AI 計算投資進入新階段：為何資金正在超越 GPU 移動
2026/06/17 12:49:00
介紹
人工智慧基礎設施領域正在經歷結構性轉變。過去兩年，股權和加密貨幣市場的資本配置遵循了一個簡單的論點：掌控最大 GPU 集群的實體將攫取 AI 驅動價值創造的大部分份額。NVIDIA 市值攀升至 3 兆美元，驗證了這一邏輯，因為微軟、谷歌、亞馬遜和 Meta 等超大規模雲服務商在 2025 年合計投入超過 2000 億美元的資本支出，用於擴展 GPU 集群。
然而，市場動態正在轉變。具備多步驟任務執行能力的代理式人工智慧（agentic AI）的出現，正在根本性地改變人工智慧工作負載的硬體需求。與以往將價值集中於單一元件不同，新架構將需求分散至整個運算堆疊，為在初期 GPU 建設階段未被充分重視的領域創造了投資機會。
本文探討從以 GPU 為中心的投資邏輯向全棧系統優化的結構性轉變，分析其對傳統半導體股權及 AI 相關數碼資產的影響，並識別在下一階段 AI 基礎設施部署中有望獲得超額回報的領域。
以 GPU 為中心的範式：第一階段如何展開
AI 基礎設施投資的第一階段由單一限制定義：計算資源稀缺。
在前沿規模上訓練大型語言模型——例如 GPT-4 級系統及更先進的系統——需要數萬個 GPU 並行運行長時間。競爭壁壘很明確：擁有更多計算資源的機構能夠訓練出更大的模型，而更大的模型在市場關注的基準測試中表現出明顯更優的性能。
這種動態形成了自我強化的循環。資本湧入 GPU 採購。NVIDIA 的數據中心收入從 2023 財年的 150 億美元增長至 2025 財年的超過 900 億美元。雲服務提供商擴大資本預算，以確保 GPU 配額。AI 創業公司籌集了創紀錄的資金，其前提假設是計算資源的獲取仍將成為差異化因素。
投資影響同樣直接：做多 NVIDIA、做多記憶體供應商、做多 GPU 供應鏈中的任何環節。這是一個以稀缺經濟為特徵、價值集中於單一關鍵節點的階段。
結構性轉變：為何代理式 AI 改變了基礎設施堆疊
從生成式人工智慧過渡到代理式人工智慧，代表著硬體需求具有深遠影響的架構轉折點。
生成式 AI 系統採用請求-回應模型。用戶提交提示，模型通過神經網絡的前向傳播進行處理，並返回生成的輸出。計算瓶頸幾乎完全位於 GPU 上：矩陣乘法速度、權重加載的記憶體頻寬，以及分散式訓練的互連頻寬。
代理式人工智慧運作於一種根本不同的範式。這些系統不僅僅是生成回應——它們能自主執行複雜的多步工作流程。一個被指派進行市場研究的代理系統可能會：存取外部資料庫、查詢 API、處理非結構化文件、生成分析摘要，並根據中間結果進行迭代，最終交付輸出結果。
此架構對硬體需求提出了顯著不同的要求：
| 能力 | 硬體依賴 | GPU 工作負載份額 |
| 神經網路推論 | GPU（矩陣運算） | 10–50% |
| 跨會話的記憶體／狀態管理 | DRAM/HBM（持久性上下文） | N/A |
| API 協調與服務路由 | CPU（控制平面） | N/A |
| 認證與安全處理 | CPU（安全模組） | N/A |
| 跨服務數據一致性 | CPU + 互連 | N/A |
摩根士丹利研究，《具代理能力的人工智慧：從運算到協調》（2025 年 4 月）
關鍵的見解是，在代理架構中，GPU 工作負載占比顯著下降。儘管 GPU 對於神經網路推論仍至關重要，但系統的大部分時間都耗費在 CPU 端的協調任務上。摩根士丹利估計，CPU 端流程在代理工作流程中的總延遲中可佔 50% 至 90% —— 這種結構性轉變顛覆了第一階段的投資論述。
