人工智慧(artificial intelligence, AI)已經成為投資市場最大焦點，各種消息不斷傳出，投資人到底該如何做出判斷？

M&G英卓投資管理科技股票投資主管Jeffery Lin認為，AI所帶來的創新，將可能帶來數十年的成長潛力，以下是他的看法。

 

 

算力成長的複利效應

 

晶片運算能力的進展，仍是推動 AI 效能提升的根本驅動力。隨著半導體技術日益強大，過去難以實現的運算任務也逐一成真。

 

自 2023 年初以來，用於訓練 AI 的加速運算處理器需求持續攀升，至今仍維持強勁成長。Nvidia 最近在使用者年會上公布直至 2027 年的產品發展藍圖，宣稱效能預計每年翻倍提高，而這正是驅使強大 AI 產品成長的關鍵動力。

 

這些支援 AI 發展的半導體技術，如今已進入下一波成長階段。AI 陸續接受訓練並投入實務，業界也積極建構推論基礎設施1，而此任務則需要大量 GPU (圖形處理器) 以及客製化的 ASIC (專用積體電路)。有觀點認為，隨著 AI 模型持續部署，用於 AI 推論的基礎設施規模，可能比 AI 訓練階段的需求更加龐大。

 

 

「…用於 AI 推論的基礎設施規模，可能比 AI 訓練階段的需求更加龐大。」

 

目前，AI 基礎設施服務供應商的營收大幅成長，例如雲端資料倉儲服務供應商 Snowflake 業績加速攀升，正是因為眾多企業尋求增闢空間，用於儲存 AI 應用所需的資料；同樣地，甲骨文與微軟也體現了市場對 AI 基礎設施服務的強勁需求。

 

 

見微知著：甲骨文的啟示

 

雖然市場已有「AI 基礎設施過度興建」的疑慮，但微軟和甲骨文皆表示，其基礎設施投資均有合約業務的實際支持，而非盲目擴張。

 

甲骨文在最近一季的財報指出，其「剩餘履約義務」(即未來營收的衡量指標) 高達驚人的 4,550 億美元，年增率 359%，反映公司已與大型客戶簽訂多年期合約2。這類等待釋放的需求規模驚人，甚至超越了多頭投資人最樂觀的預期程度。

 

我們依然認為，企業級 AI (亦即將 AI 融入組織的營運模式) 在所有業務領域都擁有龐大商機。套用比爾蓋茲的名言，或許這正是「高估一年內能達到的成果，卻低估十年後可實現的變革」的典型寫照。

 

 

「…這或許正是『高估一年內能達到的成果，卻低估十年後可實現的變革』的典型寫照」。

 

然而，麻省理工學院 Nanda 專案發布的報告《生成式 AI 的鴻溝：2025 年企業 AI 現況》指出，許多 AI 專案導入企業環境後，至今仍未帶來實質變革。此現象引發市場擔憂，質疑 AI 業者承諾的宏大願景，實際表現卻不如預期。

 

然而，我們觀察到越來越多證據顯示，各界對 AI 的興趣仍居高不下，目的包括開闢新的營收來源，以及提高成本效率。不過，在企業內實作「全面性」的 AI 系統是一項複雜工程，因為必須串聯多個系統的資料，且須個別「調校」大語言模型 (LLM)，以配合組織的獨特需求。即便如此，我們仍相信這是大勢所趨，而且會在未來數年加速進展。

 

 

來自 AI 產業的第一線觀點

 

我們近期前往舊金山灣區，拜訪了多家全球頂尖的 AI 企業，如 OpenAI、Nvidia、Broadcom、Netflix、AppLovin、Reddit、Databricks 等；同時也與幾家投資該領域的知名創投公司 (VC) 會面，聽取他們獨到的見解。我們最深刻的體會是：AI 領域創新與變革速度著實令人震驚，主要觀察結果包括：

 

