵就是營運槓桿 （Operating Leverage）。

舉個簡單例子給年輕的讀者，例如你月收入是一萬元，每月固定支出是8千元，每月可以用2千買股票，現在你的工資提升到一萬5千，固定開支不變下，每月可以動用7千元買股票，工資只是提升了50％但你的可分配資金卻增長了250％，這就是槓桿效應。

Palantir 已成功擺脫很多企業的傳統增長模式，不靠大幅增加銷售人員、廣告或補貼來買增長。在收入接近翻倍的同時，營運費用只增加三成以上，是典型的軟件營運槓桿效應，且幅度遠超一般甚至最強的 SaaS 公司。調整後營運利潤率達到 62%，即使扣除 SBC 後的 GAAP 營運利潤率也有 47%，這點非常難得！若以SaaS 公司引以為傲的 Rule of 40 指標，真有點侮辱了Palantir，全球市值最大的100 間企業，只有六間達到Rule of 160 以上指標的精英集團，包括當今市值最大的Nvidia 及四間記憶體大廠。

SBC 比例逐漸下降

Q2 2026 的 SBC 為 2.65 億美元，相當於收入約 13.7%，低於去年同期的約 15.9%。以整個上半年計算，SBC 佔收入比例也由去年同期約 16.7%，下降至約 13.1%，所以長期方向確實是在改善。但要留意，SBC 的絕對金額仍然按年增長約 66%，而且 Q1 2026 的 SBC 比例約為 12.3%，到 Q2 又回升至約 13.7%。收入增長暫時快過 SBC，令 SBC 比例逐漸下降，但下降過程不會是直線，有機會回升。

股份稀釋仍算溫和，Q2 基本加權平均股數按年增加約 1.5%，稀釋後股數則只增加約 0.2%。SBC 的會計費用仍然高，但現階段並沒有出現收入增長很快、每股價值卻被大量新股抵消的情況。

季度業績分析員會議中的金句

繼上月在CNBC 節目中發飆後，CEO Alex Karp 繼續向 LLM 大語言模型公司發炮，最有力的一句是直接傳遞顧客想說但又不敢貿然開口的心聲：

“Our customers have declined to become vassal states of the language labs.”

Karp 把企業與大型模型公司的關係，由普通的軟件採購關係提升到「主權與控制權」更深層次。真正想表達的是：若果企業都把自有的 Data、Prompt、Workflow 和內部核心知識全部交給LLM 模型商，終極不是單單購買 AI 服務那麼簡單，而是不知不覺地依賴了對方，慢慢甚會變成失去核心營運的控制能力。

Palantir 已正式把自己定位為企業的保護層，意思是企業可以放心使用 OpenAI、Anthropic 或其他模型，但最重要的企業獨家自有數據、權限控制及決策系統仍然掌握在自己手上。Palantir 的價值由「幫助企業部署及使用 AI」提升為「保護企業成為 AI 公司的附庸」。

“We do not get paid for clicks or tokens or chats.”

另一句金句更直接地點出了 Palantir 其他 AI 公司的差異，不依靠 token 使用量、API 調用次數、活躍用戶或聊天次數賺錢，因為這些指標根本不能代表客戶真正能創造的經濟價值，甚至更具體的營運效率改善。

Palantir 目前強調的是，它的產品及服務是提供企業提升實際回報的成果。客戶肯付出是因為系統能夠縮短生產時間、降低庫存、改善供應鏈、提升收入及減輕成本浪費，令資源更集中更高效地被利用。Palantir 希望與客戶共同創造的價值，Karp 暗示 Palantir 的定價能力和利潤率，比單純出售模型運算的公司更強。

企業應重視「主權AI」，不能把Alpha 及關鍵數據交給模型公司，而 Palantir 的核心價值不是賣AI 使用量，而是為企業創造的價值

目前最令Alex Karp 興奮的不是增長，而是找到了「主權AI」這個Palantir 的定位及宣傳關鍵詞！

「Sovereign AI／主權 AI」其實比 Palantir 過去十多年使用過的任何 marketing keyword，都更容易讓非技術客戶立即明白它到底賣甚麼。 過去 Palantir 最大的 marketing 問題，不是產品沒有差異化，而是它一直很難用一個現成的市場類別去定義自己。

如果把 Palantir 過去的宣傳語言按時間拉開，大概是這條演化路徑：

• Early Stage：Data Integration / Make Data Actionable
  2020 年上市 S-1 的說法仍然是，Gotham 和 Foundry 將大量資訊轉化成反映機構實際運作的「integrated data asset」，這種說法很容易被市場理解成big data analytics，跟 Databricks、Splunk、Tableau、Snowflake 等混在一起。

• 2020–2023：Operating System for the Modern Enterprise
  強調 Foundry 不只是單一企業的 operating system，而是「Enterprise OS」。但

  仍然太抽象，一般 CEO 聽完很容易問：你到底是 ERP？Data Platform？BI？Workflow？

• 2022–2024：Ontology / Operational AI
  Ontology 推到核心位置：企業不是只有 database，而是把 model 放進實際 operations 裡面。但從 marketing 角度反而最難：「Ontology」對一般人完全不是自然語言。

• 2023–2025：AIP / Operationalize AI
  ChatGPT 出現後，Palantir 終於有了一個大眾已經理解的 category：AI。AIP 讓企業與政府把最新 LLM 用在自己 private、structured data 上。 這比「Ontology」好賣很多，但仍然有一個問題：Microsoft、OpenAI、Anthropic、Databricks、ServiceNow 幾乎全部都可以說自己在做 Enterprise AI。

我認為 Sovereign AI 是這條演化中非常重要的一步，不只是換 slogan。它第一次把 Palantir 很多原本難以解釋的能力，塞進一個普通政府官員、CEO 甚至投資者都能理解的概念：我的資料、我的模型、我的基礎設施、我的安全政策、我的決策權，都不需要交給另一家公司。Palantir 與 NVIDIA 已經正式把這個概念包裝成 「Sovereign AI Operating System」！

假如企業直接提出「誰可以幫我建立一套由我自己控制的 National / Enterprise Sovereign AI Operating System？」

不久的將來，Palantir 將會是第一個想到的！「Sovereign AI」可能是 Palantir 歷來找到最好的宣傳關鍵字。

Palantir 歐洲業務的隱憂：問題不在技術，而在「信任」

Read more

投資免責聲明：以下內容僅為個人觀察與投資思路分享，不構成任何投資建議、買賣邀約或資產配置指引。金融市場具高度不確定性，相關標的可能因政策、利率、景氣循環及非預期事件而出現劇烈波動。投資前請務必自行評估風險，並在必要時諮詢專業顧問。

Subscribe now

從「第一性原理」（First Principle）重新認識記憶體及儲存

目前AI 使用量的單位是Token，大家都已經開始習慣了，而我們一向都知道，現代電腦運算最基本的單位是 0 與 1，但電腦並不是把一顆電子直接當作 0、另一顆電子當作 1，而是利用電晶體中的電壓、電荷（即正負）或導電狀態 (Conductor / Insulator / Semiconductor)，代表兩種可以被清楚分辨的訊號。

例如，電晶體處於導通或關閉狀態，便可分別對應 1 與 0；數以十億計的電晶體按照不同方式排列及切換，最終構成處理器的邏輯運算（logic compute)、程式指令 (Instruction)，以及我們看到的文字、圖片、影片與所有數位資料 (Data)。換句話說，運算的本質是處理 0 與 1，而記憶體與儲存裝置的任務，則是把這些 0 與 1 暫時或長期保存下來，讓處理器可以在需要時重新讀取。

那麼，記憶體與儲存實際上到底是甚麼？最簡單的理解是，它們都是用某種物理狀態來記錄資料。DRAM 需要持續供電，利用電容中的電荷暫時保存 0 與 1，因此速度很快，但一旦關機，資料便會消失；NAND Flash 則能把電子困在電晶體內部的絕緣結構中，即使沒有接通電源，電荷仍可維持一段很長時間，因此能夠保存檔案、照片、影片、應用程式與作業系統。這種「在斷電後仍能保存電荷」的能力，正是 SSD、智慧型手機儲存空間、USB 隨身碟及記憶卡能夠長期保存資料的核心原理。

當你第一次聽到 NAND Flash 這個名字時，可能會覺得有點熟悉，甚至回想起中學物理或電腦課上學過的 AND Gate、OR Gate、NAND Gate 與 Truth Table。是的，你的直覺完全正確！NAND Flash 中的 NAND，正是你在學校裡學到的 NAND Gate（反及閘），也就是 NOT AND 的縮寫。

「Flash」的字面意思是「閃光」或「瞬間閃現」。不過，Flash Memory（快閃記憶體）的命名並不是因為它的資料讀取速度，而是源自於它擦除（Erase）資料的方式與速度。1980 年代初，日本東芝（Toshiba）的工程師 舛岡富士雄（Fujio Masuoka） 發明了這項全新的非揮發性記憶體技術。在開發過程中，他的同事 有泉正二（Shoji Ariizumi） 觀察到這項技術的運作方式後，建議將它命名為 Flash Memory。

原因在於，在 Flash Memory 問世之前，業界主要使用的是 EEPROM（電可擦除可程式化唯讀記憶體）。傳統 EEPROM 每次只能以一個Byte為單位逐一擦除，速度相當緩慢。相較之下，舛岡富士雄發明的新技術能夠將整個 Block 一次性完成擦除。這種快速及整塊擦除資料的過程，就跟相機閃光燈（Camera Flash）一樣，因此改名 Flash Memory（快閃記憶體）。科技界其實很少這類貼切又容易理解的命名！之後一直獲得業界廣泛採用，並沿用至今。而上面提到的ROM 也跟上學時期有關，那些遊戲盒帶就是ROM (唯讀記憶體 Read Only Memory)。

NAND Flash 記憶電晶體以串聯方式排列成「NAND String」的結構。每一顆記憶電晶體都可以透過儲存不同程度的電荷來代表資料，而大量電晶體再組成 Page、Block、Die，最終成為一顆 NAND Flash 晶片。早期每個記憶單元只能儲存 1 bit 資料，今天的 TLC 與 QLC NAND 則可以在同一個 Cell 內分辨八種或十六種電荷狀態，分別儲存 3 bit 或 4 bit 資料，從而大幅提高容量並降低每 GB 成本。

理解這個基本原理後，便能明白 NAND Flash 產業的競爭，並不只是比較誰能堆疊更多層數，而是在極微小的空間內，如何更精確地控制電子、區分不同電荷狀態、提高讀寫速度、降低功耗，同時保持資料可靠性與生產良率。隨著 NAND 從平面結構發展至 3D NAND，製造商開始把記憶單元垂直堆疊，目前技術已進入超過 300 層的時代。層數越高，理論上可以在相同晶圓面積內儲存更多資料，但同時亦會增加蝕刻、材料、鍵合、錯誤修正與製程控制的難度。

我們會把焦點放回在今天的主角——全球主要 NAND Flash 製造商之一 Kioxia，了解這家源自 Toshiba 記憶體業務的日本公司，如何透過 BiCS Flash、晶圓鍵合及與 SanDisk 的長期合作，與 Samsung、SK hynix、Micron及中國長江存儲等競爭對手爭奪下一代儲存市場。

