# 影片筆記：全球AI股價震盪 基本面沒有鬆動只是修正? AI算力激記憶體需求 下個超級周期將爆發?Kimi K3橫空出世 掀美中AI爭霸戰?｜張振驊ft.鈞弘資本創辦人 沈萬鈞｜台灣大時代｜2026.07.25｜

## 一句話總結
影片探討AI產業當前處於「第三局上半」的早期階段，指出雖然應用端（如人形機器人）尚未爆發導致泡沫疑慮，但半導體基礎設施（特別是記憶體）因供需結構性短缺而具備長期支撐；同時分析中美AI模型競爭現狀，強調應用層成熟後將引發硬體整合與潛在泡沫，建議投資者關注資金重新平衡後的逢低買入機會。

## 核心重點
*   **市場修正與資源扭曲：** SOX指數修正及資金流向「Magnificent Seven」反映資源極度扭曲。目前AI應用端（OpenAI、人形機器人）仍在虧損，但賣「鏟子」的半導體廠商利潤豐厚，導致股價波動與偏離。
*   **記憶體供需結構性短缺：** GPU/CPU與記憶體為綁定銷售的固定單位（Fixed Unit）。隨著TSMC與Nvidia/AMD產能擴張，未來四年記憶體需求將至少為目前的4倍。目前短缺為結構性問題，供給無法即時跟上，看好記憶體長期短缺帶來的股價支撐。
*   **中美AI模型競爭現狀：**
    *   中國發布的 **Quen 2.5** 在評分上接近美國 Anthropic 的 **Claude 3.5**，且為開源。中國模型擅長針對特定指標優化（刷題）。
    *   美國大模型（Gemini、OpenAI）雖強大但可能因過度複雜導致效率下降。
    *   **DeepSeq** 等小型模型顯示出「不需極大算力即可產生巨大影響」的趨勢。
*   **商業價值與效能的錯位：** 模型效能優異不代表企業願意付費。**OpenAI** 的價值在於企業客戶的付費意願。**CLOD**（疑為Claude）的基準測試分數可能不顯著高於 GPT-4，但能從企業客戶賺取更多利潤。
*   **應用層爆發與泡沫預警：** 真正的爆發點在於應用層（AI機器人、AI寵物、自動駕駛汽車）。當應用層成熟時，可能出現類似手機產業的泡沫與整合現象（品牌消失、零件短缺、堆積無人購買的產品）。
*   **投資階段論：** 目前處於AI早期階段，比喻為棒球比賽的「第三局上半」（top of the third inning）。對於賣鏟子的人（基礎設施/模型提供商）無需擔心；當槓桿移除且資金重新平衡時，逢低買入（buying the dip）是好的切入點。

## 詳細大綱

### 1. 市場回顧與 AI 泡沫辯證
*   **SOX指數修正與資金流向：** 針對 Philadelphia Semiconductor Index (SOX) 指數修正及資金流向 Magnificent Seven (M7)，指出當前市場存在資源極度扭曲。
*   **應用端 vs. 基礎設施：**
    *   AI 應用端（如 OpenAI、人形機器人）仍在虧損狀態。
    *   賣「鏟子」的半導體廠商（Nvidia, AMD, TSMC等）利潤豐厚。
    *   這種利潤與虧損的對比導致股價波動與極端偏離。

### 2. 半導體與記憶體產業基本面
*   **產能與營收對比：** 討論 TSMC、Ase（封測廠）、記憶體廠商的營收與資本支出（csps，疑為CapEx）對比。
*   **綁定銷售邏輯：** GPU/CPU 與記憶體是綁定銷售的固定單位（Fixed Unit）。
*   **需求預測與供給瓶頸：**
    *   隨著 TSMC 與 Nvidia/AMD 產能擴張，未來四年記憶體需求將至少為目前的 4 倍。
    *   目前記憶體短缺是結構性問題，供給無法即時跟上。
    *   看好記憶體長期短缺帶來的股價支撐。
*   **廠商動態：** 提及韓國記憶體廠商（Samsung）與美國政府的關係及擴產意願。

### 3. AI 模型競爭與技術趨勢
*   **中美模型對比：**
    *   中國發布的 **Quen 2.5** 在評分上接近美國 Anthropic 的 **Claude 3.5**，且為開源。
    *   中國模型擅長針對特定指標進行優化（刷題）。
    *   美國大模型（Gemini、OpenAI）雖強大但可能因過度複雜導致效率下降。
*   **小型模型趨勢：** **DeepSeq** 等小型模型顯示出「不需極大算力即可產生巨大影響」的趨勢。
*   **Kimi K3：** 提及 Kimi-K3 橫空出世，掀美中AI爭霸戰（具體細節需查證）。

