最新觀點

很多人私訊我，問這麼大的波動到底該怎麼操作。 不是我不願意分享，而是法人的做法，不一定適合一般投資人。因為法人有部位限制、風控機制、評價框架，也有紀律去執行減碼、換股與調整配置。這些事，講起來簡單，真的做起來其實很難。 以我自己過去的操作習慣，通常會把部位分成三等份。 第一部分，是主流趨勢股。這類股票通常漲勢凌厲、公司獲利展望佳、產業趨勢也正向，市場願意給比較高的評價。這種股票的特徵很明顯，就是基本面、趨勢面、籌碼面常常同時站在順風。 第二部分，是盤整格局中、但我認為未來有機會成為主角的潛力新星。這一塊比較吃研究能力，因為你要去預判接下來半年左右的產業趨勢，例如有沒有新技術開始發酵、有沒有重要事件即將發生、哪些產品可能進入缺貨或漲價循環。這類股票不一定馬上表現，持股過程也可能會比較悶，但一旦方向對了，往往會帶來超額報酬。 第三部分，則是現金，或是被錯殺、超跌的個股。正常多頭格局裡，這部分通常不會是操作重心，留現金比較多是為了等趨勢股拉回，或是預留彈性因應突發風險。 這次記憶體股的狀況，某種程度上就是從第一族群，直接掉到第三族群的超跌區。這也是為什麼很多人明明方向沒看錯，最後卻還是受傷。因為一旦你在第一族群時，用了過高的持股比例，甚至加上太多槓桿，當它突然失速，技術面與籌碼面同時轉壞，很容易就在阿呆谷被迫砍出。 這也是為什麼法人即使再看好某個族群，破季線通常還是會先減碼。 原因很簡單，這不是看法改變，而是風險管理。因為從過去經驗統計來看，強勢股第一次破季線後，常見還會再跌約 8% 到 15%；若是中期整理格局轉空，常見跌幅約 15% 到 25%；若真正進入主跌段，20% 到 35% 都不奇怪。若再加上大盤指數本身也跌破季線，常見還會有額外 5% 到 10% 的延伸跌幅，空頭年甚至更大。 在這樣的統計基礎下，法人就算再看好這個產業，也會選擇先減碼，這是合理的，也是對投資人資產負責的做法。更不用說現在市場還有大量量化交易，助漲助跌的效果比以前更強，很多原本應該是修正的波動，最後都會被放大。 所以在多頭排列的時候，你可以把重心放在產業趨勢分析；但只要技術面與籌碼面開始轉差，第一件事一定是先做風險控管。因為投資不是只看你對不對，而是你能不能活到對的那一天。 你要先想清楚，如果最好的狀況都還可能再跌 8% 到 16%，你的成本在哪裡？你的持股比例有多高？若加了槓桿，你能不能撐過這段波動？這些都不是下跌之後才想的事，而是買進之前就該先想好的事。投資如果自己不先對風險負責，市場不會替你留情面。 去年關稅戰、到今年美伊戰爭，我身邊其實都有朋友不是看錯方向，而是因為風險控管沒做好，最後在最不該賣的位置被迫減碼。後面的反彈、後面的趨勢，從那一刻開始，已經跟他無關。 除了紀律停損之外，法人還有一個很重要的做法，就是在市場結構改變時，持續做投資組合優化，也就是把弱的換成強的。我自己的操作也是如此。你可以保留三分之一的部位，放在你中長線看好的產業上，即使短線技術面與籌碼面還不理想；但另外的部位，你不能只是死守，還是要花心思去研究，現在市場真正的主流趨勢在哪裡。 因為市場不會等你，資金也不會因為你有信仰，就永遠停在原地。 當然，這樣的操盤方法也不是沒有弱點。它最怕的，就是整體性的空頭與升息，也就是系統風險。因為當多頭市場正式轉空，所謂弱勢換強勢，很可能最後只是一路輪跌。今天從弱股換到強股，明天強股也補跌，來回換股之後，最後常常是前面賺的全部吐回去，甚至倒賠更多。 像 2018 年上半年的升息循環，像 2022 年烏俄戰爭，那種環境下，市場都有長達半年左右的空頭壓力。在那種盤勢中，重點已經不是選股，而是整體部位控制。只要大盤轉空，就一定要有紀律地整體減碼，絕對不能鐵齒。 我一直認為，投資這件事，研究能力很重要，但風險控管更重要。 因為看對產業，不代表你一定賺到錢；看錯節奏、押錯部位、用錯槓桿，再好的產業，也可能讓你在半路被洗出去。真正決定你能不能走得長、走得遠的，不只是你抓到多少機會，而是你每一次面對風險時，能不能先保住自己。 市場永遠都有下一次機會。但前提是，你的本金還在，你的人還在場上。

除了日幣，韓元對台幣也創了新低，忍不住就來韓國研究最喜歡的醬蟹產業，雖然不如冬天一樣滿黃，但還是如記憶中的味道一樣美味。 諸多變數導致投資難度快速升高，很多人一直問我記憶體或景氣循環產業，我是感覺最難做的從來都不是看多看空，而是你就算方向沒錯，中間也常常被價格訊號誤導。 這也是為什麼景氣循環股常讓人覺得難操作。因為市場每天看到的，通常是零售端、現貨端、模組端的價格波動，但真正決定記憶體公司獲利的，從來不是單一報價，而是出貨給誰、出的是哪一種產品、走現貨還是合約、規格等級到哪裡、交期緊不緊。這幾個變數如果沒有拆開來看，光盯著新聞上的報價，很容易做出完全錯的判斷。 最近DDR5零售價格回落，就是一個很典型的例子。零售市場看到的是部分品牌、部分通路、部分規格開始降價，於是很多人立刻往同一個方向解讀，認為記憶體需求要反轉了，甚至連Google TurboQuant這類壓縮技術，都被直接拿來連結成「記憶體需求下降」的證據。但問題是，這種推論太直線，也太表面。 零售端DDR5跌價，先反映的是消費市場的變化。