鎧俠與全球NAND Flash產業的結構性蛻變：AI時代的記憶體巨頭重生與挑戰

在AI 算力需求呈爆炸性增長的推動下，全球半導體記憶體產業正經歷一場史無前例的結構性改變。上週五，日本NAND Flash記憶體大廠鎧俠（Kioxia）公布了其2026年Q1（4月至6月）財務報告，大部分媒體都是以業績低於預期，前景指引令市場失望，但業績是否Beat 根不是最大重點。

鎧俠 Q1 財報亮點：參考摩根大通及瑞銀的觀點，不是目標價

根據摩根大通發布的報告，鎧俠在 2027 會計年度第一季展現了驚人的爆發力，單季獲利超越整個 2025 全年表現。這波成長動能主要來自「量價分化」，也就是由價格上漲而非出貨量所推升。

• 營收與獲利表現： 單季營收達 1.767 兆日圓（季增 76%、年增 415%）。非美國會計準則（Non-GAAP）營業利益達 1.326 兆日圓（年增逾 28 倍），營業利益率高達 75% (不夠美光、三星、SK Hynix 誇張）。

• 出貨與報價（ASP）： 平均單價（ASP）單季暴漲約 70%，但出貨位元數僅低個位數成長（部分訂單遞延至第二季交貨，估計是APPLE）。

• 核心業務貢獻： 固態硬碟 (SSD) 與儲存方案 (Storage Solution) 貢獻最大，單季營收達 1.175 兆日圓（年增 440%），占整體營收比重升至 66%。其中，資料中心與企業級應用貢獻超過 60%，是拉升單價的主力。

• 其他應用與製程： 智慧型手機相關營收季增 56%，個人電腦與伺服器應用暴增 96%。此外，最新一代 BiCS 8 製程產品的產出占比已正式突破 50%。

• 市場預期落差： 瑞銀指出，Q1 營業利益與公司財測（1.30 兆日圓）及市場預期（1.38 兆日圓）大致吻合，2% 至 3% 的出貨落差主要受季末交貨遞延影響。

展望第二季，鎧俠管理層釋出的財測相對保守，但整體需求基調依然樂觀。同時，中長期供需前景在 AI 發展的推動下持續樂觀。

• 第二季財測數據： 公司預估營收將達 2.39 兆日圓（季增 35%），營業利益上看 1.90 兆日圓（對應利益率約 79.5%）。該數據雖符合外資預期，但略低於部分買方機構樂觀預估的 2.0 至 2.5 兆日圓。

• 價格與出貨動能： 瑞銀分析，Q2 仍將由價格驅動，美元計價 ASP 估計上漲 30%（日圓計價上看 34%）。隨著 Q1 遞延訂單補上，出貨量季增幅度可望達 10%（優於原先 5% 的保守假設）。

• 蘋果採購需求： 管理層透露，蘋果 (AAPL-US) 採購需求將於 Q2 回升，可能與相對優惠的報價有關。

• 中長期供需結構： 摩根大通引述鎧俠說法，2026 年 NAND 產業位元需求成長率估計為高個位數至十位數百分比。受 AI 代理等新興運算需求推動（目前仍處極早期階段），預期 2027 年市場將出現供不應求的局面。

估值框架翻新與股東回報政策 （回購計畫）

鎧俠的 8,000 億日圓回購計畫與約 50% 的股東總報酬率掛鉤，並預計自 2028 會計年度起實施配息。

• 回購規模與影響： 瑞銀估算，若將 2028 會計年度預估淨利（9.42 兆日圓）的一半全數投入回購，理論上可削減約 19% 的流通在外股數。該回購金額也相當於公司目前 25 兆日圓市值的 19%。

• 後續觀察指標： 2026 年 10 月 31 日的財報發布，預期公司將進一步披揭露股東回報政策的細節。

鎧俠的行動被視為整個記憶體產業回購浪潮的開端，南韓記憶體雙雄預計將接棒演出，為市場帶來結構性的買盤支撐，而較早前公佈業績的美光計劃把100％ 自由現金流用於派息或回購。

• 估值重估動能轉移： 野村證券指出，南韓 KOSPI 指數正從過去仰賴「流動性與槓桿」，轉向以「基本面與企業回購」為核心驅動力。

• 預期回購規模： 野村預估，南韓上市公司 2026 年回購總規模將達 116 兆韓元（約占 KOSPI 總市值 2.2%，遠高於歷史均值的 0.2% 至 0.9%）。2027 年與 2028 年將進一步擴大至 274 兆與 328 兆韓元。

• 半導體巨頭扮演要角： 高達 90% 的回購資金預計將來自三星電子與 SK 海力士 。

記憶體 — NAND Flash 與 DRAM 的核心差異

NAND Flash 與 DRAM 在物理特性與實際應用上存在差異，兩者都是記憶體產品，但在Logic Compute 與AI基礎設施中卻扮演著互補的角色。

DRAM是一種「揮發性記憶體（Volatile Memory）」，當電源關閉時，其儲存的數據會完全消失。DRAM的優勢是讀寫速度高，能夠以極低延遲跟 CPU 或 GPU 進行頻繁數據交換。在AI運算，HBM是DRAM技術的極致延伸，提供極高的數據傳輸頻寬及吞吐量，以支持飢渴的AI加速器需求。

NAND Flash 是「非揮發性記憶體（Non-Volatile Memory）」，數據在斷電後仍能永久保存。NAND Flash 的存取方式為「連續存取」，其讀寫速度雖不如 DRAM，但具有極高的儲存密度、每單位的儲存成本也較低、耐用度更是優勢。NAND Flash主要用作固態硬碟（SSD），作為大容量的長期數據儲存裝置。

在AI 的生成式大語言模型（LLM）訓練中，HBM就是工廠內高速運轉的輸帶，負責即時處理龐大的數據；NAND Flash（例如企業 SSD）則是工廠後方的超級倉庫，負責儲存所有用來訓練AI模型的龐大數據、影像、文本與參數。在資料及向量資料庫（Vector Database) 日益普及的今天，沒有這個超級倉庫提供海量的數據儲存，再快的算力也無用武之地。

歷史的嘆息——東芝的失落與鎧俠的誕生

鎧俠的前身，正是發明了NAND Flash技術的日本百年企業東芝（Toshiba）。回顧這段歷史，不僅是全球記憶體技術發展的寫照，更是日本半導體產業興衰的縮影。

這段歷史的源頭可以追溯至1984年，當時任職於東芝的舛岡富士雄（Fujio Masuoka）博士，一位傳奇工程師與電子工程學家。他因發明了改變世界的快閃記憶體（Flash Memory）而聞名於世。當年為了尋找能取代傳統磁性儲存設備的半導體解決方案，成功發明了NOR 及NAND Flash技術，為未來的智慧型手機與大數據時代奠定了基石。Apple 後來的 iPod，iPhone 就是因為大量採用NAND Flash 而大放異彩。

然而，這項足以改變人類科技史的發明，在當時並未得到東芝高層的足夠重視。東芝僅發給舛岡博士幾百美元的獎金，甚至在後續的內部政治中試圖將其邊緣化，導致舛岡博士最終於1994年黯然離開東芝，轉往東北大學任教。反觀美國的Intel，迅速看出了這項技術的商業潛力，藉由NOR Flash創造了數十億美元的營收 (靠90年代的可刷寫式BIOS)；更離譜的是東芝的公關部門甚至對美國《富比士》雜誌表示，是Intel發明了快閃記憶體，令真正的發明者舛岡富士雄（Fujio Masuoka）博士感到十分屈辱。從這個節點其實已經預視了東芝的內部文化極為惡劣，也為之後幾年的危機埋下了伏筆！也間接証明，日常觀察公司管理層處事態度的重要性！

如果歷史能夠重寫，假設東芝在 90 年代能像韓國企業那般具備破釜沉舟的決心，傾國家之力扶植 NAND Flash 技術，並在後續的半導體資本競賽中保持專注，憑藉其先行者優勢與底層專利壁壘，東芝極有可能成為今日與韓國三星（Samsung）、SK海力士（SK Hynix）並駕齊驅，甚至超越對手，成為「絕對記憶體巨頭」。在當今AI驅動的超級循環中，日本本可擁有一家如同SK海力士般，市值飆升、掌控全球AI基礎設施命脈的護國神山。

但現實中的東芝卻走向了另一條充滿荊棘的道路。2015年，東芝爆發了震驚全球的嚴重財務造假醜聞，企業信譽掃地；2015年7月21日，有一張圖片幾乎登上了各大國際媒體的頭條：三位最高負責人在新聞發布會時一齊鞠躬，他們都因東芝的有毒文化而陷入過激烈的高層內部鬥爭，都為虛報利潤做過假帳，都是東芝巨大醜聞的罪魁禍首。東芝財務醜聞規模之大讓人詫異，跨度長達8年（2008年至2015年），跨越老中青三代社長，財報「注水」金額高達16億美元。

多家日媒分析，東芝醜聞歸根到底是因為內部鬥爭，前任兩代社長獨斷專行且相互對立，現任社長懦弱無能。三任社長的掐架幾乎毀了一個140年歷史名聲赫赫的企業。

西屋電氣的災難：致命一擊

隨後在2017年，其數年前斥巨資併購的美國核電事業西屋電氣（Westinghouse）因成本失控與龐大虧損宣告破產保護，將整個東芝集團推向了資不抵債的生死邊緣。

• 豪賭核能：2006 年，東芝以 54 億美元的高價收購了美國核能公司 西屋電氣（Westinghouse），押注全球核能復興。

• 破產與鉅額虧損：西屋電氣在美國的電廠建設項目遭遇嚴重延誤和成本超支。2017 年 3 月，西屋電氣申請破產保護，導致東芝面臨 63 億美元 的資產減記。

• 生存危機：東芝面臨資不抵債的風險，這將導致其從東京證券交易所退市。為了生存，東芝別無選擇，只能出售其最賺錢的資產。

為了填補巨大的財務黑洞並避免被東京證券交易所強制下市，東芝被迫「斷尾求生」，將旗下最賺錢、也是唯一具備全球競爭力的半導體記憶體事業群：東芝記憶體公司（Toshiba Memory Corporation, TMC）進行標售。

世紀拍賣：地緣政治的角力場

2017 年出售 TMC 的決定引發了一場長達八個月的激烈競標，這不僅是商業交易，更是一場地緣政治博弈，也是一單世紀經典的交易，我個人認為這是一單由最聰明及最善於游說的人促成的交易藝術！（貝恩資本 Bain Capital ！！）

