Posted by FinSight 上一篇文章發布於 2025 年 7 月 10 日。今天是 2026 年 7 月 10 日——不多不少，整整一年。
那篇文章的標題是「AI 應用爆發：2B 滲透指數型加速，我們正處於跨越週期的歷史轉折點」。之後我們停更了一年。研究沒有停，只是都留在了自己的筆記裡。回頭看，這一年恰好是那篇文章的論點被市場驗證得最徹底的一年——所以復更的第一篇，我們不寫新觀點，先做一件 FinSight 從創立以來一直在做的事：對帳。
把一年前白紙黑字的公開預測攤開，跟現在的數據逐條核對。對的說對在哪裡，錯的說錯在哪裡。有數據、有推論、有觀點，也要有驗證，現在就來好好對帳吧。
對帳一：「AI 投資不是泡沫」（2025/6/6）
文章：估算 AI 資本支出合理性：AI 投資泡沫？數據告訴你！
當時我們說：Google I/O 2025 顯示 token 處理量一年成長 50 倍，AI 在 2025 年創造的價值預計超過 1,000 億美元、超越同期 CSP 增量資本支出。AI 投資不僅沒有過度，甚至可能跟不上需求。
一年後的數據：2026Q1 財報季給出的答案，比我們當時敢寫的更激進。
- Microsoft：AI 業務 ARR 達 370 億美元、年增 123%（一年前僅 120 億）；M365 Copilot 付費席次突破 2,000 萬、年增 250%。
- Google：Cloud 單季營收首度突破 200 億美元、年增 63%；GenAI 產品營收年增近 800%，管理層首次表示企業 AI 已是 Cloud 成長的第一驅動力；訂單積壓（backlog）達 4,620 億美元。
- Amazon：AWS 年增 28%，是近 15 個季度最快增速，且是在 1,500 億美元年化營收的基數上達成；backlog 3,640 億美元，尚未計入 Anthropic 千億美元等級的新協議。
- 供需的最終裁判——價格：2025 年 12 月起 H100 租賃價格回升，2026 年 1 月 AWS 漲價、GCP 跟進預告調價；H100 一年期租約價格從 2025/10 到 2026/3 上漲 38%。公有雲睽違二十年漲價，這不是泡沫的形狀，是短缺的形狀。
當時市場的主流敘事是「資本支出泡沫」。一年後，資本支出不僅沒有縮減，Google 把 2026 年指引上調至 1,800–1,900 億美元，並明示 2027 年將「顯著增加」。以目前的數據看，需求端先跑、供給端追趕的格局尚未改變。
圖 1：主要美國 CSP 資本支出與年增率追蹤（FinSight 整理，2026/7）
圖 2：MSFT AI ARR 與各家 AI 營收追蹤（FinSight 整理，2026/5）
對帳二：「2B 滲透指數型加速」（2025/7/10）
文章：AI 應用爆發：2B 滲透「指數型加速」，我們正處於跨越週期的歷史轉折點
當時我們說：Anthropic 半年 ARR 從 10 億暴增至 40 億美元，企業 AI 付費採用率從 8% 升至 42%，2B 市場出現指數型滲透，且「大者恆大」。
一年後的數據：這條指數曲線不但沒有彎，斜率還變陡了。
圖 3：Anthropic 與 OpenAI ARR 成長曲線（2022/12–2026/5），三月首度黃金交叉，資料來源:EPOCH AI, FinSight製圖
更關鍵的是結構：Anthropic 超過八成營收來自企業客戶，年化消費百萬美元以上的客戶數從 2026 年 2 月的 500 家增加到 4 月的逾 1,000 家——兩個月翻倍；並指引 2026Q2 可望出現創立以來首季營業利益。市場原本預估「LLM 龍頭 ARR 達 1,000 億美元」是 2027 年底的劇本；照 5 月 470 億的水位與目前斜率，這個劇本很有機會提前一年多上演。