擴展的機會範圍：第二階段的關鍵領域
硬體需求的重新分配，在人工智慧供應鏈中創造了更廣泛的投資機會。以下為分析在基礎設施建設進入下一階段時，有望獲得最高邊際回報的領域。
-
伺服器 CPU：1000 億美元的控制平面
AI 基礎設施中的 CPU 機會遠大於目前市場共識的估計。
摩根士丹利預測，代理式人工智慧系統的普及將推動到2030年額外需求3.25億至6億顆伺服器CPU，使總可服務市場從目前約340億美元擴大至820億至1100億美元。這代表伺服器半導體市場歷史上最大規模的需求擴張之一。
需求的驅動因素是架構性的，而非週期性的。代理系統需要 CPU 作為控制平面——管理複雜的工作流程、維持長上下文窗口、實現跨任務狀態切換，並協調 AI 模型與外部服務之間的互動。這並非 GPU 設計用來高效執行的功能。
主要受益者：AMD（目前持有約 53% 的雲端 CPU 市場份額，超越 Intel）、Intel 和基於 ARM 的伺服器晶片供應商。該生態系統還延伸至 CPU 插槽製造商、BMC 控制器供應商（Aspeed 持有約 70% 市場份額）、電壓調節器和專用互連供應商。
-
記憶體（DRAM/HBM）：結構性瓶頸
如果人工智能供應鏈中有一個環節最有可能經歷劇烈的重新定價，那就是記憶體。
具身人工智慧的記憶需求比生成式人工智慧高出數個數量級。持久記憶是實現具身連續性的關鍵——使其能夠記住過往互動、從中學習，並將所學應用於未來任務。若缺乏足夠的記憶頻寬與容量，即使是最先進的 GPU叢集，也無法達到其理論性能上限。
摩根士丹利估計，到2030年，代理式AI將推動15至45艾字節的額外DRAM需求。為此數據提供背景：這相當於2027年整個DRAM產業供應能力的26%至77%。這不是額外需求——而是一場可能徹底重塑未來十年DRAM定價機制的需求衝擊。
高頻寬記憶體（HBM）位於這波需求激增的核心。每款下一代 AI 加速器都需要多個 HBM 堆疊，而 2026 年從 HBM3E 轉向 HBM4 將進一步使供應集中於三家合格生產商：SK Hynix、三星和美光。HBM 市場預計到 2028 年將以 65% 的年複合增長率擴張。
市場表現：美光科技（MU）是 2025 年表現最佳的半導體股票，因 AI 驅動的記憶體需求激增，實現了 +236% 的回報。截至 2026 年中，MU 再進一步擴大收益，實現了額外的 +987% 一年回報，反映市場將記憶體重新定價為戰略性 AI 資源，而非普通元件。
-
先進封裝與 ABF 基板
ABF（味之素積層膜）基板市場顯示了AI需求如何在供應鏈的意想不到環節中創造新的瓶頸。
ABF 基板是先進晶片封裝的關鍵，提供高密度互連層，將 GPU 晶片與 HBM 記憶體連接，並實現晶片粒架構。NVIDIA 的 Blackwell 和 Rubin 平台、AMD 的 MI300 系列以及 Intel 的 Gaudi 加速器均依賴 ABF 基板供應——而該供應正日益緊縮。
行業分析師預計，由人工智慧推動的 ABF 上漲週期可能延續至本十年末，供應與需求缺口將於 2026–2027 年左右出現。伺服器 CPU ABF 基板市場規模預計到 2030 年將達到約 47 億美元，由 CPU 帶動的增量需求約為 12 億美元。