AI 領域贏家的獲利呈現指數級成長。頂尖創投業者談到最近的 AI 投資案例，其中某些投資組合公司的營收，竟在短短一年內成長了 10 倍。ChatGPT 的母公司 OpenAI 表示，年度營收預計從去年的 40 億美元躍升至 130 億美元，成長超過三倍。相對而言，未能快速導入 AI 的企業，則面臨業務遭到「去中介化」(disintermediate) 的淘汰風險。

 

由此可見，速度是決定勝負的關鍵。雲端資料分析平台 Databricks 談及某筆收購案時，便間接證實了這一點。執行長坦承，或許一年後能以較低價格收購標的公司，但他已經「等不起」了。這正是目前 AI 廠房建設支出飆升，以及關鍵 AI 人才搶聘熱潮湧現的主要原因之一。

 

另一方面，市場對於算力的需求更是永無止境。OpenAI 表示，其現有的運算資源仍遠無法滿足客戶需求；他們更坦言由於算力不足，公司常需妥協取捨，被迫犧牲許多產品的效能。這一點印證我們長期的信念：運算市場的潛在規模，是隨著運算能力增強而擴張。

 

 

「OpenAI 表示，其現有的運算資源仍遠無法滿足客戶需求。」

 

多種大型語言模型 (LLM) 將持續並存。市場不會出現「單一 LLM 萬事包辦」的局面。像 ChatGPT 這樣的模型適合特定應用場景，而 xAI 的 Grok 則擅長編寫程式等特定任務。事實上，微軟和甲骨文的平台都支援多種 LLM，讓客戶依照自身使用需求，彈性選擇最適合的模型。

 

資料是決定 AI 成敗的關鍵。例如Reddit (一家新聞和論壇平台) 就是明顯例證，因為 Google 和 OpenAI 這類客戶都重度仰賴 Reddit 的資料：Reddit 內容分別佔據 Google 搜尋結果的 20% 和 OpenAI 的 30%。

 

對大型企業而言，這可謂一大挑戰，必須先完成大量繁重的整備工作，使資料達到「AI 就緒」狀態，才可供 AI 工具順利讀取和運用。對於眾多企業來說，資料基礎建設與資安問題極為複雜，勢必要投入龐大的資源成本，才能有效突破瓶頸。

 

 

投資機會的演變趨勢

 

我們將 AI 投資機會分為三類標的：賦能者 (Enabler) – 負責提供半導體等基礎技術的企業；供應者 (Provider) – 運用 AI 提升產品易用性的企業，主要集中於企業級軟體領域；以及受惠者 (Beneficiary) – 在內部導入 AI 技術的企業，藉此改善產品與服務。

 

AI 投資機會遍布全球，各行各業都有優質潛力標的。我們的策略是在投資組合中均衡配置三種類別，並從不同國家與產業多方尋覓良機。

 

隨著 AI 技日益滲透實體經濟，我們認為投資機會將從「賦能者」逐漸轉向「受惠者」。今年稍早，我們利用關稅引發的拋售潮，趁勢加碼「賦能者」類別；近期則在投資組合中增持中國與拉丁美洲標的，藉此提升非美國市場的曝險比重。

 

 

AI 的下一步走向？

 

目前，生成式 AI 時代正快速演進到「代理式 AI」(agentic AI)，開始具備如人類般的思考和推理能力；在此之後，我們認為「機器人 AI」(robotic AI) 也將迅速接踵而至。

 

我們仍然相信，AI 創新週期將延續數十年之久；而每一次 AI 迭代進化，都會隨著算力提升的帶動，擴大技術市場的潛在規模，創造蓄勢待發的動能，進而奠定長期成長的基礎。

 

 

 

 

 

 

 

本文所提及之有價證券僅供舉例說明之用，不代表任何金融商品之推介或建議，亦不代表基金未來投資。
1 推論式人工智慧是指經過訓練的人工智慧模型利用其知識來執行任務和處理新資訊。
2 資料來源：Oracle 2026財年第一季度財務報告 (Oracle Announces Fiscal Year 2026 First Quarter Financial Results), (investor.oracle.com), 2025/9/9