AI 發展，現在到了第幾局？

這個七月，我反覆聽見同一個問題：AI 現在到了第幾局？問的人真正想知道的，並不是明天的價格，而是一種位置感：我們究竟站在長期繁榮的開頭，還是一場盛宴的尾聲？這個問題誠實而迫切，但我愈想愈覺得，它可能問錯了。棒球的局數之所以數得出來，是因為有明確規則與記分板；市場沒有記分板，所謂「第三局」或「第八局」，通常只有在行情結束後才會被追認，而追認救不了任何一個已經建好的部位。

真正值得注意的，是市場替 AI 資產評分的規則正在改變。投資人過去願意先為「更大的模型、更多的算力、更快的成長」付錢；現在開始追問：這些支出由誰出資、何時轉成收入、現金回收是否跟得上折舊與利息？這不是市場突然否定 AI，而是市場開始區分技術的真實性、需求的成長性，以及投資價格的合理性。三者可能同時成立，也可能彼此背離。

因此，本文的立場不是「AI 是泡沫」，也不是「AI 尚在早期，所以任何價格都值得」。我的結論是：需求仍強，技術也正在改變企業與個人的工作方式，但資本支出、融資結構與會計假設，已經讓失敗模式從單純的估值修正，擴展到現金流與信用風險。投資人真正該問的，不是還剩幾局，而是哪些證據能證明目前的價格與資本結構可以被最終使用者的付款能力支撐。

一、音樂還在放，但市場開始問回收期

7 月 22 日，Alphabet 公布 2026 年第二季營收 1,198 億美元，年增 24%，Google Cloud 的成長也相當強勁，隔日股價卻大幅下跌。市場不滿的重點不是營收，而是公司把全年資本支出指引由 1,800 億至 1,900 億美元，再提高到 1,950 億至 2,050 億美元。[1] 一週後，Microsoft 公布 Azure 營收年增 43%，並維持先前的年度投資預期，股價盤後明顯上漲。[2] 兩家公司都在擴建 AI 基礎設施，差別在於市場當天相信哪一家公司更能把支出連回需求、訂單與現金流。

我不會把兩天的股價反應誇大成永久規則。油價、利率與整體風險偏好同樣影響了那幾個交易日。然而，它至少揭示了投資人正在改問一個更嚴格的問題：不是「你願意花多少」，而是「你能否說清楚每一美元如何回來」。AI 營收超預期仍是好消息，但若資本支出上升得更快，市場就會開始要求回收期、利用率與自由現金流的證據。

這裡必須分開三個時鐘。技術時鐘以月計算，模型與晶片快速迭代；建設時鐘以年計算，資料中心從簽約、取得電力到真正上線，需要漫長前置期；會計時鐘則把設備成本分攤到更長年限。當三個時鐘不同步，單季盈餘很容易同時低估需求、又高估經濟回報。投資人若只盯著當期營收或當期折舊，看到的都只是資本循環的一個切面。

2007 年，花旗集團時任執行長 Chuck Prince 說，只要音樂仍在播放，就得起身跳舞。這句話常被當成無知或傲慢的證明，其實它更像對誘因結構的坦白：在音樂停止以前先離場的專業經理人，可能先失去客戶與工作。因此，專業投資人仍在場內，從來不是安全訊號；它往往只是基準、資金流與職涯風險共同作用的結果。

同樣地，「第三局」這類比喻也不能當成投資訊號。樂觀者可用它表示滲透率仍低，悲觀者也可說泡沫尚未進入最後加速。當同一個詞能支持相反部位，它就不是觀測值，而是修辭。Howard Marks 在 2026 年 2 月的備忘錄〈AI Hurtles Ahead〉把邊界說得更精確：AI 的技術與需求都真實，但這並不表示相關資產便宜；在無人能確定泡沫與否時，全押與完全缺席都可能帶來不可逆的代價。[3]