• 錯綜複雜的利益方：

  • 東芝：急需 180 億美元現金以避免退市。

  • 日本政府：視記憶體技術為國家安全資產，堅決反對出售給中國買家，並對台灣鴻海（富士康）的競標持保留態度。

  • Western Digital（威騰電子/西部數據）：東芝的長期合資夥伴，既想收購東芝記憶體以挑戰三星，又擔心被切斷供應鏈。

  • 美國客戶（Apple, Dell 等）：擔心 Western Digital 收購會造成市場壟斷，因此介入以確保供應鏈競爭性。

• 貝恩資本（Bain Capital）的解決方案： 這個交易結構極為精妙：

  • 美國科技巨頭（Apple, Dell 等）出資但不控股，以安撫客戶。

  • SK Hynix（SK 海力士） 通過可轉換債券投資，既獲得未來潛在股權，又在當時不擁有投票權，以此規避反壟斷審查。

  • 日本保持控制權：東芝自身再投資，加上日本光學大廠 Hoya 和政府背景基金，確保日本實體持有超過 50.1% 的投票權，滿足了國家安全要求。

貝恩資本（Bain Capital）退場的意義及解讀

Read more

Subscribe now

OpenAI Stargate 星際之門計畫

由 OpenAI、Oracle、SoftBank 等合作推動的美國 AI 基礎設施 Stargate 星際之門計畫，第一階段規劃投資約 5,000 億美元，原始目標建置約 10GW 的 AI 算力，透過多座超大型 AI Campus 來支撐AI 訓練與推論需求。其中，Project Jupiter 是目前最具代表性的旗艦項目之一，由 Oracle 主導建設，最新規劃已擴展至 2.4 GW，若以 Stargate 10 GW 的總規模計算，Jupiter 約占整體算力 25%，是 OpenAI 將來最重要的算力來源之一。

算力規劃最大的前 5 個 Stargate AI Campus 如下：

Flagship Abilene (Stargate Site 1) — 德州阿比林 (Abilene, Texas)

總算力規劃：1.2 GW 由 Crusoe 與 Lancium 合作建造（早期專案代號 Project Ludicrous），坐落於 Lancium Clean Campus，部署大量高密度 NVIDIA Blackwell 晶片。電力由 ERCOT 區域電網（含當地豐富風力再生能源）與現場天然氣渦輪發電機組（如 GE Vernova 設備）提供。

作為 Stargate 首發基地，部分早期建築已於 2025 年下半年 投入營運 (目前大約46% 營運中），整體園區預計於 2026 年底全面完工，原計劃擴充的額外800 MW 部份由於OpenAI 想以Vera Rubin 代替 Grace Backwell 世代晶片，已終止並轉由Meta 接手。

Project Jupiter — 新墨西哥州多納安娜郡 (Doña Ana County, New Mexico)

總算力規劃：2.4 GW 由 STACK Infrastructure 負責開發，規劃包含四棟超大型資料中心建築。採用 Bloom Energy 燃料電池（Fuel Cell）專屬獨立微電網，以非燃燒方式提供高效電力，不對地方電網與水資源造成負擔，預計於 2028 年底 陸續完工投產。

Project Frontier — 德州沙克爾福德郡 (Shackelford County, Texas)

總算力規劃：2.0 GW 由資料中心開發商 Vantage 建造，多元化多重電源供應（結合現場天然氣微電網以及區域電網與風力資源），首棟資料中心預計於 2026 年下半年 開始交付，整體園區預計於 2028 年 完工。

The Barn — 密西根州薩琳鎮 (Saline Township, Michigan)

總算力規劃：1.4 GW 由 Related Digital 與 Oracle 聯合開發，電力由當地 DTE 電網供電，並配備多座新建的專屬大型電池儲能設施（專案自行承擔所有能源與升級成本，不影響當地居民電費），首批建築預計於 2027 年初 開始運作，全面營運於 2028 年初。

Project Lighthouse — 威斯康辛州華盛頓港 (Port Washington, Wisconsin)

總算力規劃：1.3 GW 由 Oracle 與 Vantage 共同打造的永續設計園區，電力由 We Energies 供應，其中 70% 的電力來自新建的零碳排綠能（太陽能、風能與電池儲存），其餘 30% 透過當地再生能源採購達成 100% 匹配，預計於 2028 年 全面完工。

「木星計劃」 ( Jupiter Project ) 不但是容量最大，更象徵 Oracle 在 AI 時代角色的重大轉變，從傳統雲端服務商升級為 OpenAI AI 基礎設施的核心合作夥伴，同時也是 Bloom Energy 大規模部署燃料電池 (SOFC) 與微電網 (Microgrid) 首次應用於超大型 AI Campus 的示範案例。

項目在供電方案上其實經歷了一次巨大的被動轉型，面對龐大的算力需求，Oracle 原本計畫透過傳統燃燒發電，但最終因環保與基礎設施法規的壓力，全面轉向了燃料電池技術。這段從「燃氣輪機＋柴油發電機」到「固態氧化物燃料電池 (SOFC)」的演進過程，成了一個極重要的案列，非常值得深入研究。

最初方案：燃氣輪機與柴油備用發電

在初期規劃中，Oracle 計畫採用傳統的燃氣輪機 (Gas Turbines) 作為主發電來源，並搭配柴油發電機作為備用電源，當時天然氣來源與管道建設的考量：

為了支撐高達 2.4 GW 的發電容量，Oracle 必須確保穩定且龐大的燃料供給。為此，他們與能源傳輸公司 (Energy Transfer) 合作，提議建設一條長達 17.77 英里（約 28.6 公里）的天然氣專線管道，該管道的設計輸送量高達每天 4 億立方英尺，是整個資料中心園區能源計畫的大動脈。

遭逢的致命阻力，這套方案在當地引發了強烈的反彈，導致管道建設全面卡關：

1. 水資源爭議： Doña Ana 郡屬於沙漠地帶，水資源極度匱乏。傳統燃氣發電廠與資料中心的冷卻塔需要消耗數千萬加侖的水，引發居民與環保團體抗議，看過Breaking Bad 一定會明白New Mexico 的沙漠天氣。

2. 高碳與污染排放： 傳統燃燒天然氣會產生大量的溫室氣體與氮氧化物 (NOx)，這不僅引發空氣品質疑慮，也難以符合新墨西哥州的《能源轉型法》。

3. 監管機構駁回： 2026 年 3 月至 4 月期間，美國聯邦能源管理委員會 (FERC) 及新墨西哥州土地辦公室，基於耗水量過大、排放惡化以及對州政府帶來的實質稅收太少等理由，正式否決了該天然氣管道的建設申請。

方案大轉彎：全面轉向 SOFC 微電網

由於發電廠許可證與天然氣管道雙雙碰壁，Oracle 在 2026 年 4 月底緊急宣布放棄燃氣輪機與柴油發電機，改為與 Bloom Energy 合作，在現場部署固態氧化物燃料電池 (SOFC)，打造一個巨大的微電網。SOFC 方案如何解決初期的痛點：

SOFC 是透過電化學反應直接將天然氣轉化為電能，過程不涉及「燃燒」。這讓氮氧化物 (NOx) 的排放量驟降約 92%，同時減少了二氧化硫與懸浮微粒。

燃料電池只需要約 1,000 萬加侖的一次性初始注水，隨後的日常維運幾乎不需要耗水，直接解決了沙漠地區最敏感的水權問題。

殘酷現實：燃料來源依舊卡關

雖然 Oracle 換上了更環保、不耗水的燃料電池，但 SOFC 目前的原料依然是天然氣。

這意味著 Project Jupiter 的核心命脈依舊受制於天然氣管道的建設。2026 年 7 月，新墨西哥州監管機構「再次」拒絕了那條 17 英里天然氣管道的申請。Oracle 甚至向監管機構坦言：「如果沒有可靠的天然氣來源，資料中心的發電廠就無法運作」，整個項目完全失去獲取電力的能力，由於管線持續卡關，加上 SOFC 的建置成本遠高於傳統燃氣輪機，業界預估 Project Jupiter 的正式供電時程，可能已從原訂的 2027 年大幅延宕至 2029 年，甚至 2030 年代。

翻查新墨西哥洲最高土地專員的反對信，拒絕天然氣管道的理由如下：

1. 專員擁有維護信託最佳利益之法定裁量權

土地專員的職責是作為受託人，確保對州信託土地的管理符合州立學校及其他機構（如醫院、大學），專員有權依專業裁量權拒絕不符合信託利益的申請。

2. 專案為信託帶來的收益極其微薄

依現行費率標準，35 年期間僅能為 NMSLO 分別帶來數萬美元一次性申請費用。

商業租賃收益於 5 年期內，每年僅有 43,000 美元的年費收入。

3. 極端的環境代價與資源負擔遠超收益

巨量溫室氣體排放： 根據其自身的許可申請，即使改用燃料電池，專案木星預計每年仍將排放超過 1,000 萬噸的溫室氣體，相當於新墨西哥州最大城市阿布奎基市（Albuquerque）全年總排放量的將近兩倍，嚴重加劇氣候變遷並損害州信託土地。該專案位於該州最乾旱的地區之一，預計每天需消耗近 100 萬加侖的水資源。

最重要的的是缺乏對等回饋， 專案主要使科技巨頭（如 Oracle）及基礎設施開發商獲利，但對 NMSLO 及其受益人缺乏實質正面效益，卻對新墨西哥州的自然資源與周邊社群造成沈重負擔。

信函最後指出，若 Energy Transfer 對此決定不服，可依據新墨西哥州土地辦公室規則（19.2.15 NMAC），於信函發出之日起 30 天內提出行政異議申訴（Petition for Administrative Contest）。

分析反對的理由及背景

先說這個豬隊友 Energy Transfer，當土地專員Garcia Richard 本年三月首次否決項目供電方案後，Oracle 把方案改為Bloom Energy 的燃料電池方案，Energy Transfer 回信的時候，理直氣壯地重申：申請文件完整、費用已繳，所以土地辦公室應繼續處理申請。但Garcia Richard 本次再次否決時，第一點就直接指出，提交完整申請並不代表申請人自動有權取得通行權。她依法具有廣泛裁量權，必須判斷交易是否符合州土地信託及其受益人的最佳利益。

Energy Transfer 直接把 Garcia Richard 當成了按程序辦事的小鎮官員，而且估計沒有做游說及公關工作，不但無視了Garcia Richard 要為地方社區爭取合理權益的決心，更無視了她兢逐副洲長的野心，也對政治不夠敏感，忽略了民主黨掀起社區反對AI 數據中心的中期選舉策略。

Garcia Richard的否決理由表面上合理，除了對社區直接利益不足外，溫室氣體排放部分很難進行反駁，因為項目規模對當地社區相對地大；但她對耗水方面的表述就沒有充分反映Oracle後來改用封閉式冷卻的最新方案，因為信中的耗水量仍然是引用最初方案的數據，因此技術上參數上的說服力較弱。

若果當初改方案同時配搭社區利益及加強溝通游說，趕在社區反對聲未形成氣候時，還有一定成功率。目前由於中期選擇11月才進行，Garcia Richard 必定會善用這個社區議題助選，30 天內成上訴的機會已經不大，唯一最有效的方法是能夠提供一筆令她無法反對的社區直接利益！要考驗Oracle 的財務及公關手碗了！

終極的過渡方案我會建議改用卡車運輸，這是極少數僅在地點極偏遠或是在海運中，才會使用油罐車運送液化天然氣（LNG）或可再生天然氣（RNG）到現場大型儲存罐，雖然麻煩，但也算是可選方案之一。

甲骨文（Oracle）股價受挫

甲骨文股價一個月內重挫接近30%，從六月高位計算，股價更是直接腰斬並創下 52 週新低。如果為了避開州有土地而更改管線路線，可能會讓成本暴增數十億美元。而根據當地媒體報導，使用私人土地接駁天然氣管道也被當地社區地主反對。研究機構 SemiAnalysis 預估，該基地的供電時間將從原訂的 2027 年延後兩年至 2029 年。