### 4. 商業模式與應用層爆發
*   **效能與付費意願的錯位：**
    *   **Quen** 擁有大量運算能力且效能優異，但需考慮「空氣力」（疑點）與成本。
    *   效能好不代表企業願意付費；**OpenAI** 的價值在於企業客戶的付費意願。
    *   **CLOD**（疑為Claude）的基準測試分數可能不顯著高於 GPT-4，但能從企業客戶賺取更多利潤。
    *   **CLOD 3** 可能不會傷害 Anthropic，但可能衝擊 OpenAI。
*   **OpenAI 的競爭壓力：**
    *   面臨來自 CLOD 等競爭對手的壓力，特別是結合 Oracle 和 Cloudflare 背景的情況。
    *   OpenAI 需要找到商品化路徑，否則若無美國支持，公司可能面臨問題。
    *   講者認為 AI 不會流動（疑點），但 OpenAI 在 AI 和 Oracle 中的角色關鍵。
*   **應用層爆發點：**
    *   當 AI 大腦足夠聰明時，機器人、AI 寵物、自動駕駛汽車將出現。
    *   應用層整合類似 Apple 選擇 Gemini 整合進 iPhone 的模式。
    *   應用層是未來第一波贏家的關鍵，需抓住主動權並擊中甜蜜點。
*   **產業泡沫與歷史借鏡：**
    *   手機產業歷史：Inventech、BenQ 等品牌消失，因為消費者不會購買所有品牌。
    *   未來機器人產業可能出現上百個品牌，導致真實泡沫形成與零件短缺。
    *   最終結果可能是堆積無人購買的機器人。

### 5. 市場階段論與投資建議
*   **當前階段：** 目前處於 AI 早期階段，被比喻為「第三局上半」（top of the third inning）。
*   **觀點對比：** 悲觀者認為股價已漲高，但講者認為應用規模龐大，目前仍屬早期。
*   **投資策略：**
    *   對於賣鏟子的人（基礎設施提供商）無需擔心。
    *   當槓桿移除且資金重新平衡時，逢低買入（buying the dip）是好的切入點。

## 工具 / 模型 / 名詞整理
*   **指數/市場：**
    *   Philadelphia Semiconductor Index (SOX)
    *   Magnificent Seven (M7)
    *   NASDAQ
    *   Small Cap Stocks
*   **公司/企業：**
    *   Google (Alphabet)
    *   Tesla
    *   Junong Capital (君龍資本/鈞弘資本)
    *   OpenAI
    *   TSMC (台積電)
    *   Ase (安世/封測廠)
    *   Samsung (三星)
    *   SK Hynix (海力士)
    *   YMTC (長江存儲)
    *   CXMT (長鑫存儲)
    *   Nvidia
    *   AMD
    *   Intel
    *   Anthropic
    *   DeepSeq (疑點：需查證，可能為 DeepSeek 或其他模型名稱)
    *   Oracle
    *   Cloudflare
    *   Apple
    *   Inventech (品牌名稱，疑點)
    *   BenQ (品牌名稱)
*   **AI 模型/產品：**
    *   Quen 2.5 (疑點：聽寫可能為 Qwen 2.5)
    *   Claude 3.5 (Anthropic)
    *   CLOD / CLOD 3 (疑點：聽似 Claude)
    *   GPT-4
    *   Gemini (Google)
    *   Kimi-K3 (提及於修正段落前)
    *   Humanoid Robots (人形機器人)
    *   GPUs, CPUs
    *   HVDC Power Supply (伺服器高壓直流電源)
    *   Passive Components (零組件/無源元件)
    *   PCBs (印刷電路板)
    *   iPhone

## 操作流程整理
*   **產業觀察流程：**
    1.  監控 SOX 指數修正與資金流向 Magnificent Seven。
    2.  分析 AI 應用端（OpenAI、人形機器人）的虧損狀況與半導體賣鏟者（Nvidia, TSMC）的利潤對比。
    3.  評估 GPU/CPU 產能擴張對記憶體需求的影響（未來四年4倍增長預測）。
    4.  比較中美 AI 模型（Quen 2.5 vs. Claude 3.5）的效能與開源策略。
    5.  關注小型模型（DeepSeq）帶來的算力效率啟示。
    6.  觀察應用層（機器人、自動駕駛）的成熟度與整合趨勢（如 Apple 整合 Gemini）。
    7.  判斷市場階段（第三局上半），並在資金重新平衡時尋找逢低買入機會。

## 值得注意的限制或風險
*   **應用端虧損：** AI 應用端（如人形機器人、OpenAI）目前仍在虧損，若應用爆發延遲，可能影響整體產業節奏。
*   **記憶體供給瓶頸：** 雖然看好記憶體短缺帶來的股價支撐，但供給無法即時跟上需求（4倍增長）可能導致價格波動或延遲產品發布。
*   **模型效率問題：** 美國大模型（Gemini、OpenAI）可能因過度複雜導致效率下降，而中國模型擅長針對指標優化（刷題），兩者競爭格局存在不確定性。
*   **應用層泡沫風險：** 未來機器人產業可能出現上百個品牌，導致真實泡沫形成、零件短缺，最終堆積無人購買的機器人。
*   **OpenAI 的競爭壓力：** 面臨來自 CLOD 等競爭對手的壓力，特別是結合 Oracle 和 Cloudflare 背景的情況，若無法找到商品化路徑且無美國支持，公司可能面臨問題。
*   **市場資源扭曲：** 當前市場存在資源極度扭曲，股價波動與偏離可能反映非基本面因素。