我同意這個框架，並把它改寫成一個可回答的問題：如果現在降低 AI 曝險，而行情又延續三年，少賺的代價是否承受得起？反過來，如果維持目前曝險，而核心資產回落三成，是否會被迫在最差的時點賣出？這兩題只涉及自己的資產負債表，不需要預測市場的局數。新的評分規則不是「少花錢就會上漲」，而是資本支出必須附上一條可以被追蹤的回收路徑。

二、需求是真的，但斜率由誰決定

如果局數不可觀測，可觀測的是什麼？我會從需求開始，因為那是這一輪最不該被輕率否定的部分。Google 在 I/O 2026 表示，各項服務每月處理超過 3.2 quadrillion、亦即 3,200 兆個 token，約為一年前的七倍。[4] NVIDIA 隨後公布截至 2026 年 4 月的季度資料中心營收 752 億美元，年增 92%。[5] 台積電也在第二季法說後提高年度資本支出規模。這些數據共同證明：算力需求不只是簡報裡的想像，它已經進入企業支出與半導體產能配置。[6]

但已發生的用量，不能自動證明未來每一條產能曲線。對 2026 年超大規模業者資本支出的估計，依公司範圍與會計口徑不同，大致落在 7,000 億至 7,700 億美元。Bridgewater 更估計，AI 資本支出可能為 2026 年美國實質成長貢獻約 140 個基點。[7] 這表示問題已不只屬於科技股：如果支出如期發生，它會支撐總體成長、電力與材料價格；如果回收不如預期，資本市場與整體經濟也會一起感受到降速。

這些總額本身也需要謹慎閱讀。資本支出可能包含土地、建築、伺服器、網路與一般雲端需求；把全部金額都標成 AI，會高估單一題材的風險，反過來只計算 GPU，又會低估電力與機房的必要投入。較好的方法不是爭論哪一個總額最正確，而是把支出拆成可產生租金或服務收入的資產，再比較新增收入、毛利與折舊。規模讓人震撼，增量回報才讓人判斷。

歷史提醒我們，需求為真與斜率為真，是兩個不同命題。1990 年代後期，UUNET／WorldCom 推廣網路流量「每 100 天翻倍」的說法，後來進入美國政府報告與市場共識。Andrew Odlyzko 等研究者檢視實際骨幹流量後發現，長期成長更接近每年翻倍，仍然驚人，卻遠低於「每 100 天翻倍」所暗示的速度。[8] 光纖最後留下了有用的基礎設施；然而，建設它的股東與債權人未必得到相同好處。技術方向正確，不保證資本投入的時點與價格正確。

AI 與光纖並不完全相同。GPU 的經濟壽命更短，軟體堆疊與推論需求也可能讓舊世代晶片延長使用；模型效率提升後，單位成本下降還可能擴大總使用量。這些差異意味著過剩產能可能更快被淘汰，也可能被更便宜的推論需求吸收。真正的查核重點因此不是「AI 會不會像網路泡沫」，而是產能、利用率、租金與最終收入之間是否同步。

我會追蹤三個可重算的訊號：第一，token 與算力使用量能否由第三方交叉驗證，而不只來自供應商；第二，推論單價下降時，總支出是否仍上升；第三，新增資料中心的上線速度，是否快過已簽客戶與電力供應。若使用量、價格與收入能持續對上，資本支出就有證據；若只剩受益者自己的遠期預測，風險就在斜率，而不在需求是否存在。值得付出溢價的不是成長率本身，而是成長率的可稽核性。

三、當抵押品是自己的倒影

需求曲線之外，下一個問題是：賭在曲線上的錢，是誰的錢？CoreWeave 在 2026 年第一季交出 20.78 億美元營收，較上年同期超過一倍，但同季淨利息費用達 5.36 億美元，約等於營收的四分之一；公司並揭露截至 3 月底總負債融資約 251 億美元。[9] 這不表示它必然違約，卻說明營收高速成長與信用風險可以同時存在。當資產需要持續擴建，成長本身可能先增加融資需求，而不是立即降低槓桿。