甲骨文迫切需要「木星計畫」盡快上線，以便在 AI 運算市場上與其他雲端巨頭（Cloud Hyperscalers）競爭。除了天然氣管線受阻外，該計畫目前也尚未取得空氣品質許可證。長達兩年的延誤對於已經充滿擔憂的投資人來說，無疑是一次沉重的打擊。

Bloom Energy 的優勢

時間就是金錢，對於科技巨頭而言，一個吉瓦（GW）的 AI 雲端算力每年可產生 100 億至 120 億美元的收入。如果能提早 6 個月投產，就意味著數十億美元的營收。因此，業界被迫放棄等待傳統電網長達7年的輪候期，更無法保證一定能獲得電力供應，因此巨企們都轉向「自備發電（Bring Your Own Generation, BYOG）」模式。

Bloom Energy 的模組化發電設備，大約 90 天即可在現場完成部署，雖然電價較高，但能讓 AI 企業立即啟動營運。Bloom Energy 已在超過 1,000 個地點部署了共 1.4 GW 的設備，是一個量產級及營運中的可靠方案。 這種模組化系統允許數據中心運營商繞過公用事業公司的互連隊列（interconnection queues），直接在現場利用現有的天然氣供應發電，從而迅速上線，提供7x24 可全天候持續穩定的電力。

但前提是部署地點必須已經擁有地下商業天然氣管線，模組化的優勢是不需要建設新的高壓管道，通常只需聯絡燃氣公司「升級儀表」即可。「木星計畫」的致命點在於Campus 遠離天然氣管線，必須新建全新供氣管道。

Bloom Energy 的技術

Bloom 的 SOFC 技術通過電化學反應將燃料轉化為電力，而不是燃燒，這帶來了幾個關鍵優勢：

發電效率約為 60%，比傳統燃燒發電機或微型渦輪機高出許多，這意味著每千瓦時（kWh）消耗的燃料減少 15-20%。

由於沒有燃燒過程，Bloom 系統產生的氮氧化物（NOx）、硫氧化物（SOx）或顆粒物可減少高達92%。這使其更容易在空氣質量法規嚴格的地區（如加州或城市中心）獲得安裝許可，而傳統柴油發電機則面臨越來越大的監管壓力。

系統目前可以使用天然氣，但無需重大改裝即可過渡到使用氫氣（Hydrogen）。這滿足了科技巨頭（Big Tech）對未來實現淨零排放的承諾。

Bloom Energy 的暫時優勢及各項風險

Read more

Subscribe now

面對股市大幅調整，相信讀者未必有足夠的心情及耐性細讀產業的深度分析，但我並非善於寫心靈雞湯類的文章，還是繼續寫產業趨勢、產業長期兢爭力的文章，希望為下一波升浪做好準備。

台積電以全球最先進制程產出晶片或稱積體電路（IC），使用的基底材料就是矽晶圓 (Raw Wafer)。它的原始材料是「矽」，透過將二氧化矽礦石提煉成純度高達 99.999999% 的多晶矽後，加熱溶解並經過「長晶」程序，拉成如 6 吋、8 吋及 12 吋等不同規格的矽晶圓。這些晶圓送到晶圓廠製造出晶片電路，再經切割、測試與封裝，最終成為市面上的 IC。

12 吋晶圓廣泛應用於最先進製程來生產最先端的 CPU、GPU 以及 AI ASIC 等邏輯晶片，以及記憶體（DRAM、NAND 及 HBM 高頻寬記憶體）。隨著 AI 由訓練走向推論，AI 已成為記憶體的第一大應用 ，目前一片 HBM 的晶圓產值甚至已超過 2 奈米先進製程晶圓三成以上 。此外，矽光子（Silicon Photonics）與 RF-SOI 等新興應用也正成為 12 吋晶圓的新成長動力 。

關於近期因為輝達提倡的 800VDC 而被熱烈討論的SiC 及GaN，由於是一個非常專業及複雜的分支議題，本篇不作詳細分析，但不論最後下游功率產品的是GaN、SiC還是傳統Si，環球晶都是處於上游的供應商地位，以「材料平台」策略供應下面的晶圓材料：

• 裸矽晶圓 (Raw Wafer)；

• 外延矽晶圓 (Epi)；

• GaN-on-Si外延 (Epi)；

• n-type SiC；

• 半絕緣SiC；

• SOI及其他特殊基板。

當中關鍵字是「外延」，台灣稱為「磊晶」。這兩者對應的英文都是 Epitaxy（簡稱 Epi）。

字面上的意思

外 (Outer/Surface)： 指的是在原本基底（基板）的「表面」或「外部」。

延 (Extension/Growth)： 指的是「延伸」或「生長」。

合在一起，「外延」就是「在原有的基底表面上，往外延伸生長出一層新的物質」

半導體中的技術定義

在半導體製程中，「外延」是指在一個單晶基板（例如前面提到的矽基板或碳化矽基板）上，生長出一層新的單晶薄膜的過程。

這不是隨便塗上去的一層膜，它有一個嚴格的物理特性：新生長出來的這一層材料，必須完美「繼承」且「對齊」底下基板的晶體結構（晶格）。

打個比方： 想像基板是樂高積木的底板，上面有特定排列的凸起。「外延」就像是在這塊底板上，精準地拼上新的一層樂高積木，且新積木的凹槽必須跟底層的凸起完美契合，不能歪斜。

GaN-on-Si（矽基氮化鎵）： 意思就是拿一片便宜的「矽 (Si)」作為底層基板，然後透過外延（磊晶）的技術，在矽的表面「延伸生長」出一層「氮化鎵 (GaN)」。

GaN-on-SiC（碳化矽基氮化鎵）： 就是拿昂貴散熱好的「碳化矽 (SiC)」當底層基板，在上面進行外延（磊晶），長出 GaN。

為什麼需要「外延」？

因為自然界中很難直接做出一整塊純的、完美的 GaN 或某些特殊化合物的晶圓，即便做出來也可能天價且極易碎。透過「外延」技術，我們可以把不同材料的優點結合在一起——例如拿 SiC 的「散熱好」當底座，上面鋪一層 GaN 的「高頻效能好」來做晶片，達到完美的異質結合。

環球晶圓之企業淵源與雙主軸垂直整合戰略

第三類半導體（SiC、GaN) 非常複雜而且不是本篇主角，我們先把鏡頭焦點轉回環球晶身上。

環球晶圓（GlobalWafers）在全球半導體供應鏈中佔據著極具戰略重要性的核心地位，其發展歷程與母公司中美矽晶製品股份有限公司（中美晶，SAS）的深度戰略佈局密不可分。中美晶自 1981 年成立於新竹科學工業園區以來，長期深耕於半導體與太陽能材料領域，於2011年10月正式將半導體事業處分割獨立，成立環球晶圓股份有限公司。此一企業分割舉措，標誌著中美晶集團正式確立了「一條龍加雙主軸」的垂直整合與多角化戰略。

在雙主軸戰略的引導下，中美晶自身專注於太陽能晶錠、電池及再生能源案場的維運管理，而環球晶圓則全心聚焦於半導體矽晶圓材料的研發與全球產能擴張。然而，環球晶圓並非孤軍奮戰，其背後有著中美晶集團龐大生態系的技術與資本支撐。中美晶集團透過精準的轉投資，構建了涵蓋材料、晶圓、代工與終端應用的完整半導體生態鏈。在半導體原料端，中美晶入主台特化，掌握台積電所需的矽乙烷與矽丙烷等特殊氣體供應；在化合物半導體與射頻代工端，投資宏捷科技，深化氮化鎵（GaN）與砷化鎵（GaAs）技術佈局；在車用功率元件端，透過朋程科技掌握車用二極體市場，並引導茂矽專注於IGBT（絕緣柵雙極體電晶體）與MOSFET（金氧半場效電晶體）的晶圓代工。

這一龐大的集團網絡，使得環球晶圓在進行跨國併購與新世代材料研發時，能夠充分獲得集團層面的資源協同。在董事長徐秀蘭的帶領下，環球晶圓承襲了母公司深厚的研發底蘊，從一家原先僅佔據台灣本土市場的企業，透過精準的國際併購，迅速壯大為全球第三大、非日系第一大的半導體矽晶圓供應商，其市佔率一度逼近全球17%至20%的區間，與日本信越化學（Shin-Etsu）及勝高（SUMCO）形成三足鼎立的寡占格局。

其實矽晶圓還有更上游材料來源，就是多晶矽，在過去多為歐美日的大廠（Hemlock、Wacker、REC等）。在後來中國太陽能產業崛起後，全球就有近 8 成的產能被中國的低價策略所佔據。然而在供應鏈去中化、中美貿易戰等狀況下，廠商也開始決定將供應來源多元化；而中游才是矽晶圓製造商（環球晶、台勝科、合晶等）提供一條龍式的服務，下游就是我們所熟知的各類型 IC 製造公司（台積電、聯電、世界先進等）。

環球晶圓跨國併購歷史軌跡

環球晶圓的超高速成長，核心驅動力來自於精準且具備高度執行力的併購策略。環球晶圓的併購哲學並非單純追求產能規模的疊加，而是極度強調「互補性」。在發動併購前，決策團隊會針對時間、成本、技術與風險四個維度進行嚴格評估，專注於尋找能填補環球晶圓技術空白、打開特定區域市場，且能透過經營管理優化迅速扭虧為盈的標的物。

2008年 美國 Globitech (約 13.5 億新台幣）

取得 6 吋與 8 吋磊晶（EPI）技術，成功打入德州儀器（TI）等美國頂尖整合元件製造廠（IDM）供應鏈。

2012年 日本 Covalent Materials (CVS) 未披露確切金額 (前東芝子公司)

越過高昂建廠成本，直接獲取 8 吋及 12 吋矽晶圓量產能力，並成功破冰，打入極度封閉且技術要求嚴苛的日本半導體市場。

2016年 丹麥 Topsil 半導體事業群 （約 15.9 億新台幣）

獲取全球領先的 FZ（Float Zone）製程技術及中子照射超純矽晶圓，跨足重電與車用高功率元件市場，並建立歐洲銷售與生產網絡。

2016年 美國 SunEdison Semiconductor (SEMI) (企業價值約 6.83 億美元）

大幅擴充 12 吋晶圓產能，鞏固 SOI（絕緣層上覆矽）技術，合併後月產能佔全球 17%，掌握英特爾、三星及歐洲大廠訂單。

2020-2022年 德國 Siltronic AG (世創) 擬以約 45 億美元收購 (最終破局)

原預計合併後市佔率上看 30%，成為全球第二大廠。因德國政府擔憂技術外流未予核准而破局，支付 5000 萬歐元終止費。

從上述併購軌跡可以觀察出環球晶圓戰略演進：

2008 年收購美國Globitech，解決了早期集團缺乏磊晶技術的痛點；

2012 年收購日本Covalent Materials（CVS），則是為了獲取12吋晶圓的入場券。

2016 年發動的兩場連續併購更是產業經典：收購丹麥Topsil讓環球晶圓的製程從傳統的柴可拉斯基法（CZ, Czochralski）跨入高難度的浮區法（FZ, Float Zone），使得產品線完美覆蓋3吋至12吋，奠定了在車用與工業用高功率元件的利基優勢，因為FZ製程生產的矽晶圓含氧量極低，電阻值遠高於CZ製程，是重電與高功率電子元件不可或缺的材料；同年底併購SunEdison，不僅將全球產能推向新高峰，更讓環球晶圓一舉掌握了SOI技術與歐美一線客戶。