PC與手機需求走弱，通路庫存壓力上升，原本囤貨的模組廠或通路商開始釋出庫存，價格自然先鬆。這些產品很多本來就不是供應企業級伺服器或AI系統的主力料號，規格、驗證、穩定性、客製化程度，和真正企業端要的東西差很多。換句話說，同樣叫DDR5，消費端跌價，不代表企業端同步鬆動，更不代表上游獲利結構會立刻反轉。 現在市場真正緊的是什麼？是企業級、伺服器級、AI基礎建設相關的記憶體和儲存。這一塊不是走零售市場，也不是看亞馬遜或Newegg的掛牌價，而是走合約市場。合約市場看的是交期、驗證、穩定供應、客戶關係與優先分配權。只要供給有限，需求持續往上堆，價格就不會因為零售端一時折扣而改變方向。 所以最近市場出現的分歧，其實反而很有意思。一邊是消費端產品、現貨端消息開始出現跌價聲音；另一邊是企業與伺服器端，甚至工控、Edge AI、AI infrastructure相關需求仍然非常緊，很多產品不是沒訂單，而是沒有足夠供給去分配。這代表目前記憶體市場不是全面轉弱，而是結構分化，而且分化得很明顯。 宜鼎法說：Edge AI這幾年從Cloud AI一路往下走，落地速度非常快，而真正支撐這波應用擴散的核心，不外乎算力、記憶體、Storage，再加上軟體整合。這個方向如果成立，記憶體就不會只是AI伺服器的故事，也不會只停留在一般伺服器補庫存的循環，而是會往更多邊緣設備、工控系統、嵌入式應用延伸。這種需求的特性，本來就不是零售市場報價能充分反映的。 更重要的是，每次新技術出來，市場第一時間都很喜歡先往「單位用量下降」這個方向去解讀，TurboQuant也一樣。但產業裡真正走過幾輪循環的人都知道，技術優化不必然壓縮總需求，很多時候反而會加速應用擴散。當成本下降、效率提高、延遲改善，原本不能落地的應用開始落地，原本不經濟的部署開始擴大，最後拉動的不是單點規格，而是整體系統量。GPU、DRAM、SSD，往往是一起上去，不是單獨下來。 這也是我一直講的，記憶體如果只靠一般伺服器跟AI伺服器，漲到這個位置之後，價格要再往上推確實會碰到壓力。但如果下一階段連實體AI、Edge AI、工業場域、車載、自動化設備都開始接棒，那需求曲線就不是原本市場想的那樣。到那個時候，現在只會盯著現貨價喊空的人，後面通常就會安靜很多。 所以這一波不要只看零售端DDR5跌了幾十美元，也不要只看一兩篇媒體文章怎麼解讀。真正要看的是，哪些產品在跌，跌的是哪個市場，哪些規格在缺，缺的是哪一群客戶，合約價怎麼走，交期怎麼變，供應優先順序往哪裡傾斜。這些東西拼起來，你看到的就不會是一個單純的「記憶體要轉弱」，而是一個消費端轉疲、企業端更緊、結構繼續分化的市場。 景氣循環股最痛苦的地方，就在這裡。你不能只看價格，要看價格背後的結構。真正的趨勢，從來都不是報價告訴你的，而是產業本身告訴你的。

就在昨天，韓國大摩出具報告認爲，以龍蝦🦞OpenClaw爲代表的智能體AI將需求從「生成答案」轉向「完成任務」，工作流中頻繁的工具調用與多步編排使CPU計算量猛增，貢獻了主要延遲。同時，由於需頻繁共享上下文與卸載KV緩存，DRAM取代HBM成爲硬約束瓶頸。這移觸發2026年Q2內存價格暴漲，大摩上調SK海力士與三星的盈利預期。 同樣是大摩，韓國分析師才剛在講，OpenClaw 這類 agentic AI 正在把 DRAM 拉回系統核心，成為新一輪需求擴張的關鍵；台灣分析師那邊，卻還在用一套缺乏邏輯連結的框架下修、看淡。這種前後落差，問題已經不只是立場不同，而是推論方法出了問題。 如果 AI 的演進還停留在「生成答案」，那你說 HBM 最重要，其他記憶體只是配角，這個邏輯還勉強說得過去。但現在產業正在往前走的方向，早就不是單次推理而已，而是從回答問題走向完成任務。Agent 要做的事情，是反覆呼叫工具、讀寫資料、串接系統、共享上下文、搬移 KV cache、執行多步驟流程。這種架構下，瓶頸自然不會只剩 HBM，而是一路往系統記憶體、CPU 端、再往下到 SSD 一層一層擴散。 韓國分析師看到的是這件事，所以他們會說 OpenClaw 這種「龍蝦」不是小題材，而是 DRAM 新需求的放大器。因為 AI 開始做事之後，記憶體的角色就變了。以前記憶體比較像配合 GPU 運作的後勤，現在變成整個 agent workflow 能不能跑得動的基礎設施。DRAM 不夠，不是速度慢一點，而是流程中斷、系統崩潰、任務根本跑不完。 但台灣分析師之前那套看法，問題就在於他們還是用很舊的方式看記憶體，把市場切成 HBM 跟非 HBM，把需求理解成只有訓練端受惠，把一般 DRAM 當成會被排擠、會被邊緣化的舊產品。這個邏輯最大的漏洞是，AI 並沒有把需求集中到更少的料號，反而是把整個 memory hierarchy 一起往上拉。HBM 當然重要，但 DRAM 沒有因此不重要，SSD 也沒有因此失去價值。相反地，當上下文變長、推理次數變多、agent 持續在線、資料要頻繁搬移時，系統對 DRAM 跟 NAND 的依賴只會更高。 更諷刺的是，美光法說早就把方向講得很清楚。公司不是只有在講 HBM 強，而是直接講 DRAM 跟 NAND 都處在供給受限狀態，AI 跟傳統伺服器需求一起推升整體記憶體與儲存需求。