更廣泛地看，英格蘭銀行 2026 年 7 月《金融穩定報告》指出，超大規模業者的投資等級債券發行已快速增加；AI 公司對槓桿融資、結構性融資與私募信貸的使用也在上升。[10] 美國銀行 7 月基金經理人調查中，48% 受訪者把 AI 超大規模資本支出視為最可能引發系統性信用事件的來源，高於私募信貸的 34%。這不是違約預測，而是風險知覺已從股票估值移向資金來源。

信用風險的傳導也有順序。最先承壓的通常不是現金充裕的超大規模業者，而是依靠單一客戶、短期融資或殘值假設的中介公司；接著才可能傳到設備供應商、資料中心開發商與持有相關貸款的金融機構。這意味著「龍頭公司不缺錢」並不足以證明整條供應鏈安全。資本結構的品質，取決於最弱環節能否熬過需求遞延，而不是最強公司能否繼續發債。

1980 年代末的日本提供了一個值得使用、但不能硬套的類比。當時土地與股票價格上升，銀行更願意接受土地作為擔保；信貸擴張又推高土地價格，形成資產與融資相互強化的循環。循環反轉後，抵押品價值與借款人現金流一起惡化。日本金融廳資料顯示，1992 至 2000 年間銀行處理不良債權的累計損失達數十兆日圓，問題拖延多年才被充分認列。[11]

今天的 AI 不是 1989 年的日本土地，但某些融資機制有相似之處：借款人以 GPU、資料中心或長期客戶合約支撐融資，而這些資產的價值，又取決於 AI 使用量、算力租金與合約對手方的付款能力。一旦需求低於預期，抵押品殘值與營運現金流可能同時下降。估值修正與信用事件並非必然相連，但在高槓桿、短債期或客戶集中的公司裡，兩者距離會顯著縮短。

最強的反方論據是，這些借款背後常有大型科技公司的長約，不能與純粹依賴土地上漲的融資相比。我接受這個反駁，但它必須滿足三個條件：合約不可被輕易取消；合約年限不短於債務；付款者的信用與資金來源足夠獨立。若條件成立，合約就是現金流保障；若付款者仍依靠同一批供應商、投資人或未來融資，訂單簿就只是信用鏈的一環。

我的壓力測試因此會從「營收成長降到多少」改成「再融資窗口若關閉兩季，誰先需要縮減支出」。我會觀察信用利差、利息費用占營收比率、短期到期債務、客戶集中度與自由現金流。如果利差收斂、槓桿下降且大客戶付款持續，我會降低警戒；若營收上升但利息負擔與融資依賴更快增加，則成長可能正在消耗而非創造財務韌性。當抵押品正是熱潮本身創造的資產，信用風險就不能只用營收成長來衡量。

四、沒有人說謊，現金仍可能消失

第三章談借來的錢如何失敗；這一章更麻煩：即使沒有人違約，也沒有人說謊，股東的經濟利益仍可能低於帳面獲利。Michael Burry 曾指控大型雲端業者延長伺服器與網路設備的耐用年限，並估算 2026 至 2028 年可能少認列約 1,760 億美元折舊。[12] 這是 Burry 的推估，不是審計確認的錯報；各公司設備組合、維修能力與工作負載不同，不能把同一條折舊曲線套在所有 GPU 上。

然而，他指出的問題值得保留：折舊年限表面上是會計估計，實際上也是對技術與租金的判斷。若舊晶片能持續承接推論工作、軟體相容性良好、租金不崩，五至六年的耐用年限可以合理；若新世代晶片快速降低每單位算力成本，舊設備的經濟價值可能早於帳面年限消失。會計不必造假，也可能因景氣與技術變化而落後。

