從金融海嘯到 AI 浪潮，資深研究員帶你看市場｜財經好朋友特輯

📊 從金融海嘯到 AI 浪潮：資深研究員市場觀點解析

💡 核心觀點

本集訪談邀請了財經人平方創辦人 Rachel 與統一投顧總經理廖婉婷（Tina），兩位擁有近 20 年資歷的研究員，針對當前宏觀經濟、聯準會政策及 AI 產業基本面進行深度剖析。雙方共識認為，市場已逐漸學會分辨「真議題」與「假議題」，美債殖利率才是影響市場波動的核心關鍵。在 AI 產業方面，儘管短期面臨現金流壓力與供應鏈漲價挑戰，但長線需求依然強勁，且當前估值與 2000 年網際網路泡沫時期相比更為健康。研究員的判斷邏輯與經驗仍是投資決策中不可替代的核心價值。

📈 關鍵事實與論據

1. 宏觀經濟與市場心理

• 議題分辨能力提升：投資人不再對地緣政治（如美伊衝突）或關稅新聞過度反應，而是學習辨別哪些是短暫事件，哪些是影響深遠的「真議題」。
• 美債殖利率為核心指標：Rachel 指出，當美債殖利率攀升至 4.5% 以上時，川普政府傾向放軟立場（如暫停攻打伊朗、簽署諒解備忘錄），顯示美債殖利率是當前市場的「軟肋」。Tina 補充，關稅與戰爭背後的目的是產能重排與掌握能源以發展 AI，最終仍反映在油價與美債上。
• 通膨數據觀察：6 月美國 CPI 核心月增率為 -0.02%，PCE 僅 0.13%，顯示停戰後通膨迅速滑落，未出現明顯的僵固性或二次通膨跡象。紐約聯儲行長 Williams 認為核心通膨月增率維持在 0.2% 左右即屬安全範圍。

2. 聯準會政策與資金面

• 鮑爾（Walsh）的策略轉變：7 月聯準會會議以 9:3 票數維持利率不變，顯示內部存在分歧。新任主席 Walsh 強調市場應關注「球」（數據與事件）而非「裁判」（聯準會），意圖減少前瞻指引對市場的牽制，讓數據說話。
• 研究員視角差異：Tina 指出，產業研究員過去較少關注聯準會，但隨著職級提升及跨產業影響擴大，現在必須預判會議前後的資金流動與波動風險。Rachel 認為 Walsh 的做法類似分析師心態，避免被市場預期綁架，保持決策彈性。

3. AI 產業基本面與供應鏈

• 7 月行情震盪原因：台積電法說後市場大跌，並非單一因素所致，而是多重利空疊加：
• CSP（雲端服務提供商）現金流轉負或緊縮，引發對資本支出持續性的擔憂。
• CDS（信用違約交換）利差擴大，反映去槓桿與流動性問題，屬於交易行為而非基本面崩壞。
• 油價上漲與升息預期增加市場恐慌。
• Amazon 財報帶來的轉機：Amazon 明確表示 AI 資本支出雖高但可延續二三十年收入，且 AWS 營業利益率改善，讓市場重新接受其投資邏輯。
• 供應鏈挑戰：
• Rubin Delay：NVIDIA Rubin 架構延後約兩個月，目前影響已逐漸消化。
• 漲價壓力：長短料（如 HBM、先進封裝）價格上漲導致 CSP 成本增加，廠商開始調整報價與規格（如降低記憶體容量），下半年「追逐報價概念股」的邏輯可能失效。
• 上中下游觀察重點：
• 上游：庫存攀升主要因備貨需求而非滯銷，需關注 Rubin 出貨後庫存能否轉為營收。
• 中游：CSP 與 NeoCloud 現金流反覆，需監控 AAA 級別債券利率（目前約 5.2%-5.3%）及違約風險。
• 下游：AI 應用競爭激烈有助於降低 Token 成本並擴大應用場景（傑文斯悖論），但非 AI 消費性產品可能受漲價衝擊較大。

4. AI 泡沫與估值比較

• 估值健康度：Rachel 對比 2000 年網際網路泡沫，當時思科本益比近 200 倍且無實質獲利；目前輝達（NVIDIA）本益比約 30 倍、預估本益比不到 20 倍，台積電本益比約 31 倍、預估約 22 倍，估值相對合理。
• 需求先行 vs. 供給先行：2000 年是供給先行（基礎建設先建），十年後才見需求；現在是需求先行（LM 大廠與雲服務需求強勁），導致 HBM、先進封裝等供給吃緊，產業敘事更為紮實。
• 算力與 Token 成本：代理 AI（Agent AI）的推進受限於 Token 數量與成本，但模型競爭已使 ChatGPT 等模型價格大幅下降（如 LUNA 模型降價 80%），有利應用擴散。

5. 研究員角色與 AI 輔助

• AI 無法取代判斷：Tina 認為 AI 目前主要用於生成式問答，難以處理複雜的產業脈絡整合（如台積電、聯電、世界先進成熟製程需求的邏輯串聯）。Rachel 補充，財經人平方的 MMAI 背後是研究員撰寫的上千個 Prompt 與 Skill，用戶信任的是可驗證的研究邏輯而非單純的工具。
• 封裝技術趨勢：Tina 指出，隨著晶片尺寸增大、記憶體堆疊需求增加（2.5D 封裝）及未來光傳輸 OE 引擎的導入，封裝結構難度提升，相關供應鏈值得關注。

🎯 結論

當前市場處於從「事件驅動」轉向「數據驅動」的關鍵期，投資人應聚焦美債殖利率與通膨實質變化，而非過度解讀地緣政治噪音。AI 產業雖面臨短期現金流與漲價壓力，但長線需求強勁且估值合理，泡沫風險低於歷史同期。供應鏈投資邏輯正從單純追逐報價上漲，轉向關注現金流健康度、庫存轉化效率及封裝技術升級。對於研究員而言，AI 是提升效率的工具，但核心的產業判斷邏輯與經驗整合能力仍具不可替代性。投資人應保持理性，透過理解背後邏輯來應對市場波動。