連終端裝置也一樣，具備 agentic AI 能力的 PC，記憶體規格直接往 32GB 甚至更高走，個人 AI 工作站甚至已經走到 128GB。這代表需求不是集中，而是擴散；不是單點爆發，而是全面墊高。 再往長線看，車用跟機器人更是另一個更大的落差。現在多數車還在 L2 以下，平均只用約 16GB DRAM，但 L4 自駕車會拉到 300GB。人形機器人的運算與記憶體需求，長期看也會往這個等級靠近。這些都代表記憶體的需求曲線不是快走完，而是才剛從資料中心往更多應用延伸。這種情況下還在用舊週期思維看 DRAM，只能說不是太保守，而是根本沒跟上產業結構變化。 所以我對台灣大摩那份悲觀報告的質疑，不是因為它看空就不對，而是它的邏輯前提本身站不住腳。當韓國分析師已經看到 agentic AI 對 DRAM 的新增量，看到瓶頸從 HBM 往系統記憶體遷移，台灣分析師如果還在用「非 HBM 就不行」「傳統 DRAM 沒有新故事」這種方式下修，那不是保守，那是分析架構出了問題。 記憶體這一輪最重要的變化，就是市場不能再只看單一產品，也不能再只看短週期價格。真正該看的，是 AI 正在把運算需求從 GPU 核心往整個系統展開，從 HBM 延伸到 DRAM，從 DRAM 再延伸到 SSD。龍蝦不是在替記憶體續命，而是在證明一件事：當 AI 從會回答問題，變成會自己做事，記憶體的需求天花板會被整個打開。

很多人最近看記憶體，會很自然跟著外資報告走。Morgan Stanley這次把旺宏升為首選，調降南亞科、華邦電評等，市場的直覺解讀也很直接：DDR4這一段大概差不多了，真正更大的機會在MLC NAND。 這個結論，只對一半。 我認同MLC NAND接下來會非常緊。三星、美光、SK海力士、鎧俠陸續退出低容量、舊世代NAND，鎧俠中國這次更正式對TSOP封裝產品發出EOL通知，最後下單日到2026年5月30日，最後出貨到2027年3月15日。這代表2GB到64GB這種低容量市場，供給端不是單純收斂，而是整段產能在消失。原廠的資本支出、技術路線、產能配置，全都往高層數、高容量、高毛利產品集中，MLC NAND與傳統TLC的缺口只會越來越明顯。這也是為什麼市場開始重新定價旺宏，因為當國際大廠陸續退出之後，剩下還能穩定承接的供應商，定價權自然會被拉高。 但如果因此反過來認定DDR4後面不行，我覺得市場又看得太簡化了。 DDR4現在最大的問題，不是需求變少，而是需求早就不是過去那種單一市場邏輯。很多人盯著PC端DDR4現貨，看到價格沒像去年那樣一路急拉，就開始懷疑需求是不是開始反轉。問題是，現在的DDR4早就分成不同市場在走。消費型DDR4、工業型DDR4、伺服器型DDR4，本來就不是同一條報價曲線。尤其DDR4 ECC DIMM很多早就改成一季報一次合約價，根本不是用零售現貨市場就能看完整體需求。 更重要的是，DDR4現在不只存在於傳統記憶體模組，而是已經嵌進整個AI基礎設施與系統周邊。 GB300機櫃開始出貨之後，裡面的Spectrum Infinite Band需要DDR4，NVSwitch也是標配DDR4。這類元件不是系統最貴的部分，但卻是整櫃能不能順利交付的必要零件。對客戶來說，幾萬塊的DDR4漲價根本不是問題，真正不能承受的是幾億等級的AI機櫃因為少一顆成熟記憶體而卡住出貨。這種需求不會因為PC市場平淡就消失，反而會跟著整機出貨一起往上走。 除了系統端，SSD這條線也常被忽略。 很多人談NAND，只想到SSD本體的儲存容量，卻忽略了很多SSD本身還要配一顆外掛DRAM cache。這顆cache不是裝飾品，而是用來處理FTL、mapping table、metadata、垃圾回收、wear leveling，直接影響效能、延遲與穩定度。尤其企業級、工業級、高負載應用的SSD，對這層DRAM cache的依賴更高，而這裡用的往往就是成熟規格的DDR4或LPDDR4。也就是說，SSD不只是NAND需求，背後同時也在拉DDR4。 這件事很重要，因為它代表DDR4的需求來源，早就從PC擴散到儲存、網通、交換器、AI伺服器周邊、工控與各種系統級模組。市場如果還拿PC端的報價鈍化去推論整體DDR4轉弱，最後很容易把真正有支撐的那一塊看掉。 所以我自己的看法很清楚。 Morgan Stanley升評旺宏，背後抓到的是MLC NAND供給退出的趨勢，這個方向沒有問題。低容量NAND未來幾年會是越來越稀缺的市場，價格彈性也很大，旺宏自然有機會成為最大受惠者之一。 但DDR4不是行情結束，而是需求結構變了。 PC端DDR4漲不動，不代表DDR4需求消失。很多需求只是從你最容易看到的地方，轉移到你平常不會用消費市場去追蹤的地方。AI機櫃要用，交換架構要用，工控設備要用，很多SSD自己也要一顆DDR4當cache。這些需求的共同點是量未必像消費市場那麼大，但黏著度更高，替代性更低，系統容錯空間也更小。 這也是我想講的重點：現在的記憶體市場，真正麻煩的地方不是供給不好估，而是需求比過去更難估。 HBM最強，大家都知道；MLC NAND缺貨，市場現在也開始接受；但真正容易被忽略的是，AI帶來的排擠效應不是只把資源吸到高階產品，而是沿著整個系統架構一路往外傳導，最後連DDR4、MLC NAND、SSD cache這些原本被認為成熟、邊緣、缺乏想像力的品項，都一起變成供應鏈不能斷的關鍵零組件。 如果還是只用供給去判斷多空，最後很容易顧此失彼。 因為這一輪記憶體真正的變數，從來不只是誰在擴產，而是需求正在你沒注意的地方，一層一層長出來。