高伯瑞在《1929 年大崩盤》中提出 the bezzle：已經發生、但尚未被察覺的侵占，在被發現以前，侵占者覺得自己得利，被侵占者也還沒感到損失，社會的帳面財富彷彿平白增加。Charlie Munger 後來用「功能等價的侵占」延伸這個概念：不必有人違法，只要市場共同把資產估得太高，消費與投資行為就會建立在並不存在的財富上。把它應用於 AI 是我的延伸，而不是兩人的原話。

目前至少有三個合法機制值得併在一起觀察。第一是折舊年限。第二是尚未起租的資料中心租賃承諾：Moody’s 統計五大美國超大規模業者約有 6,620 億美元已承諾但尚未開始的租賃，因此尚未列入現行資產負債表。[13] 這是會計認列時點，不是隱匿；但它表示未來現金支出已先被部分鎖定。第三是供應商投資、擔保或融資客戶採購。2026 年 7 月，NVIDIA 被報導正洽談總額逾 7,500 億美元的多項交易，其中部分涉及替客戶的資料中心與晶片採購提供資金支持。[14] 報導中的交易未必全部完成，卻足以提醒投資人：訂單與融資有時來自同一個生態系。

檢查這些機制時，損益表、現金流量表與承諾事項必須一起讀。折舊年限延長會提高當期獲利，卻不會把已付款的設備現金帶回來；未起租租約尚未形成當期租賃負債，卻已限制未來選擇；供應商融資能促成銷售，卻可能讓應收帳款與最終需求的界線變得模糊。三張表各自都可能正確，合起來才看得見資本回收是否落後。

我不主張這些安排構成詐欺。真正的問題是，折舊、租賃承諾與供應商融資，可能讓獲利、現金支出與最終需求出現在不同時間。當資金寬鬆時，時間差看起來像成長；當資金收緊時，它才會顯示為現金缺口。投資人應追蹤的不是「誰在作假」，而是設備租金是否支持帳上年限、未起租承諾轉入表內的速度，以及供應商資金占客戶採購的比重。本輪 AI 資本循環最值得防範的，不一定是非法會計，而是合法會計在景氣高點集體高估了可分配的現金。

五、把空方論證也拿來壓力測試

如果一份文章只列出支持自身立場的證據，它不是投資備忘錄，而是辯護詞。對謹慎立場最有力的反駁有三個，我認為都必須正面承認。

第一，今天的大型科技公司與 2000 年的許多網路公司不同：它們有真實獲利、龐大現金流與既有客戶。漂亮五十的歷史也比空方常講的版本複雜。1972 年，這批大型成長股的平均本益比約 41.9 倍，高於 S&P 500 的 18.9 倍；其後確實遭遇慘烈回撤。但 Jeremy Siegel 的研究顯示，以 1972 年高價買進整體籃子並長期持有，至 1998 年的年化報酬仍接近大盤。[15] 高估值能預告短期風險，卻不能單獨決定二十年後的結果；真正重要的是哪些公司能把早期優勢轉成長期現金流。

第二，單位成本下跌可能擴大而非縮小總支出。這是傑文斯悖論在算力上的版本：模型變便宜、效能提高，企業便把 AI 用到更多流程，總 token 與總算力需求反而上升。Google 的用量增長支持這個可能性；Microsoft 在 2026 會計年度第二季披露商業未履約合約餘額 6,250 億美元、年增 110%，也顯示需求能見度不低。[16] 但其中約 45% 來自 OpenAI，因此訂單簿既是需求證據，也是集中度風險。數字本身不支持單向結論，它要求投資人同時看規模與品質。

第三，AI 建設可能不是被資本耗盡，而是被電力限制。Gartner 預估，到 2027 年可能有 40% 的既有 AI 資料中心受到電力供應限制。[17] 若真正的瓶頸是併網、變壓器與發電，而非客戶需求，產能過剩就可能延後；投資熱潮的頂部也可能是一段高原，而不是一根被戳破的針。空頭即使看對最終報酬下降，也可能先被時間拖垮。

