<p>人工智能 (AI)</p>

這頁的上方展示終端用戶的需求及投資者的資本，如何流向 AI 工具開發商，包括模型開發商、應用創建者、企業整合商及平台賦能者。這個應用層正是許多前沿 AI 企業所處的位置，涵蓋領先模型實驗室、企業軟件公司，以及健康護理、法律及金融服務等特定行業應用。中間部分則顯示，算力供應商扮演連接軟件需求與實體基礎設施的橋樑，將 AI 採用轉化為整個生態系統的開支需求。

下方圖表突顯 AI 價值鏈已變得相當廣泛：一家公司的資本開支，往往就是另一家公司的收入來源，而 AI 相關機遇已不再局限於晶片，亦延伸至半導體設計與生產、數據中心房地產、建築、伺服器及網絡設備、冷卻系統、電力設備、受規管公用事業、獨立發電商、輸電、可靠性及通訊基建。重點是， AI 正於增長及價值板塊、不同市值及地區創造投資機遇；但由於競爭激烈、技術變化迅速，並非生態系統內所有商業模式都能長期持續，因此選擇性仍然關鍵。

這張圖表比較主要美國及中國 AI 模型的表現與成本，縱軸代表能力，橫軸則以對數刻度顯示每項任務的成本，越靠左代表成本越低。藍點代表美國模型，橙點代表中國模型；美國模型仍然佔據不少領先表現位置，但中國模型已更接近前沿水平，且往往處於較低成本位置，反映表現差距正在收窄，同時更重視算力效率。

重點是，中美 AI 競爭並非單一排行榜，而是多層面的動態。美國在前沿領域仍然領先，推動最先進模型、算力及生態系統發展；中國的優勢則愈來愈體現在大規模普及，以較低成本將「足夠好」的 AI 導入真實工作流程。每一代更強大、更低成本的模型，都有機會釋放更多企業及消費者應用場景，進一步支持基礎設施開支；但兩地面對的限制有所不同：中國更受算力約束，而美國則愈來愈面對電力、審批及數據中心執行瓶頸。

這張圖顯示在OpenRouter（一個以開發者為主的模型聚合平台）上，不同來源模型每週 詞元(token) 使用量的市佔率。在該期間內，使用量明顯由美國模型轉向中國模型，中國模型其後超越美國模型，並在後段維持領先。灰線代表其他地區模型，其佔比在後期亦有顯著上升，顯示開發者正將使用分散到更多來自歐洲、印度及其他市場的可信選擇。重點是，中國模型在開發者及代理式平台上的份額正在上升，受惠於較低成本，並對注重每美元詞元效率的價格敏感用戶具吸引力。然而，這不應被解讀為 AI 採用的完整圖像：OpenRouter未涵蓋Azure、Bedrock、Vertex及模型開發商直接API等主要企業渠道，而美國模型如GPT、Gemini、Claude及Llama在這些渠道中更具代表性，因此美國使用量可能被低估，其下降幅度看起來亦可能比實際更明顯。需要注意的是，市佔率下降不一定代表使用量減少，因為絕對的詞元 (token) 數量可能仍在增長；這張圖更反映出，隨著越來越多中國及其他開源權重模型的出現和競爭，市場自然出現分散化的趨勢。

圖中顯示，自 2023 年以來，付費 AI 應用在各大產業持續上升，其中以科技及媒體領先，金融及保險亦明顯增長。重點在於，市場焦點正由 AI 製造者—即 AI 支出者及受益者轉向 AI 使用者：應用範圍正在擴大，但企業現在必須證明， AI  能否在人才、流程與成本上被有紀律地導入。隨著運算成本、產能限制及變現問題持續受到關注，投資人應預期市場波動，但分散投資並不等於反對  AI ，而是讓投資組合在領導者從基礎建設供應商輪動到實際應用產業時，仍能把握  AI  帶來的生產力、流程與基本面提升機會。

左圖的柱狀圖顯示中國工業機器人年度安裝量，藍線則顯示中國佔全球安裝量的比例。重點在於，中國已成為實體 AI 採用的主導力量：過去十年，機器人安裝量大幅上升，目前約佔全球需求一半，突顯中國製造業規模及自動化推進速度。

右圖的環形圖按行業拆分2025年中國 AI 相關投資。機器人佔比最高，達38%，其次為 AI 硬件及科技、 AI 原生應用、傳統行業應用，以及自動駕駛。這反映中國的 AI 發展路徑並不只聚焦於前沿模型，更強調本地化、成本效率及實體經濟擴散。綜合來看，這頁顯示中國的 AI 機遇可能愈來愈來自「 AI 使用者」—即那些運用  AI  提升製造、物流、交通及工業流程生產力的企業。