在併購後的整合管理上，環球晶圓展現了卓越的「止血與翻轉」能力。以SunEdison併購案為例，環球晶圓接手後僅花費四個月便讓這家長期虧損的企業轉虧為盈。其核心重整策略在於重新檢視被併購方的成本結構、設備折舊與市場規格匹配度。部分被併購企業在成立初期導入了過於高端的無塵室設備，導致折舊壓力巨大且不符當時市場需求；然而，當環球晶圓接手時，隨著半導體製程向先進節點演進，這些高端設備正好迎合了最新的市場規格，原本的財務包袱瞬間轉化為具備高護城河的優質資產。

2020年底，環球晶圓發起對德國世創（Siltronic AG）高達1300億新台幣（約45億美元）的巨額收購案，意圖一舉將全球市佔率推升至30%以上，挑戰全球龍頭寶座。然而，隨著地緣政治摩擦加劇與全球半導體保護主義抬頭，德國政府擔憂關鍵技術外流，最終於2022年1月底的交易期限前未予放行，導致併購案破局。為此，環球晶圓不僅需依約支付5000萬歐元（約15.6億新台幣）的交易終止費，還需認列世創股票的評價損失，嚴重侵蝕當期每股盈餘。

2020 年的併購失敗反而造就了環球晶立足美國本土供應

從深層次的產業戰略視角觀察，世創（Siltronic AG）收購案的破局反而成為環球晶圓營運模式轉換的重要轉捩點。在確認併購無望後，環球晶圓迅速將高達千億新台幣的備用資金轉向自主擴產的「綠地投資（Greenfield）」，特別是響應美國半導體製造回流政策，於美國德州謝爾曼市（Sherman）啟動耗資近40億美元的12吋先進晶圓廠建置計畫。這一戰略轉向，使得環球晶圓不僅避開了歐洲繁瑣的勞工與技術保護法規，更精準契合了北美供應鏈「在地化（Local for local）」的大趨勢，為日後獲得各項長約與注資奠定了堅實基礎。

環球晶這次赴美設廠過程有些曲折，還惹來韓國媒體怒議。環球晶原計畫啟動備案到其他國家設廠，本來的計劃是到韓國，不料最後拍板砸50億美元赴美設廠。

此一轉折，直到當年美國商務部長雷蒙多受訪時才揭開謎底，雷蒙多披露在一次電話通話過程中，徐秀蘭曾提及「南韓設廠的成本只有美國的三分之一」，雷蒙多則回應，「我們會計算看看」，南韓媒體獲悉此事後，據聞痛罵美國，「台灣投資南韓的50億美元，美國長官一通電話就截/攔胡」。

環球晶目前在美國共有三座廠，兩座位於德州謝爾曼，一座位於密蘇里州，其中，德州新廠已陸續驗證通過，也取得數個一線客戶訂單，正在量產爬坡階段，密蘇里州廠主要生產 SOI，目前需求非常強，尤其許多 SOI 應用於矽光子，是目前環球晶等待送樣清單最長的廠，正全力趕送樣與產能提升，尤其 SOI 售價比一般矽晶圓高很多，製程也非常困難、時間也長，因此產能爬升的速度較慢。

董事長徐秀蘭在法說會表示：目前 12 吋產能全滿，美國廠還來不及接棒，談到美國廠未來擴張計畫，德州旗艦廠若六期全部蓋滿，單一德州廠的 12 吋產能將比目前非美國廠的 12 吋總產能還大，約可增加現有非美國產能的 130% 至 140%。不過是否持續擴建，取決於三項條件，包括客戶是否希望環球晶擴產、美國政治環境是否持續支持當地供應鏈，以及已建好的第一期是否能賺錢。

矽晶圓市場供需結構轉變與長約化趨勢

全球半導體矽晶圓市場正經歷一場前所未有的超級循環，從2024年延伸至2027年，市場呈現出結構性的緊繃與缺貨態勢。從終端需求來看，人工智慧（AI）、高效能運算（HPC）、先進封裝（CoWoS）及電源管理晶片（PMIC）及感測晶片電子的爆發性成長，急遽拉升了對12吋及特定利基型矽晶圓的消耗量。

這種供不應求的局面，跟記憶體短缺的局面非常相近，其最核心的根源在於矽晶圓產業長期的資本支出保守態度。回顧2006年至2016年，全球矽晶圓產業曾歷經長達十年的供給過剩與價格流血戰，這段慘痛歷史使得現今的寡占巨頭在擴產決策上極度謹慎，通常必須在確保客戶長期需求並簽訂一定比重的長約後，才願意啟動實質擴產。同時，擴建一座全新的12吋矽晶圓廠不僅耗資動輒數十億美元，且面臨極長的設備交期（長達18至36個月），加上廠房建設與客戶認證時間，新建產能從動工到量產往往需要三年以上的時間，這使得短期內產能根本無法大幅增加。

從供給面的結構性調整來看，全球矽晶圓兩大巨頭日本勝高（SUMCO）與德國世創近年為了優化獲利結構，陸續縮減甚至退出6吋與部分8吋的基礎產線，導致全球中小尺寸的基礎供給顯著收斂。然而，晶圓代工廠成熟製程報價的回溫與下游系統廠的搶料心理，引發了一波防禦性的提前囤貨潮。在12吋晶圓方面，SUMCO明確指出，至2025年，全球12吋矽晶圓每個月仍有高達100萬片的供給缺口，且至2026年底的產能早已被長約訂購一空，難以供貨給長約以外的客戶。

Read more

Subscribe now

全球人工智慧基礎設施市場正處於一個劇烈動盪且高度分化的歷史轉折點。隨著大語言模型（LLM）的能力及算力需求呈指數級增長，提供底層算力的雲端服務商已不再是單純的硬體租賃商，而是演變為融合地緣政治、金融工程與深層軟體架構的複合型實體。隨著 xAI 及 Meta 同時加入這場「AI風暴」的算力軍備競賽中後，Oracle（甲骨文）將可能被擠出四大雲商之列，與Neocloud 的代表 CoreWeave 及 Nebius 將有更激烈的兢爭，這三家企業分別代表了三種截然不同的商業演進路徑與底層邏輯。

本篇將從三個核心維度對Oracle、Coreweave、Nebius 三家算力雲商進行橫向解構，首先剖析其創始人的企業基因與文化底色；其次對比其融資策略、商業模式與核心財務指標；最後，在Meta與SpaceX（xAI）等科技巨頭釋放龐大閒置算力，以及開源模型與資料安全需求崛起的市場劇變下，深度評估這三家企業的戰略防禦能力與未來競爭力。

先參考兩份專業及權威的分析：Gartner & Semianalysis

Gartner 是全球最具影響力的 IT 市場研究與顧問公司之一，成立於 1979 年，總部位於美國康乃狄克州。其主要客戶包括企業 CIO、IT 部門、投資機構及科技供應商。Gartner 最知名的研究就是 Magic Quadrant（魔力象限），許多大型企業在採購軟體、雲端服務或 AI 基礎設施時，都會參考 Gartner 的評估作為初步篩選依據。他們剛於7月6日發佈了2026 年最新的 Cloud AI infrastructure Magic Quadrant（魔力象限）。

Magic Quadrant 亦是 Gartner 最具代表性的評比工具，它透過兩個維度評估市場上的供應商：

• 縱軸（Y)：Ability to Execute（執行能力）

  • 產品成熟度

  • 客戶滿意度

  • 技術支援

  • 財務穩健性

  • 全球銷售與服務能力

• 橫軸（X)：Completeness of Vision（願景完整性）

  • 對市場趨勢的掌握

  • 技術創新能力

  • 產品策略

  • 商業模式

  • 長期發展方向

因此，越靠右上角，代表一家公司的產品不但今天執行能力強，也被 Gartner 認為具有較完整的未來策略。

Oracle、CoreWeave 與 Nebius 可視為 2026 年 Gartner《Magic Quadrant for Cloud AI Infrastructure》的主要贏家，Oracle 憑藉 OCI AI Supercluster、大型企業客戶、快速成長的 AI 訂單及完整的企業軟體生態系，躋身 Leaders 象限；CoreWeave 則從 GPU 雲端供應商發展為具備大規模 AI 基礎設施營運能力的 Neocloud，展現出較強的商業執行力；Nebius 則憑藉 AI Native 架構、深厚的工程能力及快速擴張的 AI Cloud 平台，獲 Gartner 列為 Visionaries，反映其技術策略及市場定位已獲得國際認可。

整體而言，這三家公司代表 Gartner 正式承認 AI 專用雲端（Neocloud）已成為除傳統 Hyperscaler 之外的重要競爭力量，但其象限位置仍應理解為在新方法論下的市場定位，而非與 2025 年圖表進行直接的一對一年度升降比較。

論排名當然少不了目前萬眾矚目的 Semianalysis:

CoreWeave 連續兩年獲得第一名 (Platium），Oracle 及Nebius 分別排在第二名（Gold ），同時領先於Amazon AWS 及 Google GCP。

為方面綜合比較及一目了然，我平均計算兩家機構的評級重新整理了一個新的AI Cloud World Cup 榜單以供參考：

排名以外，企業的發展軌跡與戰略決策，往往受其創始團隊的第一性原理與初始基因所支配。Oracle、CoreWeave 與 Nebius 的起點截然不同，這直接決定了它們在 面對AI基礎設施建設時的市場定位與資源調度方式，以下部份我們從企業創立的背景及企業基因來透視他們值根深處的潛在發展方向。

Oracle：深耕政府與金融體系的「地緣政治與權力」

Oracle自1977年創立之初，便具備了極強的政府與企業級服務基因。其名稱「Oracle」正是源於創始人Larry Ellison等人早期為美國中央情報局（CIA）開發關聯式資料庫的專案代號。這種與國家安全機構及高度敏感資料打交道的歷史，賦予了Oracle在企業級軟體市場中無可撼動的信任護城河，也確立了其與美國政府深度綁定的發展基調。

進入 AI 時代，Oracle 的企業基因進一步與地緣政治、國家主權及意識形態深度交織。從TikTok 的美國業務剝離案中可以清晰看出，Oracle 不僅僅是一家技術基礎設施供應商，更是大國政治博弈的關鍵執行者。在該交易中，Oracle 作為 TikTok USD 的「可信賴安全合作夥伴」（Trusted Security Partner），負責託管美國使用者資料並審查字節跳動的原始碼與演算法，本質上是在執行一場國家安全與敘事控制的任務。然而，該交易的資本結構中卻引入了阿聯酋阿布達比的主權財富基金 MGX，使得整個算力佈局充滿了中東資本、美國主權與矽谷科技的利益妥協。