群聯電子於全球AI技術指標性盛會 NVIDIA GTC 展會上，正式發表其革命性的「aiDAPTIV 多層級記憶體架構技術（multi-tier memory architecture）」。此技術旨在協助由 NVIDIA 平台驅動的本地邊緣 AI 系統，在不擴增現有 GPU 硬體的前提下，順利支援更大型的 AI 模型與長上下文推論工作。 它切進的不是傳統儲存，而是 AI 系統裡最卡、最貴、也最容易限制模型規模的那一層：有效記憶體容量。群聯這次的重點，是把 Pascari 企業級 SSD 拉進 GPU memory、系統 RAM、Flash 之間，變成 AI runtime 可以調度的記憶體層級，目標是在不增加 GPU 硬體的前提下，支撐更大的模型、更長的上下文，以及更吃記憶體的本地推論與微調。官方展示場景也直接點名 long-context inference、agentic AI workflow、KV cache reuse，以及 memory-intensive fine-tuning，搭配的平台包括 NVIDIA GB10 Grace Blackwell、GeForce RTX 50 系列與 RTX PRO 6000 Blackwell Max-Q。這代表群聯不是在賣單純容量，而是在碰 AI 記憶體分層管理這件事。  這件事厲害的地方，不在於它「取代 HBM」或「取代 DRAM」，而在於它把原本不能進工作集的 NAND，變成可以參與 AI 記憶體階層的一部分。AI 推論尤其是長文推論，本質上很吃 KV cache、context retention 與 paging 行為；當工作集超過 VRAM 與主記憶體，系統通常不是效能掉得很難看，就是模型根本跑不起來。群聯現在做的，是把高耐久企業級 Flash 當成 AI-aware memory tier，去延伸 effective memory，而不是用 cheapest storage 的思維在賣 SSD。這種做法對邊緣端、本地端、企業私有資料推論特別有意義，因為這些場景不見得願意為了更大模型直接升級更多 GPU，但又有資料不能上雲、要在本地做推論與微調的需求。  群聯其實不是今天才開始講這條路線。它在今年 1 月 CES 就已經把 aiDAPTIV+ 往 PC 平台推進，當時官方說法已經很明確：利用 NAND 當成記憶體，去擴大 AI 處理能力，降低 DRAM 需求，讓較大模型能在筆電、桌機、mini-PC 這些平價平台上跑起來；它甚至宣稱在自家測試中，120B 參數的 MoE 推論可以從傳統做法需要 96GB DRAM，降到 32GB DRAM 處理，並且透過把放不進 KV cache 的 tokens 保存下來，讓未來 prompt 不需要重算，推理反應時間可顯著提升。這次 GTC 的多層級架構，等於是把原本 aiDAPTIV+ 在 PC/iGPU 的概念，再往 NVIDIA 邊緣 AI 與本地 AI 系統延伸，產品路線是連續的，不是臨時拼裝的行銷敘事。  從專業角度看，我會把它定義成「把 NAND 從容量元件，往 AI 記憶體基礎設施元件升級」。這個定位一旦成立，群聯的估值框架就會慢慢變。過去市場看群聯，多半還是控制器、模組、消費性儲存、企業級 SSD 這幾條線；但 aiDAPTIV 如果能真正跑進 OEM、工作站、邊緣伺服器、企業私有化 AI appliance，群聯賣的就不只是 controller ASP，也不只是 SSD 容量，而是帶有軟硬整合能力的 platform value。這種 platform value 的毛利結構、客戶黏著度、專案生命週期，都比單純賣 NAND controller 好。因為客戶一旦把模型部署、記憶體調度、長上下文推論流程，綁在你這套 runtime 與硬體組合上，替換成本會比一般 SSD 高很多。這也是為什麼我認為它對群聯的中長期意義，大於短線題材。  商機面也不能只看一個方向。第一個商機是本地端 AI 與企業私有化部署。很多企業真正有價值的資料在內網，法遵、資安、延遲、成本都不見得適合全上公有雲，這時候「用既有 GPU 加上更聰明的記憶體階層管理，把模型做大、把上下文拉長」就很有吸引力。第二個商機是邊緣 AI 工作站與小型伺服器。不是每個客戶都要買大型 HGX，很多實際落地案子是在工廠、醫療、零售、安控、設計研發現場，需求是 local inference，不是超大規模訓練。第三個商機是 agentic AI。因為 agent workflow 本來就比單次問答更依賴上下文保存、歷史狀態延續與 KV cache 重用，這剛好是 flash tier 最有機會參與的地方。群聯這次在 GTC 特別把 agentic AI workflow 與 KV cache reuse 拿出來講，這不是裝飾詞，這是在對準下一階段 workload。  