Posted by 上一篇對帳文的結尾我們預告過，復更後會先從算力供需這條線寫起。之所以復更第一個題目就寫它，是因為我們覺得這件事太重要了，因為接下來一年 AI 的各種爭論——泡沫、回本、誰賺走利潤——最後都會回到這條線上。
大家對 AI 的討論很多：擔心泡沫、擔心企業支出變少、擔心需求見頂、擔心算力過剩……等等，甚至最近開始有人認為，META 和 xAI 外賣算力是供過於求的前兆，這個說法我們在文章後半會直接回答。但回到算力市場本身，目前市場的共識其實是「缺」，真正的分歧在「缺到什麼時候」。這篇就是要用數據回答這個問題：把需求端的營收曲線跟供給端的產能規劃，放在同一張桌上看。
2025 年 12 月，GPU 租賃價格先動了；2026 年 1 月，AWS 漲價、GCP 跟進。公有雲漲價，改變的是雲端市場二十年「只跌不漲」的價格結構。很多人把它當成一次性事件看過去。但我們把兩組數據放在一起看之後，想講的是：那不是事件，是轉折的起點。供需吃緊至少會延續到 2027 下半年——現在的漲價，只是前菜。
指數爆發的 AI 需求，碰上 2027H1 供給受限的產能規劃
先看需求端。Anthropic 的年化營收從 2025/12/31 的 $9B，五個半月內跳到 2026/5/15 的 $47B；OpenAI 最新公告為 2026/2/28 的 $25B。這條需求曲線還在指數爬升。
圖 1：主要 LLM 公司年化營收軌跡（資料來源：Epoch AI）
這條曲線能漲到哪、怎樣的 AI ARR 才算夠好，是市場正在爭論的問題——那是下一篇的主題。這篇要處理的問題更單純：供給端跟得上嗎？
供給端我們把 Epoch AI 追蹤的在建案場完工時程逐半年加總：2026 上半年新增 4.92GW、下半年 3.94GW；2027H1 只剩 1.41GW，佔比僅 8.9%，是 2023 年以來最低；就連 2027H2 的 3.66GW，也不敵 2026 的任何一個半年。供給曲線在 2027 年出現空窗——只要需求照目前軌跡走，2027H1 的算力會顯著供不應求。
圖 2：半年度新增 IT 功率（GW，依擁有者堆疊，資料來源：Epoch AI）
圖 3：半年度新增供給對照表，2027H1 僅 8.9%（資料來源：Epoch AI）
看 AI 投入是否划算？
大家一直在擔憂 AI 投資是泡沫。我們的做法很簡單：終端以 AI ARR 作為收益（分子），最底層用算力作為用量（分母），看這份投入划不划算。
核心指標＝每 H100e 年化營收（五大 LLM 公司合計營收 ÷ 全市場累計 H100e 算力存量）。直覺意義是「每一單位算力正在賺多少錢」：急升代表需求成長快過供給、算力變貴；回落代表供給追上、市場鬆動。
分母 H100e 是「H100 等效顆數」：把市場上所有 AI 晶片——NVIDIA 的 GPU、Google 的 TPU、AWS Trainium 這些自研 ASIC——按運算效能折算成「相當於幾顆 H100」再加總。新一代晶片效能更強，一顆會折算成好幾顆 H100e。換算依據是 Epoch AI 的晶片出貨與效能資料，屬於估計值（按效能規格折算，不是實測），但拿來看趨勢的方向與轉折已經足夠。
分子 AI ARR 我們用的是五家模型公司（OpenAI、Anthropic、xAI、Mistral、智譜）可觀測的年化營收——也就是有公開揭露、能被彙整到的數字。這個口徑明顯是低估的：Google 的 Gemini 收益算在自家訂閱與搜尋廣告裡、雲端廠商自己的 AI 服務營收、Meta 拿算力養推薦系統賺的錢，都不在裡面。但低估反而讓結論更穩——分子只抓到一部分，指標都已經急升；重點是口徑前後一致，我們看的是趨勢的方向與轉折，不是絕對水位。
先看歷史走勢，這個指標在 2025 年底出現趨勢向上的轉折：2025Q4～2026Q2 從 $1,318 急升 84% 到 $2,430——時間點與 12 月起 GPU 租賃漲價、今年 1 月公有雲雙雙漲價完全匹配。指標與現實互相印證，代表這個算法是可用的。
圖 4：每 H100e 年化營收——歷史驗證（資料來源：Epoch AI，FinSight 計算）
再往未來推：未來段＝情境營收 ÷ Epoch 完工供給（×3.08 涵蓋率校準 × 執行率 90%；推演參數：LLM 起始年增 +300%、每年衰減至 55%、效率提升 +40%，推演至 2028 年底）。判讀基準：高於 $2,430（當前水準）＝比現在更緊，漲價環境延續。
圖 5：每 H100e 年化營收——歷史驗證與推演（資料來源：Epoch AI，FinSight 計算）
推演結果顯示「2027H1 是新增產能最少的半年，缺口在 2027 年中後達到頂點」。
只要按照線性推估，2027 年中每單位算力對應的營收將明顯衝破 $2,430 的當前高點，算力吃緊程度會超過我們現在正在經歷的這一輪漲價。供需結構決定了漲價環境至少延續到那個時點，甚至因為「越缺越搶」的心理，屆時反而可能出現泡沫化的過熱段。真正需要警惕的反轉訊號，是 2027H2 之後、2028 年大量產能開出，屆時需觀察需求是否能支撐使數據不回落。