這頁展示了機器人技術的發展，從固定功能的工業機器（如 SCARA 機械手臂和協作機器人）逐步邁向更智能、更通用的系統，包括自主移動機器人、移動操作臂和人形機器人。隨著通用性提升，機器人能在更不規則的環境中運作，並執行更多元的任務。

重點在於，機器人正從工業自動化擴展到商業和家庭應用。協作機器人、無人機、人形機器人和四足機器人等通用型態，能支援從製造、建築到醫療、教育及長者照顧等多元場景，進一步拓闊整體經濟各行各業的市場機會。

圖表中，紫色柱代表各職業類別中理論上可由 AI 涵蓋的工作任務比例，灰色柱則顯示目前實際已被  AI  覆蓋的部分。以知識為本的職位（如電腦與數學、商業與金融、法律、行政、建築與工程）， AI  曝險最高；相反，靠偏體力或需要在特定地點工作的職位（如建築、運輸、農業、個人護理等）較偏實體或地點導向的職業， AI  曝險則明顯較低。

重點在於， AI 的潛在覆蓋範圍與目前實際採用之間仍存在很大差距。這意味着生產力影響很可能是分階段且不均衡地出現，取決於企業能否重新設計工作流程、提升員工技能，並將 AI 融入日常營運。對投資者而言，這將帶來更大分化：機遇不只在 AI 技術本身，更在於識別能夠將理論涉及度轉化為實際生產力、成本及盈利效益的公司與行業，尤其在勞動力增長放緩的經濟環境下，未來增長將更依賴生產力提升，而非單靠增加人手。

左圖中，藍色柱顯示主要美國超大規模雲供應商的資本開支，灰色虛線則顯示資本開支佔經營現金流的比例。圖表突顯美國 AI 基建擴建的規模：自2023年以來，開支急速增加，預計到2028年將接近1萬億美元，而資本開支佔現金流的比例亦較以往大幅提高。這既反映 AI 相關需求強勁，亦帶出投資者愈來愈關注超大規模雲供應商能否將基建投資轉化為可持續收入、利潤率及回報。

右圖中，橙色柱顯示主要中國超大規模雲供應商的資本開支，同樣以灰色虛線追蹤資本開支相對經營現金流的強度。中國的 AI 開支由較低基數上升，但方向相似：未來數年資本開支預期將顯著增加，並佔用更大比例的現金生成能力。綜合來看，這頁顯示 AI 基建競賽是全球性的，但美國在絕對規模上仍然大得多；中國的擴建則更着重成本效率、本地化及國內採用。對投資者而言，短期開支周期仍支持 AI 基建及供應鏈受惠者，但長遠贏家將是能夠把龐大資本開支轉化為清晰變現能力的公司。

左圖有助將 AI 投資機遇重新定義為一個全球生態系統，而不只是單一美國大型科技股交易。美國仍是前沿模型、超大規模雲供應商及高端創新的中心，但亞洲提供了 AI 得以擴展所需的大部分實體基礎設施，包括記憶體、高頻寬記憶體（HBM）、先進晶片、伺服器、設備、零件及製造深度。重點是，分散 AI 投資並不代表離開這個主題，而是配置價值鏈中不同部分，尤其是盈利支持仍然強勁、估值或更具吸引力的環節。

右圖的供應鏈拆分顯示，為何亞洲在 AI 建設中如此重要，尤其是在半導體、硬件、邏輯晶片，以及組裝、測試及封裝等環節。韓國與HBM及記憶體最直接相關，台灣與晶圓代工及 AI 伺服器製造相關，日本則與設備及材料相關，而中國則受惠於本地化、國內雲端及企業採用。對投資者而言，地區差異十分重要：隨着 AI 領導地位由支出者轉向盈利者，最終再延伸至使用者，機會應會在不同地區及板塊之間擴大，並有利於主動挑選能夠將 AI 需求轉化為清晰盈利、生產力提升及回報的公司。

左圖顯示， AI 基礎設施並不只是增加更多數據中心，而是需要將數據中心升級，以支援耗電量更高的工作負載。目前全球數據中心容量約為125吉瓦，但估計只有10至13吉瓦具備 AI 能力，原因是 AI 伺服器需要遠高於傳統水平的功率密度、液冷而非傳統風冷，以及顯著更高的電力容量。

右圖的堆疊柱顯示，到本十年末，全球數據中心容量預計將顯著增長，其中以藍色顯示的 AI 工作負載將成為新增需求的主要驅動力。重點是， AI 建設是一個廣泛的基礎設施周期——不只是晶片及伺服器，亦包括電力、冷卻、網絡、設備及融資。對投資者而言，這意味着投資機遇不只限於最明顯的 AI 龍頭，亦延伸至那些支援 AI 大規模運行所需實體容量的公司。