這項技術也有它的邊界。第一，它不是免費午餐。Flash 再怎麼優化，也不會變成 HBM 的延遲與頻寬，所以這比較像是把原本跑不動、裝不下、或必須重算的 workload，變成可跑、可留、可延伸，而不是讓所有推論都直接等速升級。第二，它適合的是記憶體受限、上下文很長、可以接受分層調度的場景，不是所有 low-latency 極致即時任務都能同樣受惠。第三，這條路要真正放大，不能只有技術發表，還要看實際 benchmark、客戶導入、ODM/OEM 綁定、以及軟體堆疊是否能被開發者接受。  這是群聯開始從「NAND 控制器公司」往「AI 記憶體架構公司」靠的一個訊號。這家公司未來評價方式將會比較獨特，它短線未必立刻反映成爆量獲利，但中線很值得追蹤。因為 AI 發展到今天，瓶頸早就不只在算力，而是在算力後面的記憶體階層、資料移動、上下文長度、成本結構與本地部署能力。誰能把這幾件事整合起來，誰就有機會從零組件供應商，往基礎設施平台供應商升級。群聯這次的 aiDAPTIV 多層級記憶體架構，真正有價值的地方就在這裡。它不是要跟 HBM 正面對撞，而是在 HBM、DRAM 越來越貴、越來越缺的時代，替市場補上一層過去不存在、但未來會越來越重要的 AI 記憶體層。這條路如果走通，群聯後面看到的，不只是 SSD 商機，而是 AI 基礎設施重估。 

熬夜看了GTC，我認為市場如果還只是盯著 GPU 新品、峰值算力或 token throughput，已經有點跟不上了。真正該看的，不只是算力再往上堆多少，而是 NVIDIA 正在把 AI 從模型競賽，推進到 agent 真正落地的基礎設施階段。 黃仁勳在 GTC 2026 直接把 OpenClaw 放到 NVIDIA 生態系裡（就是那隻龍蝦🦞！），官方同步宣布 NemoClaw，主打用單一指令就能把 Nemotron 模型與 OpenShell runtime 拉起來，讓開發者更容易部署可長時間運作、具備安全與隱私控制的 autonomous agents。NVIDIA 官方也明講，現在要做的不只是訓練模型，而是讓 AI agent 能夠被安全地部署、擴展、持續運作。這個方向，不是概念，而是今年 GTC 很清楚的主軸。  當 AI agent 開始不是做一次性問答，而是持續在線、持續調工具、持續連資料、持續執行任務，背後消耗的就不只是 GPU，而是從先進製程、先進封裝、測試、散熱、電源、互連、光通訊，一路延伸到記憶體與存儲。這不是單點商機，是整串基礎設施重估值。 算力往上堆，本質就是更多電晶體、更高密度、更複雜堆疊。於是先進製程、2nm、1xnm 相關設備與材料、CoWoS、SoIC、CoPoS、SLT、先進封裝耗材、CCL、PCB、建廠，全都不是陪襯，而是核心受惠。因為 AI 伺服器不是只多一顆晶片，而是整個系統級複雜度都在上升。電晶體暴增之後，封裝、傳輸、供電、散熱、測試，每一關都會變成瓶頸，誰卡住，誰就有議價權。 HVDC、大電流、大電壓也是同樣邏輯。電晶體越多，功耗密度越高，資料中心最後一定走向更高效率的供電架構。這不是選配，是大型 AI cluster 成本結構裡愈來愈重要的一段。加上 CPO、矽光子、光電轉換與檢測需求往上，未來真正有技術門檻的，不只是做出產品，而是能不能在高電流、高電壓、高速光傳輸的條件下，把良率、可靠度與檢測一起做到位。這種領域最後通常就是自然寡占。 但這次 GTC 我認為更值得市場重估的，是 AI agent 對記憶體與存儲的拉動。 OpenClaw 這波在全球尤其是中國爆紅，連「養龍蝦」都變成流行語，不是在養真的龍蝦，而是在講部署會自己調工具、跑流程、完成任務的 AI agent。OpenClaw 的 GitHub 熱度非常高，NVIDIA 也公開表示要支援 OpenClaw 生態。這件事的重要性在於，AI 正從「回答問題」走向「持續工作」。  一旦 agent 變成數位員工，記憶體需求就不能再只看 HBM 或 DRAM。因為 agent 要有短期工作記憶，要接知識庫，要留任務狀態，要保留 context、workflow、cache、snapshot、審計紀錄，還要反覆讀寫向量資料庫。GPU 解決的是算力，HBM 解決的是高頻寬，DRAM 解決的是即時工作集，但大量歷史資料、任務痕跡、長上下文與企業知識，最後不可能都放在最昂貴的那層，勢必要往 enterprise SSD 與 NAND 下沉。 所以我一直講，AI 不是只有 GPU story。agent 真正開始大量進企業之後，最先被重新定價的，不只會是 GPU 供應鏈，也會是整個 memory hierarchy。因為資料中心一定走向分層存儲，高價值、高頻資料留在上層，大容量、低成本、可承接海量 context 與歷史紀錄的，會往高容量 SSD 走。 更關鍵的是，需求在往上走，供給卻沒有同步失控擴張。前幾年 NAND 廠大虧損後，資本支出一直偏保守，這代表如果 AI agent 真的從 demo 變成企業常態工作負載，enterprise SSD 和 NAND 的有效產能會比市場現在想得更容易吃緊。