先進封裝廠面臨類似的限制。台積電的 CoWoS 能力——這項技術實現了 GPU 和 HBM 的高頻寬整合——已預訂至 2026 年。包括 Amkor 和 ASE 集團在內的替代供應商正在擴大產能，但設備交期與技術複雜性意味著供應在未來數年仍將是限制因素。
-
互聯技術：擴展基礎架構
隨著 AI 集群擴展至 100,000+ GPU 配置，網路架構而非單個加速器成為系統性能的瓶頸。
光學互連技術，包括收發器、主動光纜和共封裝光學，其需求增長遠超供應擴張。提供交換晶片和定制互連解決方案的公司——尤其是博通（AVGO）和美滿電子（MRVL）——報告訂單積壓延續數年，為未來收入提供了顯著的可見性。
CPU TAM 的擴張進一步放大了互聯的機會。每增加一台伺服器 CPU，都需要記憶體介面、板級互聯和網路連接。蒙太奇科技在全球記憶體互聯市場中佔有約 36.8% 的營收份額，正處於 CPU 與 DRAM 需求增長的關鍵節點。
投資框架：把握階段轉換時機
從第一階段過渡到第二階段，需要一個框架來理解價值可能在哪裡以及何時累積。
| 階段 | 時間範圍 | 特徵 | 投資重點 |
| 第一階段：GPU 主導 | 2023–2025 | 計算供應是限制因素；NVIDIA 和 GPU 供應鏈獲得了不成比例的回報 | NVIDIA、GPU 記憶體、資料中心不動產投資信託 |
| 第二階段：瓶頸曝光 | 2025–2027 | 記憶體、CPU 協調和互連元件中出現延遲與成本限制 | DRAM/HBM、伺服器 CPU、先進封裝、光學互連、AI 代幣 |
| 第三階段：基礎設施重新定價 | 2027–2028 | 全棧優化成為主要價值驅動力；系統層級的策略獲得廣泛升值 | 完整的 AI 供應鏈、系統整合商、邊緣 AI 基礎設施 |
目前定位：市場正從第一階段過渡至第二階段。推論工作負載——尤其是代理式推論——與訓練相比，具有根本不同的需求。它們更依賴記憶體頻寬、對延遲更敏感，且更依賴系統層級的優化。這些特點使記憶體、互連和系統整合供應商受益，而非純粹的運算供應商。
對於股權投資者而言，第二階段的機會在供應擴張受到技術複雜性和長設備交期限制的領域最為明顯：HBM（僅有三家合格供應商）、CoWoS 先進封裝（產能已預訂至 2026 年），以及部分光學互連類別。
對於加密貨幣投資者而言，具有可衡量協議收入和真實基礎設施使用量的 AI 代幣——TAO、RENDER 和 FET——提供了對相同需求驅動因素的敞口，並額外享有加密貨幣市場流動性週期的上行選擇權。
風險因素
任何投資論點都離不開對風險的誠實評估。多個因素可能導致第二階段的機會受阻或延遲：
宏觀相關性。2026 年第一季，AI 代幣與更廣泛的加密貨幣市場脫鉤，但嚴重的宏觀衝擊——地緣政治進一步升級、意外的利率上調，或風險偏好急劇收縮——很可能導致所有風險資產的相關性趨近於 1。投資組合構建應考慮此尾部風險。
估值過高。TAO 的交易價格約為第一季度年化收入的 20 倍，雖然符合科技初創公司的標準，但若收入增長停滯，此期權費可能迅速消失。同樣的動態也適用於半導體股種，這些股票已大幅重評：美光科技 2025 年的卓越表現已融入了高期望值，任何需求疲軟都可能帶來壓力。
敘事擁擠。根據 Grayscale 的研究，「AI」在 2026 年初成為加密貨幣項目白皮書中被引用最頻繁的詞彙。當每個項目都聲稱與 AI 相關時，信噪比便惡化。在這一階段中能夠存活下來的代幣和股權，將是那些擁有實際收入的項目，而非僅有簡報文件的項目。