現金也不是無風險答案。持有現金有通膨與機會成本；減碼更要求投資人判斷兩次：何時賣、何時買回。讓人想賣的恐懼，往往正是讓人不敢買回的恐懼。因此，我的立場不是根據估值猜測高點，而是把曝險降到即使判斷錯誤，也不會破壞長期計畫的程度。

還有一個空方常低估的可能：AI 的經濟回報未必首先出現在銷售 AI 的公司，也可能分散到採用者的成本、速度與產品品質。若企業用同樣人力完成更多工作，生產力收益可能被競爭轉讓給客戶，未必完整留在軟體供應商的毛利裡。這會讓技術對整體經濟非常重要，卻讓投資回報沿價值鏈重新分配。看對技術而買錯受益者，仍然是投資錯誤。

這裡需要把證偽條件寫得更精確。若應用端收入與雲端毛利持續追上資本支出，算力租金保持穩定，信用利差收斂，且未起租承諾沒有壓垮自由現金流，我會承認目前支出較接近一場有回報的基礎建設週期。反之，若訂單仍成長，但客戶集中度、融資依賴與利息負擔同步上升，我會更謹慎。減碼的正確理由不是「我知道它會跌」，而是「即使它繼續漲，我也承受得起少賺的代價」。

六、對台灣投資人，唯一可控的是曝險

前面談的多是美國企業的資產負債表，但台灣投資人無法把這件事當成遙遠的華爾街辯論。台積電近年占台灣加權股價指數權重超過四成；持有市值型 ETF、退休帳戶或大型權值股，往往已經間接持有全球 AI 資本支出週期。[18] 對許多人而言，「要不要投資 AI」早已不是二元選擇，真正還握在手上的變數只剩總曝險、槓桿與資金期限。

2026 年 7 月，韓國市場提供了近距離的提醒。KOSPI 在 7 月 28 日因半導體股賣壓單日下跌 10.8%，之後波動仍大；監管機關也因單一個股槓桿 ETF 加劇價格偏離與短期交易風險，宣布暫停新產品並提高投資門檻。[19] 這些 ETF 不是下跌的唯一原因，全球晶片股估值、利率與競爭疑慮才是更廣泛的觸發因素；但每日再平衡與槓桿，會在下跌時創造機械性交易，成為放大器。

1987 年美國股災提供了相同的機制教訓。當時流行的「投資組合保險」在市場下跌時自動賣出指數期貨；多個投資人同時執行相同策略，便在期貨與現貨間形成回饋。聯準會後來的研究指出，這些策略不是崩盤的唯一原因，卻可能加快並放大跌勢。[20] 估值說明市場為何脆弱；誰被迫賣出，則決定市場摔得多快、多深。

因此，衡量台灣集中度風險的第一題，不應只是「台積電本益比是否合理」，而是「如果核心持股回落三成，誰會被迫賣、賣多少、賣得多快」。槓桿與反向 ETF、融資部位、股票質押、短期借款與生活現金需求，都可能把暫時波動變成永久損失。基本面造成的高權重並不等於投機，但權重也不會在客戶削減資本支出時保護投資人。

這個檢查應以家庭資產負債表為單位，而不是逐一帳戶觀看。同一個人可能在台股 ETF、全球科技基金、退休帳戶與公司獎酬中，重複持有相同的半導體與雲端因子；表面上有四種商品，經濟上卻是一個部位。把直接持股、基金穿透後的權重、負債與兩年內必須使用的現金放在同一張表上，才知道自己承擔的是信念，還是無意識的重複曝險。

我建議每位投資人算一個具體數字：若最大持股或核心 ETF 回落三成，是否會觸發追繳、迫使出售其他資產，或中斷未來兩年的生活與投資計畫？答案若是否定的，集中度主要是波動；答案若是肯定的，它就是資產負債表風險。最終造成永久損失的，往往不是買進時的估值，而是下跌時沒有選擇權。