此外，Larry Ellison 與現任執行長 Safra Catz 的強烈意識形態傾向，深刻影響了企業走向。Ellison 長期以來是以色列國防軍之友（FIDF）的最大私人捐助者之一，並與以色列總理內塔尼亞胡保持密切關係。Safra Catz 甚至在公司內部明確表態支持以色列的立場。在這種強烈的政治意志驅動下，Oracle不僅在耶路撒冷建設地下資料中心，參與以色列空軍的機密 AI 項目「MENTA」，甚至協助開發名為「Words of Iron」的數位工具以進行社群媒體敘事管理。這種將算力基礎設施視為地緣政治武器與國家主權延伸的企業基因，使得Oracle在爭奪各國「主權雲」（Sovereign Cloud）與軍工級機密算力訂單時，具備其他純商業雲商難以企及的政治資本。

CoreWeave：極致追求效率與風險定價的「算力交易員」

相較於Oracle濃厚的政治與企業服務底色，CoreWeave的誕生則純粹建立在金融交易與回報計算的邏輯之上。這家成立於2017年的公司，最初名為Atlantic Crypto，由Michael Intrator、Brian Venturo 和 Brannin McBee 三位曾在紐約華爾街從事大宗商品交易的金融工程師創立，最初的業務是利用繪圖處理器（GPU）進行以太坊（Ethereum）加密貨幣挖礦。

這群具備深厚「金融工程」（Financial Engineering）背景的創始人，從未將GPU視為單純的運算設備，而是將其視為一種能產生波動性現金流的「大宗商品」。在2018年加密貨幣崩盤後，他們憑藉敏銳的風險嗅覺，迅速將積累的 GPU 資產轉向提供雲端運算與視覺特效渲染，並在 2022 年AI 爆發前夕精準押注 NVIDIA 的 H100 晶片 。CoreWeave 的企業基因是「風險定價」與「極致槓桿」——他們精於計算硬體折舊曲線、市場租金需求與資本成本之間的利差。

對於 CoreWeave 而言，資料中心是一場高強度的資產負債表操作。他們利用金融市場的創新，將GPU硬體與未來客戶的長期合約打包成抵押品，開創了資產支持融資（Asset-Backed Financing）的新模式。這種華爾街式的交易員文化也體現在創始團隊對資本的極致掌控上。儘管經過多輪稀釋，創始團隊在公司上市前透過複雜的雙重股權架構（AB股）保留了高達 82% 的投票權，並透過10b5-1計畫在二級市場套現數億美元以進行個人財富的多元化配置。這種敏捷、逐利且高度依賴金融槓桿的文化，使得 CoreWeave 在擴張速度上冠絕全行業，但也埋下了極高的系統性財務風險。

Nebius：底蘊深厚的演算法極客與「軟硬一體」狂徒

Nebius 名字由兩個概念巧妙結合而成：

1. Nebula（星雲/雲端）：取自拉丁語，代表雲（Cloud） ，呼應了該公司提供 AI 雲端基礎設施與服務的核心業務。

2. Möbius（莫比烏斯帶）：致敬數學中的「莫比烏斯環」，象徵無限迴圈 。代表其 AI 雲端技術所能創造的無限可能性 。

Nebius 的企業基因則完全由深層次的軟體工程、數學底蘊與地緣政治的顛沛流離所塑造。其創始人 Arkady Volozh 是俄羅斯版Google 搜尋引擎巨頭 Yandex 的聯合創始人，擁有深厚的計算機科學背景與連續創業經驗。在 2022 年地緣政治危機爆發後，Volozh強烈譴責戰爭，並最終帶領約 1,300 名頂尖工程師脫離俄羅斯，在荷蘭阿姆斯特丹重組為 Nebius，利用先前在芬蘭 Mäntsälä 建立的資料中心作為重生的基石。

Nebius 帶有強烈的東歐與以色列深科技（Deep Tech）底蘊。早在 1990 年代，Volozh的團隊就為了解決俄語極其複雜的詞法與形態變化，開發了極具前瞻性的搜尋演算法，並在 2009 年推出了名為 MatrixNet 的專有機器學習演算法，其精確度甚至被歐洲核子研究組織（CERN）用於分析大型強子對撞機的數據。這群工程師曾一手打造了Yandex龐大的底層基礎設施、自動駕駛系統與大型語言模型（如1000億參數的YaLM 100B）。

這種深厚的軟體與演算法歷史，造就了Nebius 對「軟體定義硬體」的極致理解。與單純購買伺服器並對外出租的裸機雲商（Bare-metal Cloud）不同，Nebius 的理念是建造「AI工廠」（AI Factory）。他們不滿足於僅提供 NVIDIA GPU，而是將底層晶片、InfiniBand 高速網路、儲存架構與自我研發的Aether雲端平台及容器編排系統深度融合。Nebius 的工程師文化追求的是將技術指標做到物理極限，無論是拓撲感知的任務排程，還是推理延遲的微秒級優化，這種對底層技術的敬畏與狂熱，使其在軟硬體整合實力上遠超一般的算力倒賣商。

融資策略、商業模式與財務指標對比

Read more

Subscribe now

投資免責聲明：以下內容僅為個人觀察與投資思路分享，不構成任何投資建議、買賣邀約或資產配置指引。金融市場具高度不確定性，相關標的可能因政策、利率、景氣循環及非預期事件而出現劇烈波動。投資前請務必自行評估風險，並在必要時諮詢專業顧問。

赴美發行 ADR：打破「韓國折讓價」魔咒

SK海力士（股票代號：SKHY）將於今天正式在美國納斯達克市場發行美國存託憑證（ADR）。此舉不僅是為了募集高達260億至280億美元的鉅額資金，更是為了拓展美國投資者的投資渠道，縮小與美國同業（如美光 ）之間的估值差距，打破長久以來的「韓國折價」（Korea Discount）魔咒。

這場繼SpaceX之後美國市場最大規模的首次公開募股行動，發行了上限為1,779萬股的新股（佔總股本約2.5%）。該發行案獲得了全球長線基金與科技投資機構（如Baillie Gifford、Coatue Management）高達七倍的超額認購，展現了華爾街對「AI記憶體超級週期」的狂熱信任。透過在估值高點籌集美元資金，SK海力士得以在不大幅增加債務負擔的情況下，為其龐大的新廠建設與極紫外光（EUV）微影設備採購提供充足的銀彈。

由上市的終極目標不在於資金，發行商相對沒有高價發行的壓力，而SK 集團務必會以相對保守穩妥的定價上市，而發行股數只佔整體 2.5%，加上正股近日已經經歷過調整，估計會受機構及散戶投資者熱烈追捧，應有不錯的升幅，另外根據台積電ADR 的溢價 (目前17%) 推算，SK Hynix 甚至有機會高於20% !

於美國上市前夕，趁這機會整理一下它正經歷的一場重大企業轉型，如何試圖從單純的「記憶體供應商」轉變為「AI 系統平台合作夥伴」。這項轉型涉及輝達 (NVIDIA) 與台積電（TSMC）的深度結盟、針對美國科技巨頭的客製化共同設計（Co-design），終極目前成為「全端 AI 記憶體創造者」（Full Stack AI Memory Creator）。當中的經營策略及Business Model 關乎著企業未來數十年能否站穩國際舞台之上。

核心戰略轉型：從「賣產品」到「賣平台」

SK海力士正在複製 NVIDIA 過去十年的成功路徑。如同 NVIDIA 從單純賣 GPU 轉變為擁有 CUDA 生態系的平台霸主，SK海力士也試圖透過 HBM、AI-DRAM 、大容量AI-NAND 存儲解決方案和 HBF（高頻寬快閃記憶體）標準，主導 AI 硬體生態系。

轉型目標不再只是製造「快速的記憶體」，而是成為了解客戶 AI 工作負載、能客製化 Base Die 的「AI 系統平台商」。AI 基礎建設地位從單純的供應商（Supplier），晉升為能與客戶共同制定下一代晶片與基礎設施策略的戰略夥伴。

商業模式重塑：告別商品週期，邁向「晶圓代工化」的客製合約模式

傳統記憶體產業長期受到嚴重的「供需週期性」（Commodity Cycle）所困擾。過去，動態隨機存取記憶體（DRAM）與快閃記憶體（NAND Flash）的價格高度依賴於個人電腦、智慧型手機等消費性電子產品的市場波動。製造商往往在繁榮期進行龐大的資本支出以過度擴張產能，隨後在需求衰退時陷入無底線的價格戰與嚴重的營運虧損，例如2022年至2023年間的產業寒冬，便曾導致記憶體大廠面臨鉅額虧損。然而，AI超級週期的到來，使SK海力士的商業模式發生了根本性的質變。

從標準化商品到「客製化 HBM」的共同設計 (Co-design)

隨著AI算力需求的多元化與客製化，雲端服務供應商（Hyperscalers）與AI晶片設計商對於記憶體的要求不再是「隨插即用」的標準商品，而是必須與其特定加速器架構深度融合的客製化解決方案。SK海力士順應此趨勢，推出了「客製化 HBM」（Custom HBM）的商業模式。這種模式要求記憶體供應商從產品規格定義、系統架構設計、散熱管理、功耗限制到數據傳輸路徑，均與客戶進行最前端的共同設計。

這種客製化模式標誌著記憶體產業正轉向類似「晶圓代工」（Foundry-like）的商業模式。SK海力士不再盲目生產庫存投入現貨市場，而是基於客戶的長期合約（LTA）與預先支付的訂金進行產能規劃。據悉，SK海力士至2027年的HBM產能已基本被預訂一空，這不僅消除了庫存風險，更將未來的營收與利潤率進行了高度鎖定。這種長期合約模式使得SK海力士的毛利率結構開始向高利潤的軟體公司或無廠半導體設計公司（Fabless）靠攏，有效實現了與傳統消費性電子記憶體週期的歷史性脫鉤（Decoupling）。

關鍵技術結盟：與台積電 (TSMC) 的合作 (2024-2026)

為了突破 HBM 的性能極限並實現上述轉型，SK海力士與台積電建立了緊密的合作關係。

簽署 MOU (2024年4月)：雙方簽署備忘錄，針對 HBM4（第六代 HBM）開發及下一代封裝技術進行合作，目標是 2026 年量產。

技術突破 (Base Die)：過去 HBM 的 Base Die 由 SK海力士自行製造，但 HBM4 將採用台積電的先進邏輯製程（如 12nm, 5nm, 3nm）。這允許在有限空間內封裝更多功能，實現客製化（Custom HBM），以滿足不同客戶對效能和電源效率的需求。

製程演進：全面跨入先進邏輯製程

過去幾代 HBM 的 Base Die主要使用 DRAM 製程來處理基礎的 I/O 控制與電源管理，但在 HBM4 世代，Base Die 已經全面跳轉至先進的邏輯製程。

SK海力士：HBM4 採用台積電（TSMC）12nm 製程，下一代的 HBM4E 甚至考慮直上台積電 3nm。

美光：無論是標準版或客製版的 Base Die，均委外採用台積電的先進製程。

三星：採用自家的 4nm 製程。

台積電的角色升級：台積電不僅為記憶體廠代工，其規劃中的 N3P 製程更將讓 Base Die 得以整合記憶體控制器及客製 die-to-die 介面。這意味著 Base Die 將不再只是介面終端，而是開始承擔系統級的資料分配與功能，大幅縮減主處理器與 HBM 間的連線與功耗。