這也是為什麼我現在看 NAND，已經不會只用過去那種庫存循環去看，而是開始用 AI 工作負載結構改變去看。 另外一個容易被低估的是測試。算力越大、封裝越複雜、晶片價值越高，測試時間只會拉長，不會縮短。AI 晶片、先進封裝、探針卡、探針、SLT、系統級驗證，後面都還有很長的需求尾巴。再加上高熱密度下的解熱需求，散熱也不只是搭配題，而是必要條件。沒有散熱，算力根本兌現不了。 所以如果用一句話總結這次 GTC，我的看法很簡單：agent 元年，是整個 AI 基礎設施鏈條再擴張的一年。從先進製程、先進封裝、供電、光通、測試、散熱，到 DRAM、NAND、enterprise SSD，整條線都會被重新拉動。 龍蝦越多，資料越多；資料越多，記憶體和存儲越重要。AI agent 如果真的開始變成企業裡的數位員工，那市場接下來要重估的，就不是單一 GPU，而是整個算力、電晶體、記憶體、存儲與系統基礎設施的總需求。這才是這次 GTC 真正的延伸商機。

最近歐美與中國最紅的就是「養龍蝦」，不是在養真的龍蝦，而是在講部署 AI agent。因為 OpenClaw 這類 agent 框架在那邊很紅，大家就把這種會自己調工具、讀資料、跑流程、做任務的 AI 系統，半開玩笑叫做「龍蝦」。所以所謂「養龍蝦」，本質上就是把 AI 從單純聊天，變成能長時間在線、持續做事的數位員工。 如果今天龍蝦只是回你一句話、做完一個問答，那它吃掉的其實只是一些 API call，對硬體影響有限。但真正開始進企業、進客服、進知識管理、進行政流程、進供應鏈協作的龍蝦，不是這樣。它是長時間在線、持續調工具、持續讀寫資料、持續保留狀態、持續執行任務的。它不是問完就結束，而是一直活著、一直工作、一直把資料堆積下來。這時候，龍蝦吃掉的就不只是算力，而是整個記憶體與存儲體系。 養一隻龍蝦，表面上看像是在部署 agent，實際上你是在養一個數位員工。這種數位員工要有短期記憶，要有長期記憶，要接知識庫，要留 workflow，要留 log，要留 cache，要留 snapshot，要接向量資料庫。今天一隻龍蝦也許還不明顯，但一家公司如果開始養幾十隻、幾百隻龍蝦，而且這些龍蝦還要 24 小時工作，最後最先被吃緊的，不只是 GPU，也不只是 DRAM，而是 NAND，是 enterprise SSD，是整個存儲層的有效產能。 這也是為什麼我一直認為現在看NAND，不能再用過去那種單純景氣循環的框架。AI 訓練要放資料集，AI 推理要放 checkpoint、cache、向量資料庫，企業 agent 要保留長上下文、任務狀態、文件索引、審計紀錄。這些東西不是瞬間消失的，它們是持續累積、持續膨脹的。也就是說，AI 不是只在前端拉高算力需求，後端其實也在持續掏空存儲產能。 很多人還是習慣把AI看成 GPU story，我認為這樣看已經不完整。GPU 解決的是算力，HBM 解決的是頻寬，DRAM 解決的是即時工作集，但龍蝦真正活起來之後，它的大部分記憶、資料、紀錄、上下文，不可能都放在最昂貴的那一層，最後一定要往下沉到 SSD，沉到NAND。這就是為什麼 NAND 在 AI 時代的角色會被重新評價。它不再只是裝置裡面的儲存元件，而是龍蝦能不能大量繁殖、長時間運作的基礎設施。 這裡面 QLC 的意義也會越來越清楚。因為龍蝦吃資料，而且不是只吃一點。它吃的是訓練資料、推理資料、企業知識、歷史紀錄、任務痕跡、模型中間層快取。不是所有資料都值得放在最高性能、最高成本的層級，所以資料中心一定會往分層存儲走。高價值、高頻存取的留在上層，大容量、相對低成本的就往 QLC 這類高容量 SSD 走。這不是低階替代，而是 AI 時代資料量爆炸後必然發生的架構調整。龍蝦越多，QLC 越重要；龍蝦越常駐，enterprise SSD 越容易變成瓶頸。 更關鍵的是，供給端現在又不是毫無節制地擴產。前幾年 NAND 廠商經歷過大虧損之後，資本支出明顯收斂，擴產速度保守，技術轉換週期也變長。也就是說，龍蝦這邊開始大量吃存儲，另一邊供給卻沒有同步大幅放開。這種結構下，NAND 的吃緊就不是短期補庫存，而是 AI 工作負載改變之後，整個產業鏈開始重新定價。 所以真正把這件事看清楚之後，邏輯其實很簡單。補貼養龍蝦，表面上是在補 agent，實際上是在加速一種新的工作負載進入企業與資料中心；而這種新的工作負載，最終不只推升 CPU、DRAM、一般型伺服器，也一定會一路往下吃到 NAND 與 enterprise SSD。龍蝦越多，NAND 越缺；龍蝦越常駐，存儲越重要；龍蝦越像真正的數位員工，NAND 就越不像過去那種單純看景氣循環的老產業。