試圖得出結論

• 「第幾局」沒有可重複量測的定義。與其猜市場位置，不如檢查資本支出能否被使用量、收入、現金流與信用條件共同驗證。

• AI 需求是真實的，但需求存在不等於每一條產能曲線都正確。應區分已發生的用量、供應商的遠期預測與最終客戶的付款能力。

• 市場的評分規則正在改變：高支出不再自動代表領先，低支出也不代表保守；關鍵是每一美元是否附帶可追蹤的回收路徑。

• 當 GPU、資料中心與長約同時成為融資依據，壓力測試就應加入信用利差、再融資期限、利息負擔與客戶集中度。

• 折舊年限、未起租租賃與供應商融資各自可能合理，但三者加總會拉大帳面獲利與可分配現金之間的距離。

• 最強的反方證據同樣成立：大型科技公司有真實獲利，單位成本下降可能擴大總需求，電力限制也可能把投資高峰延長。

• 對台灣投資人而言，AI 曝險多半已存在。真正可控制的是總比例、槓桿與資金期限，而不是精確猜中高點。

• 我的立場是帶有證偽條件的謹慎參與：不孤注一擲，也不完全置身事外；讓任何一種情境發生時，都仍保有調整的能力。

投資決策最重要的，不是猜中 AI 走到第幾局，而是確保自己不會在答案揭曉以前，被槓桿、期限或情緒淘汰。

2026 年 8 月 3 日

ark

富足之路

資料來源與查核說明

1. Alphabet, “Alphabet Announces Second Quarter 2026 Results,” 2026-07-22；Reuters, “Google increases capex forecast again after cloud-driven earnings beat,” 2026-07-22。https://abc.xyz/investor/ ；https://live.euronext.com/en/financial-news/google-increases-capex-forecast-again-after-cloud-driven-earnings-beat

2. Microsoft Investor Relations, FY2026 Q4 results；Associated Press, “Microsoft beats Wall Street expectations with $90B in revenue,” 2026-07-29。https://www.microsoft.com/en-us/Investor/ ；https://apnews.com/article/f7dff4fb9d51a2bdec56a13e5da1053d

3. Howard Marks, “AI Hurtles Ahead,” Oaktree Capital, 2026-02-26。https://www.oaktreecapital.com/docs/default-source/memos/ai-hurtles-ahead.pdf

4. Google, “Google I/O 2026: Sundar Pichai’s opening keynote,” 2026-05。https://blog.google/intl/en-in/company-news/technology/sundar-pichai-io-2026/

5. NVIDIA, “NVIDIA Announces Financial Results for First Quarter Fiscal 2027,” 2026-05-20。https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Announces-Financial-Results-for-First-Quarter-Fiscal-2027/default.aspx

6. TSMC, “2026 Q2 Quarterly Results,” 2026-07。https://investor.tsmc.com/chinese/quarterly-results/2026/q2

7. Bridgewater Associates, “The Macro Implications of the AI Capex Boom,” 2026-01；United Nations, Preliminary Report of the Independent International Scientific Panel on AI, 2026-07。https://www.bridgewater.com/_document/the-macro-implications-of-the-ai-capex-boom?id=0000019b-b947-d0c5-addb-bf4f46590000

8. K. G. Coffman and Andrew Odlyzko, “Internet Growth: Is There a ‘Moore’s Law’ for Data Traffic?” 2000；Odlyzko Internet bubble source archive。https://papers.ssrn.com/sol3/papers.cfm?abstract_id=236108 ；https://www-users.cse.umn.edu/~odlyzko/isources/index.html

9. CoreWeave, “CoreWeave Reports Strong First Quarter 2026 Results,” 2026-05-07；CoreWeave Form 10-Q for quarter ended 2026-03-31。https://investors.coreweave.com/news/news-details/2026/CoreWeave-Reports-Strong-First-Quarter-2026-Results/ ；https://www.sec.gov/Archives/edgar/data/1769628/000176962826000222/crwv-20260331.htm

10. Bank of England, Financial Stability Report, 2026-07；Bank of America Global Fund Manager Survey, 2026-07（公開報導摘要）。https://www.bankofengland.co.uk/financial-stability-report/2026/july-2026