當時我們判斷成長的關鍵在 2B 而非 2C：真正有護城河的是企業整合、API 生態與程式碼助理這些高黏著場景。一年後，連最大的 2C 玩家也用行動承認了這件事——OpenAI 在 2026 年 3 月公開調整策略認真面向 2B。
對帳三：「電子庫存最終賣訊」（2025/5/13）
當時我們說：台灣 PMI 新訂單減客戶庫存轉負，電子庫存循環最終賣訊出現；參考歷史，賣訊後 1–5 個月將出現波段低點，但 AI 與非 AI 分化之下，本次調整可能較歷史溫和，長期投資者可視為增加優質標的的機會。一年後的數據：本波修正確實遠較歷史溫和，且若把 AI 與非 AI 拆開檢視，庫存買訊在 2025 年 8 月中財報公告後即已出現（庫存週轉天數年比轉負、庫存金額與年增率同步下滑）。隨後：費半 8 月底突破後 EPS 預估快速上修 24%、9 月費半月 KD 站上鈍化區，多頭循環啟動；2025Q3 台灣電子財報顯示整體仍處於多頭循環早期。參考歷史，這類 EPS 上修循環多能延續一年到一年半——但循環沒有保證，訊號變了，我們就跟著變。
圖 5：台積電（左）vs 電子零組件去除台積電（右）：獲利與存貨拆分（2025Q2 財報-2025/8/15確認買訊時繪製）
圖 6：費城半導體與台灣加權指數未來 12 個月預估 EPS（2025/8 起同步進入上修循環，圖表來源Bloomberg）
「循環」與「趨勢」分開判讀——這是我們在庫存循環完整攻略系列裡反覆強調的框架，本輪在AI趨勢下將兩者拆開來判斷依舊有效。
我們看錯與低估了什麼
低估了速度。我們是市場上對 AI 需求最樂觀的聲音之一，但實際數字仍一路超出我們的上修。2026 年前兩個月，我們自己的 LLM 營收預估表就大改了兩次；千億 ARR 劇本可能提前一年，意味著我們的「樂觀」其實還是保守。
低估了 OpenAI 震盪的市場衝擊。我們很早就擔心 OpenAI 以 2C 路線簽下鉅額算力訂單的矛盾，這個判斷方向正確；但 2025Q4「AI 永動機」敘事引發的評價下修幅度與擴散範圍，超出我們預期。基本面對了，不代表波動會放過你。
一條當時未結、現在接近結清的帳：2026 年 5 月以來 token 支出價格指數回落，市場一度解讀為需求轉弱的前兆。停更期間我們把這條帳算完了大半：等效能力的 token 價格年跌約 50 倍、已連續三年，單價指數回落是降價與模型組合轉換（mix shift）的常態，不是退潮；同一時間投入端的價格全面上漲——H100 一年租約五個月 +38%、on-demand 算力已預訂至 2026 年 8–9 月。產出端跌價、投入端漲價，若需求真的轉弱，先跌的會是租金與零組件現貨，而不是 token 標價。這條的判讀從「傾向 mix shift」升級為「證據偏向成立」，後續我們會寫更多文章來討論相關議題。
接下來：先從算力供給與需求這條線開始
帳結清了。停更一年累積的研究不會浪費，會陸續整理成文章。
下一篇文章，我們將跟來討論算力供需這條線。停更期間我們用 Epoch AI 的公開資料做了兩件事：把「算力會缺到什麼時候」用資料中心逐案完工排程推了一遍，也把「AI 的資本支出什麼時候跨過回收線」用成本曲線的方法算了一遍——兩個獨立框架指向同一個時間區間，這是我們近一年最重要的研究成果，也是市場吵了半年（GPU 折舊年限、算力過剩與否）卻很少有人給出數字的問題。
反證訊號：什麼情況下我們會改變看法
復更後的公信力來自持續驗證，所以把會讓我們改變看法的訊號先寫下來：
- 需求面：token 用量成長停滯且無法用降價／mix shift 解釋、GPU 租賃價格在供給放量前鬆動、LLM ARR 上修停止——這是 AI 多頭論的核心前提，任何一項轉向都會讓我們重新評估。
- 資本支出面：CSP 指引從「上修」轉為「持平或下修」、公有雲獲利改善停滯——「鉅額投資下反而更賺錢」的假說若被推翻，五年大循環的劇本要重寫。
- 循環面：台灣 PMI 新訂單減客戶庫存再轉負、電子庫存週轉天數惡化——招牌買賣訊框架照常運作，趨勢與循環分開判讀。