技術風險。代理式人工智慧仍屬新興技術類別。若架構朝向降低硬體需求的方向發展——例如透過更高效的模型設計或新穎的推論技術——上述需求預測可能過於樂觀。
如何在 KuCoin 上交易美國股票和比特幣
KuCoin 亦提供 交易美國股票永續 的機會 — 意味著您無需離開平台，即可在加密貨幣與美國股權敘事之間進行調倉。結合一級全球交易所的安全基礎設施，KuCoin 為希望在兩大資產類別之間獲得靈活性的投資者而設。
結論
AI 計算投資格局正進入第二階段。推動 2023 年至 2025 年回報的簡單 GPU 短缺敘事，正讓位於一種更複雜、分佈式的價值創造模式，在此模式中，記憶體、CPU 協調與系統級整合的重要性與原始計算能力同等關鍵。
對於投資者而言，此過渡顯著擴大了投資機會範圍。股權市場可透過記憶體供應商（SK Hynix、Samsung、Micron）、CPU 設計商（AMD、Intel）、互聯領先企業（Broadcom、Marvell）及先進封裝廠（TSMC、Amkor）提供曝光度。加密市場則可透過與 AI 相關的代幣——TAO、RENDER 和 FET——提供類似曝光度，這些代幣在 2026 年第一季展現了顯著的相對強勢，並持續受益於可衡量的協議收入增長。
定位的關鍵洞察：基礎設施的價值會流向擴張最慢的環節。GPU 供應已快速擴張，但記憶體、先進封裝和某些互聯技術尚未跟上。這些瓶頸環節具有定價權和競爭護城河，即使 AI 採用範圍擴大並趨於成熟，仍能維持保證金水平。
第二階段的窗口現在已開啟。那些認知到結構性轉變、並在市場全面重新定價前於傳統股權和數碼資產中佈局的投資者，將有機會捕捉下一波由 AI 驅動的基礎設施回報。
常見問題
什麼是代理式人工智慧，為何它需要與生成式人工智慧不同的硬體？
代理式人工智慧（Agentic AI）是指能夠自主規劃並執行多步驟任務的系統——進行研究、使用工具，並在無需持續人工干預的情況下反覆迭代以達成目標。與僅回應單一提示的生成式人工智慧（聊天機器人）不同，代理式系統需要持久記憶以保持連續性、CPU 協調以管理服務，以及高頻寬互連以傳輸資料。這使得硬體瓶頸從純粹的 GPU 計算轉向系統整體效率。摩根士丹利研究估計，在代理式工作流程中，CPU 端流程佔據了 50–90% 的延遲。
哪些半導體股票最適合過渡到第二階段？
摩根士丹利將記憶體和GPU公司識別為最純粹的AI相關投資標的：NVIDIA（2027財年預期市盈率為18倍）、Broadcom（AVGO）和Micron（MU）（預期市盈率為5–9倍）。儘管AMD和Intel受益於CPU總可用市場的擴張，但摩根士丹利指出，它們的股價表現分別更密切地與GPU和晶圓代工敘事相關，因此在CPU協調主題上的純粹性較低。Micron在2025年實現了+236%的回報，並在2026年持續表現優異，凸顯了市場對AI記憶體需求的重新定價。
投資者應如何思考人工智能基礎設施投資的風險管理？
AI 基礎設施投資具有特定風險：宏觀相關性可能導致所有風險資產同時下跌；估值溢價（如 TAO 約為收入的 20 倍，記憶體股在強勁上漲後）可能因需求疲軟而迅速收縮；而敘事擁擠意味著區分真正的基礎設施項目與重新包裝的項目至關重要。謹慎的做法是將 AI 代幣的投資限於加密貨幣投資組合的 5–10%，並在股權敞口上保持持倉規模的紀律。
免責聲明: 本頁面經由 AI 技術（GPT 提供支持）翻譯，旨在方便您的閱讀。欲獲取最準確資訊，請以原始英文版本為準。