商業模式變革：從「可替換標準品」走向「高度客製化子系統」

Base Die 的製程升級與客製化能力，徹底改變了 HBM 的產品定位。

深度綁定客戶架構：大型買家（如輝達、超微、Google）現在可以與記憶體廠共同定義 base die 的電路設計，針對自家加速器量身打造最適合的封裝配置、功耗與資料流架構（例如 SK海力士展示的 stream DQ 架構）。

提高轉換門檻與利潤：當 HBM 與特定客戶架構深度綁定後，它就不再是能在各供應商間隨意切換的標準品。客戶若想更換供應商，將面臨龐大的重新設計時間與工程成本，這也為記憶體廠帶來了比標準版更高的毛利預期。

SK海力士、台積電與 NVIDIA 形成了緊密的「三角聯盟」

Read more

Subscribe now

如果大家有留意最近的財經新聞，一定看過 Palantir CEO Alex Karp 在 CNBC 節目上近乎失控的火爆訪談。他毫不留情地炮轟 OpenAI 和 Anthropic 等領先的 AI 公司，直指整個行業的「代幣化收費」（Tokenmaxxing）模式簡直瘋狂，不僅是在收取企業的「財富稅」，更是在榨取客戶的專屬數據與 Alpha（超額收益）。

然而，在這場看似公關災難或情緒失控的表象背後，其實隱藏著一步極為精明的商業大棋。這不只是一場針對封閉模型的口水戰，而是為了宣傳剛落實的重大合作：Palantir 將攜手 NVIDIA 的 Nemotron 開源模型，進軍美國政府與軍方機構。

今天，我們將跳出短線市場對 Meta「算力過剩」的雜音，進一步探討 NVIDIA 如何透過 Palantir 這把「特權鑰匙」，強化其在美國開源模型生態中的核心地位，並藉由 DGX / RTX Spark 等硬體產品，以及 Neocloud 算力佈局，真正吃下完整的「AI 五層蛋糕」，最後一部份將分析為何Nebius ($NBIS) 將是Open Source Model 下最大受惠者。

其實，過去近兩個月的 AI 發展節奏，幾乎相當於以往一至兩年的產業週期。整個市場的方向與風向正在急速變化：最初由 Agentic AI 與 AI Harness 帶動。所謂 AI Harness，就是把模型、工具、資料、評測與流程「綁在一起」的控制框架，讓 AI 不只是回答問題，而是能夠穩定執行任務、接受測試、持續監控，並真正被部署到企業工作流程之中。

然而，企業在初期部署時，很快便遇上 Token Maxxing 與 Token Budget 的難題。當企業開始思考解決方案時，也逐漸意識到，問題並不只是單純的 Token Tax，而是閉源大型模型所帶來的潛在依賴風險、資料風險與不可控性。這也進一步重新喚起市場對 AI Safety 與 Sovereign AI 的重視。

Apple 當天股價上升近 5%，當時看似有點意外，但事後再分析，反而能夠把整個拼圖補全。因為 Apple 長期主打安全性與隱私保護，當閉源模型開始加速商品化，並引發企業對資料主權與模型控制權的疑慮時，蘋果過去的押注反而成為一種優勢。這也從側面為上述框架提供了一定支持。以下，我們將進一步拆解這個產業風向究竟是如何形成的。

企業與政府的焦慮：為何「Token 模式」走向死胡同？

Karp 在 CNBC 上的憤怒，精準踩中了當前企業與政府客戶的最痛點。目前市場上的主流 AI 巨頭，本質上是在要求客戶交出最寶貴的數據（IP），然後依賴按 Token 計費的模式，卻無法保證企業能完全掌控自己的技術命脈。

這對一般企業來說或許還能忍受，但對於 Palantir 的核心客戶——美國國防部、情報機構以及各類聯邦政府部門來說，這是絕對無法接受的國安風險。美國政府營運的複雜度極高，服務範圍橫跨了商業、能源、醫療、農業等多個敏感領域。在這些場景中，數據主權、隔離性與控制權是不可妥協的底線。

重新定義「AI 安全」與「主權 AI」的崛起

Palantir 執行長 Alex Karp 指出，真正的 AI 安全並非抽象的對齊研究（Alignment research），也不是由政府機關（如 DMV）來進行認證。對於企業而言，真正的安全意味著能夠完全控制自己的運算能力、模型權重、數據堆疊以及專有知識（Alpha），確保生產工具掌握在自己手中，而不是轉移給他人。

Palantir 與 Nvidia 宣佈了「主權 AI」合作夥伴關係，利用 Nvidia 的 Nemotron 開源模型為美國政府建立客製化的前沿模型。這個被稱為「主權 AI 作業系統」的平台，能確保美國政府完全擁有硬體、數據與模型權重。

未來的 AI 基礎設施將可能走向分散式，少數「大型樞紐」負責開發基礎模型，「中型樞紐」供企業用自有數據訓練，而大量「分散式終端」則讓企業在本地運行推理以保護機密。

這個趨勢可以從近期大型雲商股價持續跑輸大市得到印證，巨大Capex 投資擔憂只是一部份原因，最核心的風險是將來企業採用分散式部署，大型雲服務不會消失、也不會停止增張，只是新增的算力份額會被攤薄。因此模型巨頭會盡所能攻擊開源模型的安全性，巨型雲商則盡力壟斷算力及能源，所謂的「缺」是因為大家都在搶，搶佔有限資源及市場份額！

若按目前趨勢發展，Open Source + On Prem 同時配搭Close Source + Cloud 或 Open Source + NeoCloud 混合型式成為主流，如上圖4-6 月間的股價表現及趨勢就非常合理了。雖然目前所有公司估值都不低，但聰明資金已察覺到風向轉變而作出部署，例如大型雲商的弱勢、Nebius 與Dell 相對強勢，半導體的火爆（AI 需求沒減少）而Nvidia 剛剛就是不溫不火。以上的趨勢及轉向也說明了xAI 及 Meta 近期策略性改變的原因，市場留給Anthropic 及OpenAI 的IPO 窗口已經不多，至少正在縮窄。

OpenAI 當初選擇從消費級產品出發是非常合理的選擇，因為服務本身就是AI 模型 + 算力打包的產品，用戶提出請求，系統馬上回覆答案，透過雲商以需求方最方便獲取、供應方最容易部署的型式存在。

“Consumer AI Is About Breadth. Enterprise AI Is About Depth”，這句話完美地點出了消費級人工智慧（Consumer AI）與企業級人工智慧（Enterprise AI）在發展方向、應用場景與核心價值上的根本差異。簡單來說：「消費者 AI 是通才，企業 AI 是專才。」

消費者 AI：追求「廣度」(Breadth)

消費者 AI 面對的是普羅大眾，因此它必須具備極高的通用性與多樣性。

一個消費級 AI（例如日常使用的 ChatGPT、Siri 或是 Midjourney）需要能夠回答歷史問題、寫短文、翻譯語言、提供食譜，甚至陪使用者閒聊。它的重點在於「什麼都能做一點」，並且使用門檻極低。它不需要在單一冷門領域做到 100% 完美，但必須在 99% 的常見話題中表現得「夠好」，以滿足形形色色的普通人。在日常生活中，如果 AI 講了一個不好笑的笑話或寫錯了一句無關緊要的歌詞，使用者的損失通常很小，一笑置之即可。

企業 AI：追求「深度」(Depth)

企業 AI 面對的是特定的商業需求與專業工作流程，因此它必須具備極高的專業性、精準度與安全性。企業不需要一個會寫詩或講笑話的 AI；他們需要的是能精準預測供應鏈缺貨風險、分析數萬份法律合約中的隱藏漏洞，或是輔助醫生判讀醫學影像的 AI。企業 AI 必須與公司內部的私有數據（如客戶 CRM 資料、財務報表、機密專利）深度整合，建立專屬的模型，從而產出具有實質商業價值的洞察。在企業環境中，AI 的錯誤（如產生幻覺或算錯數據）可能導致數百萬美元的損失、法律訴訟或合規危機。因此，企業 AI 極度看重結果的可靠性、資料隱私與權限控管。

企業擔憂 Frontier Labs 的商業威脅與「背刺」案例

看清以上趨勢後，Karp 的警告就變得極為合理，將資料交給 Anthropic 或 OpenAI 等前沿實驗室不僅浪費時間，更會將企業的智慧財產權（IP）奉送給未來的競爭對手，大模型巨企收集了足夠數據後就可以輕易向深度垂直（Verticle) 發展，近期有以下例子：

Figma 遭背叛：Anthropic 的產品長曾擔任 Figma 的董事，卻在發布直接競爭產品「Claude Design」的前三天才辭職。Figma 創辦人表示 Anthropic 一直不夠誠實，最終導致 Figma 感覺被背刺，其股價今年暴跌了 50%，而 Anthropic 的估值卻大幅飆升。

吞噬高價值應用領域：Anthropic 透過觀察大客戶 Cursor 的成功，直接推出了競爭產品「Claude Code」。此外，他們還相繼推出了 Claude Science、Claude Security、Claude Legal、Claude for HR 、Claude for Slack 等產品，其一致的策略是：觀察哪裡有價值創造，然後直接介入，利用模型層的統治地位來霸佔最賺錢的垂直領域。這與過去微軟和 Google 利用壟斷地位吞噬市場的策略如出一轍。

開源模型 (Open Source Models) 的戰略優勢與 Nvidia 的反擊

Anthropic 的 Dario Amodei 曾聲稱，足以與其競爭的開源模型是「危險的」。但實際上這只對那些依賴封閉生態獲利的商業模式有危險，對需要掌控數據的企業而言反而至關重要。真正的企業安全在於「保留選擇權」。

Chamath 在X 上分享在其 8090 軟體工廠的測試中發現，使用第三方控制平面搭配 Claude 可降本 1.4 到 4 倍、提速 1.5 倍；但若結合頂尖的開源模型，成本能大幅降低 16.4 倍（儘管速度會慢 3 倍）。

目前市場被 Anthropic（約 600 億 ARR）和 OpenAI（約 400 億 ARR）形成雙頭壟斷。Nvidia 推出開源模型與之競爭，是為了確保模型層保持開放競爭，讓更多「長尾客戶」購買其晶片，避免被單一買家壟斷硬體市場。

NVIDIA Nemotron 模型是什麼？

Nemotron 是一個專為長期運行的 AI 代理（AI agents）所打造的高效能、多模態、開放式 AI 模型系列，針對不同的 AI 代理任務進行了最佳化：

提供 Nano（適合專門子代理）、Super（適合多代理系統的複雜任務）以及 Ultra（針對關鍵任務提供最強推理能力）等版本。支援影片、音訊、圖像和文字的視覺理解，以及低延遲的語音辨識與文字轉語音功能。提供精準的文件理解與資料檢索，並內建防止有害內容與越獄嘗試的安全防護層。

開發者可以使用 NVIDIA NeMo 來建構與微調模型、使用 NVIDIA NIM 微服務進行安全且高效的企業級部署，或是透過 NVIDIA Blueprints 快速套用參考工作流程。NVIDIA 不僅公開了模型權重，還發布了訓練資料集與技術，並採用寬鬆的開源授權，允許商業部署及修改而無須標示來源。