有算力的人為王：META 和 xAI 外賣算力是因應結構性趨勢
如果同意上述推論，則今年初看到的公有雲睽違二十年漲價，不是短期波動，是結構性的行業轉變。接下來一年「手上有算力」會非常值錢——應該回頭檢視算力的「擁有者 vs 使用者」分配結構：誰握有超出自身當期需求的儲備算力，誰就握有定價權。
- 全市場「晶片擁有者」第一是 Google（約 1/4）；但依「使用者」加總，META 最高（1.90M H100e），與 Anthropic（1.87M）相當——他是手中擁有最多使用算力的人。
- 未來鎖定算力者：OpenAI 長線最積極（但 2028 年前開得出來的產能有限）；Anthropic 明顯低估，接下來勢必得向 xAI／META 或其他人訂購。
- 雲端算力目前仍以三大公有雲佔比最多，不過 META 自己本身算力很多——在公有雲收益能力明顯好轉之下，如果真的有多的拿出來賺超額利潤，很有機會長出第二成長曲線、成為獲利來源。
圖 6：算力擁有者 vs 使用者市占（資料來源：Epoch AI，FinSight 計算）
圖 7：誰在鎖定未來算力（資料來源：Epoch AI，FinSight 計算）
至於「外賣算力是財務壓力、是供過於求的前兆」這個說法，我們用兩個檢驗來回答。
- 第一看價格：財務壓力下的拋售會壓價求量，但目前看到的是缺算力的一方用高於市價的價格在搶租（具體數字下一篇會攤開）——這是搶貨，不是求售。
- 第二看量：外賣不會增加全市場的算力總量，只是把自用儲備轉成市場流通，短期能釋出的量對比全市場存量是個位數百分比，而 2027 年的供給空窗是 GW 級的。更根本的是：釋出的算力若立刻被缺貨的人租走，那是需求強勁的證明，不是過剩的證據。
所以我們的讀法相反：META 和 xAI 的雲端外賣策略改變，可能也暗示他們是未來一年結構下被低估的贏家。兩者此刻都握有大量儲備算力（META 為自家推薦系統與模型訓練超前部署、xAI 的集群擴建速度遠超自身營收所需）。在算力越來越值錢的環境下，把儲備算力拿出來外售或出租，可能產生市場完全沒有 price in 的利潤——這等於是在算力最貴的時點，手上剛好有貨的賣方。
總結：算力將越來越缺，而市場還沒反應過來
- 從過去「資料中心建置進度＋晶片出貨」算出累積的算力存量（約當 H100 顆數），對照終端可取得的 AI ARR 看每顆 GPU 的變現能力，發現 2025 年底開始出現趨勢向上的轉折——與 12 月起 GPU 租賃漲價、今年 1 月公有雲雙雙漲價、改變雲端市場二十年只跌不漲的結構，互相呼應。
- 展望未來，從在建資料中心進度表來看，2027H1 將是產能開出最少的時點，連 2027H2 開出的產能也不敵 2026 上下半年。若算力需求持續成長，2027 年我們將看到算力變現曲線持續向上、供不應求將遠超越目前這半年，是史無前例的緊俏程度。
- 依照目前鎖定產能的廠商結構來看，OpenAI 預定的多是 2028 年之後開出的產能，Anthropic 反而沒有預定足夠產能，而使用者中 META 佔據很大份額。如果未來一年算力市場如上述預估般緊俏，xAI 與 META 的外賣產能是因應結構性趨勢的轉變——誰手中有算力，誰在未來緊俏的一年多就可能有超額利潤。
- 供給端訊號：隨著 revenue／compute 持續改善、資本回報率提高，會吸引新資料中心、提前完工、容量重新分配、更高利用率、更多自研晶片、更多尚未進入 Epoch 樣本的中型案場——2027 年的空窗有可能被填補得比排程快。
- 需求端訊號：兩強 ARR 連兩季落在推演帶下緣之外（尤其是單一大客戶流失型的斷崖），需求曲線就要重畫。
- 價格訊號（最終裁判）：GPU 租賃現貨價在供給放量前鬆動、on-demand 算力從售罄變成隨租隨有、外賣算力以明顯低於市價搶客。不管原因出在供給還是需求，失衡都會先反映在價格上——價格訊號一出現，我們就回頭檢查上面兩條。
供給是會動態反應的，我們每季拿實際數據回來對帳——訊號變了，我們就跟著變。
這一篇對 AI ARR 只是先用一個簡單的估計，但市場爭論的其中一塊正是：怎樣的 AI ARR 算夠好？
所以下一篇我們會去計算成本的甜蜜點——什麼時候有機會超越成本線，以及從成本反推出「多少 AI ARR 才會超越每顆 GPU 在營運跟建置上的成本曲線」。算完之後，市場對 AI ARR 的營收預估與對應的成本結構會更清楚，你也可以根據這條線去定錨，未來每一季都有 check point 可以對。
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 🥐
AI 認知落差系列——把市場正在流行的想法，跟數據說的話，放在一起對質。
一、現在的漲價只是前菜：AI 算力會越來越缺，至少缺到 2027 下半年（本篇 2026/7）
二、AI 燒錢無底洞？成本線畫出來了（即將發布）
三、tokenmaxing 退場不是需求尾聲（即將發布）
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)
FinSight 趨勢觀點 