「輝達執行長黃仁勳喊DRAM廠儘管去擴產，因為擴增產能多少，輝達就會用掉多少產能。」 在 Morgan Stanley 科技大會上的談話。 如果任何一家記憶體的廠商老闆跟你說類似的話，你可以說他是為了自己的股價，或是從他的角度被樂觀氛圍蒙蔽，但從黃仁勳的角度，他是要採買記憶體的買家，說難聽一點，他應該希望記憶體價格下跌，他為什麼還要這樣說呢？ 回想一下上次有類似言論就是對台積電的產能，因為後來證明真的需求太大，如果不喊話，廠商因為過往不好經驗，不敢擴廠，那到時候真的會嚴重供需不足。 如果是以前，循環股走到這裡，我大概早就先賣了。因為過去大家對這個產業的理解很固定，景氣上來，價格漲，廠商擴產，最後供給追上需求，報價反轉，股價提前見頂。這套邏輯過去大多數時候都成立，所以市場現在看到記憶體股漲，第一反應還是老問題，擔心擴產、擔心報價見頂、擔心又回到上一輪的循環。 但這次我們研究完之後，結論很清楚，這不是用舊框架就能看懂的一輪。 這次的核心，不是手機、PC回補庫存，也不是短單追價造成的價格波動，而是 AI 基礎建設把整個記憶體產業的需求結構改掉了。HBM 吃掉大量晶圓資源，先進製程與封裝資源持續往高階產品集中，結果不只是 HBM 緊，連一般 DRAM、server DRAM、甚至 NAND 的供給彈性都被一起壓縮。也就是說，這不是單一高階產品的景氣，而是整個產業的有效供給都變得更珍貴。 SK 海力士在摩根大通韓國大會上，管理層直接指出，DRAM 與 NAND 兩端都存在嚴峻的供需缺口，這一輪內存上行週期持續的時間，可能比市場原本預期更長。供應商庫存低，渠道庫存也低，出貨 bit growth 跟產出 bit growth 幾乎同步，代表新增供給一出來，很快就被市場吸收，不會先堆成庫存。這一點非常關鍵，因為過去記憶體反轉，通常都是供給先開出來、庫存先往上堆，價格才開始下來，現在這個機制還沒有出現。 更重要的是，海力士現在談的已經不是短期景氣，而是多年期的供貨框架。LTA 變多，雙邊約束更強，供貨量跟價格區間都要提早談，這代表產業的商業模式正在改變。以前記憶體比較像現貨市場邏輯，價格變化快，能見度低；現在開始往中長約走，代表上游希望把未來幾年的供給先鎖住，下游也怕拿不到貨。當買賣雙方都開始接受這種模式時，代表大家看到的都不是一季兩季的需求，而是更長時間的供給壓力。 以前記憶體是景氣好就漲、景氣反轉就跌的標準景氣股，現在它在 AI 時代的位置，已經慢慢往戰略資源靠攏。算力很重要，但沒有足夠的記憶體去支撐容量、頻寬、功耗與資料搬移效率，再強的 GPU 也無法完整發揮。對系統廠來說，記憶體不是配角，而是整個 AI 基礎建設能不能順利擴張的核心環節之一。 這也是為什麼股價到現在還是被很多人用舊觀念壓著。大家記得過去的創傷，記得上一輪的崩跌，記得每次漲價最後都會迎來擴產與反轉，所以本能上不願意給高評價。但問題是，這次真正限制產業的，不只是廠商願不願意擴產，而是先進產能、技術節點、產品組合、良率爬升、封裝能力，這些都不是喊了就有，也不是一年之內可以完全打開的東西。表面上看起來是擴產，實際上有效供給增加的速度，可能遠低於市場想像。 所以如果你問我，為什麼這次我沒有像以前那樣，把它當成一般循環股提早處理掉，答案也很簡單。不是我忘了循環，而是這一輪的驅動力，已經不只是循環。以前市場是在景氣與庫存之間擺盪，現在市場面對的是 AI 長週期投資、供給彈性下降、商業模式改變，以及記憶體產業地位的重新定價。 股價當然不會一路直上，市場也一定還會反覆震盪，因為多數人還是習慣用舊邏輯看新產業。但至少從現在看到的供需、庫存、資本開支、長約模式、以及買方的態度來看，我認為這一輪真的不是以前那一套。這也是我到這個時間點，還願意繼續看下去的原因。

市場有一個很有趣、也很典型的現象：只要股價一跌，世界突然就充滿利空。最近幾天就看到各種版本的故事開始流傳。有人說長江存儲光刻機大突破，不只 NAND 要大擴產，甚至準備跨入 DRAM；也有人說三星表面退出 DDR4，其實偷偷在幫Intel、AMD的客戶重啟產線；再加上美股資料顯示，主要科技股裡面，看跌／看漲持倉比最高的是美光，達到 1.30，同時也是美國放空比例最高的一批公司之一。很多人看到這些訊息，很自然就得出一個結論：既然供給要暴增，記憶體股跌好像很合理。 但如果回到產業本身，冷靜去看「真實產能」與「擴廠節奏」，會發現市場情緒跟產業現實其實是兩個世界。 先看大家最愛講的長江存儲。這家公司擴產確實很快，但沒有市場傳的那麼誇張。現在YMTC 的 NAND 主要集中在武漢兩座廠。Fab1 大約 10 萬片／月，Fab2A + 2B 約 10 萬片／月。實際有效產能 2024 年大概在 16 萬片／月，2025 年提升到 20 萬片以上。以全球 NAND 產能來看，這大概是 7–8% 的占比，技術節點是 232-layer 3D NAND，加上他們自己的 Xtacking 架構。 市場真正關注的是 Fab3。這座廠 2025 年開始建設，原本預期 2027 才量產，但目前的訊息是可能提前到 2026 年下半年開始出貨。初期產能大概 3 萬片／月，完整規模可能 5 萬到 10 萬片／月，技術會往 294 層以上的 NAND 前進。 如果把這些擴產都算進去，YMTC 的產能節奏大概是這樣： 2024 年約 16 萬片／月 2025 年約 20 萬片／月 2026 年約 23 萬片／月 2027 年接近 30 萬片／月 換句話說，三年產能接近翻倍。但問題來了。就算真的翻倍，供需會崩嗎？答案其實很簡單：不會。 因為記憶體需求的成長速度，遠遠比很多人想像的更快。現在很多機構對 DRAM 與 NAND 的需求增長預估是每年 40%～50%，而且很可能還低估了。