## 逐字稿辨識疑點
*   **Quen 2.5：** 逐字稿為 "Quen"，通常指代阿里雲的 "Qwen" 系列，但依規則標為疑點。
*   **DeepSeq：** 逐字稿為 "DeepSeq"，在 AI 領域較常見為 "DeepSeek"，但依規則標為疑點。
*   **KIMI-K3：** 逐字稿提及 "KIMI-K3"，Kimi 為月之暗面產品，但 "K3" 具體型號需查證。
*   **SOX / sox：** 指代費城半導體指數，大小寫混用。
*   **csps：** 逐字稿為 "csps"，結合上下文 "spend 700 billion dollars"，疑為 "CapEx" (資本支出) 或 "Cloud Service Providers" 之聽寫錯誤，但依規則標為疑點。
*   **envious gross margins：** 逐字稿為 "envious"，結合 TSMC earnings call 語境，疑為 "enviable" (令人羨慕的) 之聽寫錯誤，但依規則標為疑點。
*   **sk hinnick：** 逐字稿為 "sk hinnick"，應指 "SK Hynix"，但依規則標為疑點。
*   **Anthix：** 逐字稿為 "Anthix"，應指 "Anthropic"，但依規則標為疑點。
*   **4 years from now / 四年後的屁股：** 逐字稿中出現 "四年來的屁股"，語意不通，疑為 "四年後的..." 之聽寫錯誤，但依規則標為疑點。
*   **負敗的貨幫助：** 多次出現 "負敗的貨幫助"，語意不明，疑為 "失敗的貨物/幫助" 或特定術語聽寫錯誤，但依規則標為疑點。
*   **肥料肥料...：** 大段重複 "肥料"，疑為聽寫錯誤或語音識別故障，無法確定原意。
*   **1%的人持有99%的貨幣：** 語意不明，可能為 "算力"、"數據" 或 "貨幣" 之聽寫錯誤，但依規則標為疑點。
*   **6月31日：** 日期錯誤，6月只有30天，但依規則標為疑點。
*   **空氣力：** 逐字稿中多次出現「大量的空氣力」、「很快的空氣力」、「它的價值是一樣的價值...但安thropic是超費的...它是非常好 的開放...因為人們說它是費的」。此處語意不通，疑似聽寫錯誤，可能原意為「算力」、「成本」或「效率」相關詞彙，但無法確定具體所指。
*   **安thropic：** 應為 Anthropic，但逐字稿拼寫為「安thropic」。
*   **CLOD：** 逐字稿中多次出現「CLOD's benchmark scores」、「CLOD 3」，根據上下文對比 GPT-4 與 Anthropic，疑點為「Claude」的聽寫錯誤，但依規則標為疑點。
*   **射擊：** 逐字稿提到「它會直接射擊 OpenAI」，疑點為「衝擊」或「打擊」的聽寫錯誤。
*   **借貨倫、購乎率：** 逐字稿提到「像它的借貨倫、購乎率、購乎率、或是在購買購買貨」，語意不明，疑點為財務或商業術語的聽寫錯誤（如「借貸率」、「購買率」等）。
*   **流動：** 逐字稿提到「我們不相信AI會流動」，疑點為「流動」在此處語意不明，可能為「流動性」或其他詞彙的誤聽。
*   **第三局上半：** 逐字稿提到「top of the third inning」，中文譯為「第三局上半」，此為棒球術語，用於比喻市場階段。
*   **賣鏟子的人：** 逐字稿提到「For those of us selling shovels」，中文譯為「賣鏟子的人」，此為投資隱喻（淘金熱中賣鏟子的人）。
*   **明鏡與點點欄目：** 逐字稿結尾提到「打賞支援明鏡與點點欄目」，疑點為節目或頻道名稱。

## 可延伸追問
*   **Quen 2.5 與 Qwen 2.5 的具體差異：** 若 Quen 為 Qwen 之誤，其開源策略對全球 AI 生態系的具體影響為何？
*   **DeepSeq 的技術架構：** DeepSeq 作為小型模型，其技術架構如何實現「不需極大算力即可產生巨大影響」？
*   **記憶體供應鏈細節：** 未來四年記憶體需求增長 4 倍的具體驅動因素為何？三星、海力士、長江存儲、長鑫存儲的擴產進度與競爭格局如何？
*   **OpenAI 與 Oracle/Cloudflare 的合作細節：** OpenAI 與 Oracle 和 Cloudflare 的結合具體如何影響其商業模式與競爭力？
*   **應用層泡沫的具體指標：** 如何判斷 AI 機器人或自動駕駛汽車產業是否已進入泡沫階段？有哪些先行指標？
*   **資金重新平衡的時機：** 目前市場處於「第三局上半」，資金重新平衡的具體觸發條件為何？投資者應關注哪些信號？