Palantir 攜手 NVIDIA 打造美國政府安全 AI

Palantir 推出了全新的智慧引擎，將 NVIDIA Nemotron 的開放模型整合至其「主權 AI 作業系統（Sovereign AI Operating System）」中，專門為美國政府機構與關鍵基礎設施營運商提供服務。實體隔離的安全環境（Air-gapped Environments）允許政府在完全與不安全網路隔絕的環境中，運行最先進的 AI 模型。透過 Palantir 的 AIP、Ontology、Foundry 和 Apollo 等基礎設施，系統能處理營運與資料的授權層，確保明確的資料隔離與完整的稽核能力。

Palantir 作為特洛伊木馬：NVIDIA Nemotron 的完美落地

Read more

Bloomberg 一篇關於 Meta 計畫建立雲端基礎設施業務、對外出售 AI computing power 的報導，激起了連續兩天的市場震動，其重心不是單純資料中心、能源或晶片供應鏈，而是Meta 公司戰略變化是否反映了整個行業的當前狀況。

這篇報導最值得注意的地方，不是 Meta 第一次說「可能出租算力」，事實上，這個想法在過去一年已經逐步出現在財報電話會議與股東會之中。真正的新訊號是「Excess」這個字，是這個原本被描述為「如果 overbuild 才會使用的 option」，被市場理解為 Meta Compute 已經出現過剩，更已經在組織架構下，被安排成為潛在新業務。換句話說，Meta 正試圖把龐大的 AI capex 從成本壓力，重新包裝成一種可變現、可融資、可外部合作的基礎設施資產。

Read more

投資免責聲明：以下內容僅為個人觀察與投資思路分享，不構成任何投資建議、買賣邀約或資產配置指引。金融市場具高度不確定性，相關標的可能因政策、利率、景氣循環及非預期事件而出現劇烈波動。投資前請務必自行評估風險，並在必要時諮詢專業顧問。

回顧超過 50 年的歷史

台達電子從一間僅 10 幾人的線圈工廠，發展成全球性的龐大企業帝國。台達電子已成為台灣股市第三大市值企業，全球電源管理與能源效率領域的巨擘，市值一度逼近2,000 億美元。受惠於人工智慧（AI）的強勁熱潮，其股價在今年已大幅飆升了 82%，這家低調的電源供應器大廠，其成功是建立在超過半個世紀的發展之上。

創辦人早年生活與求學經歷

創辦人鄭崇華（Bruce Cheng）1936 年出生於福建，父親是中醫師，母親是出身書香世家的教師。為躲避中日戰爭，舉家遷至福建水吉鎮，他在那裡度過相對安全的童年。二戰結束後1948 年 12 歲的他被送到福州投靠叔叔，隨後鄭崇華便跟隨叔叔在台灣發展。

Read more

Subscribe now

投資免責聲明：以下內容僅為個人觀察與投資思路分享，不構成任何投資建議、買賣邀約或資產配置指引。金融市場具高度不確定性，相關標的可能因政策、利率、景氣循環及非預期事件而出現劇烈波動。投資前請務必自行評估風險，並在必要時諮詢專業顧問。

當我們談論 Nvidia 的下一代架構 Vera Rubin 時，焦點總是集中在晶片的恐怖算力與 HBM4 記憶體。但要讓這些吃電如流水、數據量爆表的 AI 怪獸穩定運作，背後需要一整套極度精密的實體硬體支撐。近期科技與財經界熱烈討論的 PCB、CCL、銅箔、玻纖布，神秘的 M9/M10 及MLCC，到底它們之間的關係是什麼？它們在伺服器裡扮演什麼角色？ 讓我們一次過進行梳理，打個比喻，我們可以把 Nvidia 的 GPU 想像成一座擁有千萬人口、極度繁榮的「超級大都市」，而這些硬體，就是支撐這座城市運作的基礎建設。

第一大主軸：訊號的超級高速公路（追求「快與順」）

這座超級都市需要與旁邊的記憶體（HBM）、其他處理器（CPU）進行海量的資料交換。為了不讓數據塞車，我們需要一條最頂級的高速公路。

網路樞紐：PCB ( Printed Circuit Board 印刷電路板)

PCB 就是連接這些都市的「超級高速公路網」。晶片不能懸空運作，它們必須焊接在 PCB 上。這塊板子上佈滿了密密麻麻的微小線路，負責傳輸數據訊號。沒有這張板子，再強的 AI 晶片也只是一座無法與外界聯絡的孤島。

由於功能相似，通常最容易混亂的就是IC 載板 (IC Substrate) 與PCB 板，IC載板與PCB的主要差異，在於它們服務的層級不同。IC載板主要用於晶片封裝，是晶片與PCB之間的高密度連接橋樑。它需要承載晶片或多顆晶粒，並透過大量細小、密集的接點，將晶片內部的高速訊號與電源傳送到外部系統。

相比之下，PCB則是整個電子設備的主板，用來連接處理器、記憶體、電源模組、連接器及其他電子元件。PCB提供的是較大範圍的機械支撐與電路連接，方便電子產品的組裝、測試與維修。

因此，IC載板通常需要更高階的材料、更精細的線路、更好的散熱能力，以及更嚴格的製程控制，特別適合高速、高效能晶片封裝。也因為材料與製程要求更高，IC載板的成本通常明顯高於一般PCB。

CCL（Copper Clad Laminate 銅箔基板）是製造 PCB（印刷電路板）的核心基礎材料。簡單來說，PCB（印刷電路板） 的核心基板就像是一塊高科技三明治，主要由三層結構組成。它的目標很單純：讓電子訊號跑得快、跑得穩，而且板子不能變形。

CCL 提供了導電與絕緣的底層物理結構，經過蝕刻線路、鑽孔等客製化加工後，才轉變為能讓晶片與電子元件互相溝通的最終載體 PCB。

頂層：銅箔 (Copper Foil) 負責「傳遞訊號」，就像城市裡的高速公路或電線。

銅的導電性極佳，負責把晶片運算出的龐大数据和電流，精準且高速地傳遞到其他零件上。 電子就是在銅箔上奔馳的，對於下一代 GPU，銅箔表面必須「極度平滑」（如 HVLP 級別），否則粗糙的表面會讓高頻訊號產生阻力、嚴重衰減。

中層：合成樹脂 —— 負責「保護訊號」，就像車道之間的實體隔離帶。

首先是為了「絕緣」，把不同的電流隔開防止短路。更重要的是，在 AI 或高階伺服器中，它能保護高速奔跑的訊號不漏電、不衰減，確保資料傳輸乾淨無雜訊。

骨架：玻璃纖維布 (Glass Fiber Cloth) 負責「撐起硬度」，就像建築物裡的鋼筋。

AI 伺服器運作時極度高溫。玻纖布負責提供物理支撐力，確保在高溫下這條公路依然平整不變形。單純的樹脂太脆且容易受熱變形，加入交織的玻璃纖維後，板子才夠堅硬、耐高溫，確保上方昂貴的晶片能穩穩固定，不會因為板子彎曲而損壞。

終極跑道標準：M9、M10

新聞裡天天喊的 M8、M9、M10，其實是 CCL 材料的「訊號流失率 (Df) 等級標準」。等級越高，代表材料阻力越小，訊號跑得越快越完整。

M8： F1 專業賽道（Nvidia H100 主要使用）。

M9：磁浮列車軌道（Nvidia Blackwell / Rubin 大量導入，為應對 PCIe 6.0 準備）。

M10：未來的真空管高鐵（為下一代更誇張的算力或 PCIe 7.0 準備的終極材料）。

因為 Vera Rubin 的數據量太過龐大，如果繼續用舊的 M8 材料，就像「讓磁浮列車跑在柏油路上」，訊號會直接潰散。因此，供應鏈必須全面升級到 M9/M10 等級。

簡單來說，CCL（銅箔基板）的等級躍升，本質上完全取決於內部「玻璃纖維布（Glass Cloth）」的材質升級。如果把傳輸數據比喻為跑車，CCL 就是賽道，而玻璃纖維布就是鋪設這條賽道的地基材質。地基越平滑，跑車（訊號）才能跑得越快且不失控。

基礎級別（M4 CCL 搭配 E-glass）：

就像一般的市區道路，成本低、通用性高，應付常規伺服器與低速訊號游刃有餘。但缺點是「損耗高」，無法承載高速數據。

高階級別（M6 - M7 CCL 搭配 NE/NER-glass）：

為了迎接像 GB200 / GB300 這類龐大算力需求，賽道必須升級。改用具備更低介電損耗（Low Dk/Df）的特殊玻璃纖維布，讓高速訊號在傳輸時不會衰減或產生雜訊，確保資料能又快又穩地抵達。

極限與未來級別（M8 - M10 CCL 搭配 T-glass / 石英布）：

面對接下來的 Rubin 架構，甚至是未來的 CPO（共封裝光學）技術，數據頻寬（1.6T / 3.2T）達到極限。這時必須動用物理穩定性極高、膨脹率極低的「石英布（Quartz Cloth）」，打造出幾乎毫無阻力的高鐵軌道。

1. 日東紡（Nittobo）- 全球龍頭

市場地位： 在高階玻纖布市場擁有超過5成的市佔率。

擴產計畫： 已宣布投資150億日圓於日本福島工廠積極擴充產能，目標將產能大幅提升2倍，但新產能預計要到2027年才能開出，短期內緩不濟急。

策略結盟： 為了彌補產能空窗期，日東紡透過產能互補與南亞展開合作。由日東紡生產玻纖原紗、南亞負責織布（生產Low CTE、Low Dk2）。預計到2027年底，日東紡出貨的特殊玻纖布中，將有高達2成是來自與南亞的合作。

2. 台玻（Taiwan Glass）- 全球第二大

市場地位與目標： 目前在全球玻纖布市佔率約2成，積極佈局高階市場，目標緊追日東紡並穩居第二大供應商。目前已順利出貨給台光電、聯茂等CCL大廠，看好能在2026年搶下高達4成的高階市佔率。

財務表現： 2025年玻纖布產品佔集團營收比重已達31.4%，預期2026年將進一步提升至40%。

產能擴充四部曲：

產線升級（2025年）： 投入22.5億元將低階產品移至中國生產，騰出台灣桃園、鹿港廠的空間轉作Low CTE、Low Dk2產品，使高階產線從4條倍增至12條。

第一期擴產： 已正式落地量產。

第二期擴產： 預計於2026年陸續到位，將帶動整體高階產能翻倍。

第三期擴產： 日前已通過規劃，預計再投資新台幣20億元強化Low CTE、Low Dk2產能，目標於2027年底前全數開出。

綜合分析顯示，電子布的產能目前面臨嚴重的供應剛性約束，主要歸因於設備端的技術壟斷與擴產週期過長。首先，全球高階電子布的生產高度依賴日本豐田織機 (Toyota Industries Corporation 6201.JP 註：已被私有化) 所供應的精密織造設備；然而，此類織機集精密機械、自動化與感測技術於一體，在精度、穩定性及生產效率上形成極高的技術壁壘，目前市場上並無其他設備能輕易取代其主導地位。其次，受限於設備製造的複雜度，從下單到交機的週期長達兩年以上，這使得電子布廠難以迅速擴充產能以應對 AI 伺服器對高性能布種的迫切需求。這種上游設備供應的限制，直接導致了整體供應鏈在面對需求暴增時，面臨生產效率下降與交付延遲的結構性風險。

關鍵材料升級：銅箔 (Copper Foil)

Read more