左圖的柱狀圖顯示美國及中國數據中心電力消耗預測，線圖則顯示數據中心佔總電力需求的比例。核心訊息是，電力正成為 AI 發展的關鍵限制因素：在美國電力需求增長多年有限之後，數據中心正推動用電負荷急速上升，預計到2030年，其佔美國電力需求的比例將顯著提高。

右圖的堆疊面積圖顯示美國按來源劃分的發電量，突顯 AI 建設將需要可再生能源、天然氣、核能、電網升級及效率提升等多方面共同配合。重點是， AI 基礎設施已不再只是晶片、伺服器或數據中心的故事，同時亦是能源與輸電的故事。對投資者而言，這將可投資的機遇範圍擴展至發電、電網現代化及基礎設施資產；同時亦意味未來數年，美國 AI 算力或仍受供應限制。

左圖顯示韓國按類別劃分的出口增長，深藍線代表 AI 相關科技，淺藍線代表其他科技，灰線代表非科技出口，綠線則代表盈利增長。核心訊息是，韓國出口周期已明顯重新加速，由 AI 相關科技帶動，而盈利反應更為強勁，與韓國作為記憶體及HBM需求主要受惠者的角色一致。

右圖中，台灣呈現相似但相對穩定的趨勢，同樣由 AI 相關科技出口推動改善，盈利增長亦隨出口復甦而上升。綜合來看，這頁再次強化 AI 投資中的地區差異：美國或主導軟件及超大規模雲供應商敘事，但韓國及台灣正捕捉 AI 建設背後的實體基礎設施需求，而出口動能正愈來愈由盈利而非單純市場情緒支持。

左圖的柱狀圖比較主要股票市場中的科技構成，將「硬科技」以藍色顯示，「軟科技」以灰色顯示。核心訊息是，亞洲的 AI 相關投資敞口與美國相當不同：台灣及韓國以硬科技佔比為主，反映其在半導體、硬件及實體供應鏈中的核心角色；離岸中國則較多軟科技敞口，而中國A股的配置較均衡，但仍偏向硬件主導。

右圖顯示亞洲（日本除外） AI 相關行業的價格回報，表格則列出指數權重及估值水平。半導體及硬件近期表現最強，而軟件及超大規模雲供應商較為疲弱，進一步說明亞洲的 AI 機遇更貼近建設周期中的「賣鏟人」——記憶體、晶片、硬件及基礎設施——而不單只是軟件敘事。

更廣泛而言， AI 樂觀情緒並未消失，但已變得更理性及更具選擇性。投資者仍然認同 AI 是長期趨勢，並願意支持超大規模雲供應商的投資，但同時亦對資本開支、現金流壓力及投資回報何時可見提出更嚴格要求。這令軟件公司面對更高門檻，因為其 AI 變現往往較不直接，且更依賴採用率、定價能力及工作流程整合；因此，焦點應放在能夠將 AI 需求轉化為可量化盈利、生產力提升及回報的公司。

這張圖比較半導體、硬件及其他板塊對主要市場盈利增長的貢獻，其中半導體以藍色顯示，硬件以綠色顯示，其他板塊以淺藍色顯示。核心訊息是， AI 資本開支熱潮已直接流入盈利，尤其是在亞洲：韓國及台灣的半導體及硬件貢獻特別突出，日本、美國及中國A股亦明顯受惠。這有助解釋為何國際及新興市場股票獲盈利上調支持，而不只是受惠於估值擴張。

較長遠而言，半導體及硬件正成為全球市場的重要盈利引擎，而在最直接受 AI 基礎設施、記憶體、晶片及硬件需求帶動的地區，盈利能見度最強。對投資者而言，這進一步說明 AI 敞口並不只限於美國大型科技股；盈利受惠者正愈來愈全球化，尤其集中於亞洲供應鏈。

這張圖顯示新興市場、美國、歐洲及日本十大公司的合計權重，顏色代表各公司的板塊，白線則分隔個別公司。核心訊息是，各主要市場的集中度均處於較高水平。在新興市場中，綠色的科技板塊佔比最大，由台積電、三星電子及SK海力士帶動，突顯新興市場敞口與 AI 硬件及半導體供應鏈的關聯度相當高。不過， AI 連繫並不只限於綠色科技板塊：騰訊及阿里巴巴等公司雖然歸類為通訊服務及消費相關類別，但仍可透過雲端、平台、數據、應用及數碼生態系統受惠於 AI 。重點是， AI 敞口雖然高度集中，但其實亦較表面板塊標籤更為多元，說明在評估市場領導及 AI 相關盈利下一步可能如何擴散時，需要深入了解指數分類背後的實際業務。