我們每季把實際值點回這些預測上對帳。訊號變了，我們就跟著變。
主編後記：關於「按下發布鍵」這件事
最後想用比較輕鬆的方式，交代這一年到底卡在哪，以及接下來會怎麼走。
這段期間很多讀者來問新文章什麼時候出。研究從來沒有停過，停的是「把研究改寫成文章」這道工序——一份內部筆記要變成能公開的文章，得去掉只有自己看得懂的速記、補上下文、重畫圖、想標題、檢查每一個數字……每一篇都是好幾個小時起跳，而研究的速度永遠跑在寫作前面。跑著跑著，一年就過去了。
轉機來得有點好笑。上個月 Fable 5 發布，我讓它把 FinSight 五年來的所有文章、加上這一年累積的研究筆記，全部讀了一遍。它給我的診斷只有一句話：
「你不缺內容、不缺品質，缺的只是按下發布鍵。」
被一個 AI 講到心坎裡，大概是 2026 年才有的體驗。
所以接下來 FinSight 會用新的方式運作。而且不只是「筆記變文章」交給 AI 協作——連研究本身，也已經是和 AI 一起做的了：這一年最重要的那組算力供需研究，從清理公開數據、建模、交叉驗證到產出圖表，就是我和 AI 協作完成的，過去大概要一個月的工作量，現在幾天內走完。研究方向與觀點還是我下、看錯了還是我認，但整條工作流程重新設計過。風格也許會和以前略有一點不同，但這是把研究成果釋出最有效率的方式。
其實這不是新想法。2021 年底我在〈科技正在改變世界，我們該如何面對產業革命呢？〉寫過，變動的環境中，我認為自己能做的事情有兩件：加速學習，讓自己跟上數據時代；以及槓桿已經創建生態系的公司——利用開放的賦能平台、用新方法做事以提升自我價值，同時投資具有領先優勢的公司。當時的賦能平台是數據工具，FinSight 的數據整理是我的第一個嘗試；四年半後，賦能平台變成了 AI，這次復更就是同一個框架的第二次實踐。這一直是我面對 AI 時代的核心基礎——一個天天在寫 AI 如何改變白領工作的部落格，自己的工作流程當然要第一個改。
圖 7：面對產業革命時，我可以做的事情（出自 2021/12〈科技正在改變世界〉圖二）
恰好七月也是兩年前寫【那些年，我從師父身上學到的事。】的日子。一日為師、終身為父——師父教我們的三件事裡，第一件是持續學習，第三件是珍惜挫折。停更一年是挫折，這篇對帳是學習。
我回來了。
免責聲明：本文章內容僅供投資人參考，無任何推薦與買賣邀約之情事，投資人應獨立審慎判斷，自負買賣風險謹慎投資，本網站不負任何法律責任。
喜歡我們的文章嗎？歡迎追蹤我們的臉書粉絲團，我們會持續提供更多產業趨勢的分析。
若我們的網站有幫助到您，也可以選擇贊助我們，讓我們更有動力繼續前進！
一次性贊助 ☕ 定期定額贊助 🥐
資料驅動的科技革命 – 系列文章：
1. 資料驅動的科技革命之一：從應材分析師會議，看半導體的巨大商機
2. 資料驅動的科技革命之二：從 Intel IDM 2.0 的轉型看到些什麼？
3. 資料驅動的科技革命之三：資料中心競爭白熱化
4. 資料驅動的科技革命之四：科技賦能的關鍵技術軍火商 NVIDIA
5. 資料驅動的科技革命之五：企業支出增加，加速投入數位轉型
6. 科技正在改變世界，我們該如何面對產業革命呢？
AI 產業革命 – 系列文章：
1. AI 產業革命之一：資料量指數成長，使軟體與半導體迎來長線成長動能
2. AI 產業革命之二：AI 正在改寫規則，回顧發展至今的三個階段
3. 估算 AI 資本支出合理性：AI 投資泡沫？數據告訴你！ (2025/6)
電子庫存循環完整攻略 (2024~2025)：
1. 電子庫存循環完整攻略（上）：本波庫存循環賣訊出現！ (2024/11)
2. 電子庫存循環完整攻略（中）：AI 指數型成長改變了庫存循環的產業結構 (2024/11)
3. 電子庫存循環完整攻略（下）：「趨勢」是跨越週期的存在！ (2024/12)
4. 電子庫存循環完整攻略（續）：電子庫存最終賣訊出現！(2025/5)
FinSight 趨勢觀點 