11. Japan Financial Services Agency, “Loss on Disposal of Bad Loans of All Japanese Banks,” 2000；Bank of Japan, “The Challenges Facing Japan’s Economy and the Monetary Policy Response,” 2002。https://www.fsa.go.jp/news/newse/e20000728-1b.html ；https://www2.boj.or.jp/archive/en/announcements/press/koen_2002/ko0212c.htm

12. Michael Burry 對折舊年限的公開估算，經 RBC Global Asset Management, “MacroMemo,” 2026-04-14 至 05-04 轉述。https://usmutualfunds.rbcgam.com/us/article/macromemo-april-14-may-4-2026-us/detail

13. Moody’s Ratings, “Hyperscalers’ reported AI-related lease commitments may understate economic risk,” 2026-02-23。https://dkf1ato8y5dsg.cloudfront.net/uploads/52/504/1-sector-in-depth-accounting-us-hyperscalers-23feb2026-pbc-1467708.pdf

14. Bloomberg Law, “Nvidia’s $750 Billion in Deals Reignite Circular AI Fears,” 2026-07-27；Axios, “Nvidia reignites ‘circular’ financing concerns,” 2026-07-27。https://news.bloomberglaw.com/business-and-practice/nvidias-750-billion-in-deals-reignite-circular-ai-fears-1 ；https://www.axios.com/2026/07/27/nvidia-openai-financing-ai-jensen-huang-ssi

15. Jeremy J. Siegel, Stocks for the Long Run；ProQuest, “Beware the ghost of markets past”（摘要含 Nifty Fifty 估值資料）。https://www.proquest.com/trade-journals/beware-ghost-markets-past/docview/1979187052/se-2

16. Microsoft Investor Relations, FY2026 Q2 Earnings Conference Call, 2026-01-28。https://www.microsoft.com/en-us/investor/events/fy-2026/earnings-fy-2026-q2

17. Gartner, “Gartner Predicts Power Shortages Will Restrict 40% of AI Data Centers By 2027,” 2024-11-12。https://www.gartner.com/en/newsroom/press-releases/2024-11-12-gartner-predicts-power-shortages-will-restrict-40-percent-of-ai-data-centers-by-20270

18. Taiwan Futures Exchange, constituent weights as of 2025-09-30。https://www.taifex.com.tw/file/taifex/eng/eng11/Reduction%20of%20the%20Contract%20Multiplier%20for%20Electronics%20Sector%20Index%20Options.pdf

19. Reuters, “Asian chip stocks slide as China competition fears rattle AI trade,” 2026-07-28；Korea Financial Services Commission, “Measures on Single-Stock Leveraged Products,” 2026-07-16。https://au.investing.com/news/stock-market-news/samsung-sk-hynix-slide-amid-nvidia-financing-worries-china-competition-4555278 ；https://fsc.go.kr/eng/pr010101/87354

20. Federal Reserve, “A Brief History of the 1987 Stock Market Crash with a Discussion of the Federal Reserve Response,” 2007。https://www.federalreserve.gov/pubs/feds/2007/200713/index.html

重要聲明

本文表達作者截至所示日期的個人觀點，該等觀點可能隨時改變，恕不另行通知。富足之路無義務更新本文所載資訊。

本文僅供一般資訊與教育目的，不構成、亦不得被詮釋為任何形式的投資建議、要約、招攬，或對任何特定證券、金融商品之推介。本文未考量任何特定人士之財務狀況、投資目標或風險承受能力。

本文引用之第三方資料來源，作者已盡合理查證之責，惟不保證其完整性與正確性。歷史資料不代表未來績效。投資有風險，讀者應自行判斷並承擔投資決策之後果，必要時請諮詢合格之專業顧問。

本文所述風格師承公開發表之投資寫作傳統，與 Oaktree Capital Management 及其任何關係企業無任何從屬、授權或合作關係。

© 2026 富足之路　保留所有權利