AI 伺服器、推論叢集、KV cache、AI storage，全部都在同時吃記憶體。這種需求不是線性成長，而是類似算力一樣的指數型成長。 所以就算所有市場傳言全部成真：長江存儲產能翻倍、 三星偷偷重啟 DDR4、中國 NAND 全力擴產：整個產業的供給增速，仍然很難追上需求。 更有趣的是，這次 Fab3 其實有一個市場沒有太注意的點。業界一直有傳言說，部分產能未來可能會轉去做 DRAM 或 HBM 相關的方向。原因很簡單，中國現在最大的瓶頸不是 NAND，而是 AI server memory。HBM、DDR5、AI 伺服器用 DRAM 都極度稀缺。所以 YMTC 和 CXMT 之間其實一直有合作與技術延伸的討論。 這背後其實透露三個訊號。 第一，中國 NAND 不會退出市場。第二，AI storage 的需求爆發，正好給 YMTC 一個成長空間。第三，中國 NAND 很可能優先供應內需，而不是低價 dumping。 這也是我一直講的一件事：在 AI 時代，記憶體會慢慢變成戰略物資。中國 NAND 不但不會像很多人說的那樣低價傾銷，甚至未來很可能反過來限制出口，優先供應本土 AI 產業。 所以如果單純從產業供需去看，DRAM 與 NAND 的需求每年增加 40%～50%，甚至更多，而供給就算照所有「利空版本」去算，也很難追得上。未來幾年，記憶體很可能會是整個 AI 產業鏈裡最缺的一環。 當然，我完全理解市場為什麼會懷疑。記憶體不像先進製程晶圓代工那樣有明顯的技術壟斷，也不像光通訊設備那樣導入門檻高、驗證周期長。市場過去看記憶體，習慣把它當成高度循環、沒有護城河的產業。 但問題是，AI 改變了需求結構。記憶體現在不是 PC 或手機的配角，而是 AI infrastructure 的核心。 而股價為什麼會跌？ 其實原因也不複雜。不只記憶體跌，幾乎整個科技股都在跌。 最近市場最大的變數是伊朗事件可能拖很久，油價暴漲，通膨疑慮升溫，市場開始擔心經濟成長被拖累。當風險上升到「可能影響經濟成長」，資金自然會降低風險部位。 AI 沒死，但市場開始質疑 AI 的估值。 所以你會看到一個很有意思的現象： NVDA 業績好到誇張，但股價卻沒有繼續創高。 當市場開始修正 AI 的評價時，整個 AI 產業鏈都會一起跌。既然 AI 都在跌，記憶體憑什麼不跌？記憶體跟 AI 是高度綁定的產業，AI 修正，記憶體股價跟著修正，其實一點都不奇怪。 這種局面，本質上就是資金風險管理的問題。 AI 並沒有消失，需求也沒有崩潰。當 AI 與記憶體的股價修正完成，手上的現金就會變成最重要的資產。那時候市場會再次回到產業基本面，而不是短期情緒。 等到那一天，你就會理解一件投資市場很殘酷、但也很真實的事情：別人的痛苦，往往就是你的機會。

如果你把中國 AI 這一波，只當成美股 AI 的延伸，那很多價格行為你會完全對不上。 高盛近期出了一篇大報告有關分析中國AI發展與評價，中國 AI 不是跟著納斯達克起舞，而是在形成自己的資金邏輯。相關性下降、全球基金長期低配、AI 收入曝險開始被量化，這些條件疊加在一起，本質上是一場「配置修正」行情，而不是單純情緒交易。 從這個報告，我覺得就算不投資陸股，也可以分析研究產業結構。 DeepSeek 之後，除了模型進步，中國要把 AI 真正推進到產業端，會極度依賴兩樣東西：算力與記憶體。這不是口號，是物理現實。你只要理解推理階段的 token 消耗、KV cache 的佔比、資料中心的電力密度，就知道 AI 成本曲線往下走的同時，對底層資源的消耗在極度加速。 這裡是關鍵，中國 AI 若要走獨立行情，代表它不能依賴外部供給。地緣政治已經說得夠清楚，先進算力受限，先進製程受限，那剩下能掌握的是什麼？就是戰略物資。 算力是戰略物資，記憶體也是。我一直強調一個觀點：中國記憶體不但不會像某些所謂「專家」講的那樣，大量低價傾銷國際市場，反而更可能被內部吸收，甚至在某些階段出現出口限制。原因很簡單，如果 AI 是國家級產業升級的核心，那 DRAM、NAND 就不是普通商品，而是基礎設施材料。 當你把記憶體放進「AI 工廠」這個框架，就會理解這個邏輯。AI 工廠不是幾張 GPU 卡，而是一整條從電力、機房、互連、散熱到儲存與運算資源調度的工程體系。推理規模一旦放大，記憶體需求是線性甚至超線性成長。HBM 吃緊大家都知道，但真正影響供應鏈穩定性的，往往是中低階 DRAM 與大容量 NAND。這些東西在 PC、手機可以延後拉貨，但在資料中心不行。 這也是為什麼我之前一再講，全球記憶體不只是景氣循環，而是結構轉折。AI 把 bit demand 重新拉回高增長區間，而中國若要走自己的 AI 路徑，它不會把有限的戰略資源拿去打價格戰。 想像一個場景：如果中國 AI 資料中心加速建設，內部算力需求持續擴張，國內記憶體產能有限，那優先供給誰？是國內 AI 集群，還是海外客戶？這是一個政策選擇，不是市場選擇。 所以那些認為「中國記憶體未來會低價外銷、衝擊全球價格」的論點，我一直覺得忽略了一個前提——當一個產業被上升到戰略層級，它的定價邏輯就不再只是市場競爭，而是國家資源配置。 高盛提到中國 AI 的優勢在電力與基礎設施，這點我認同。但如果往下一層挖，你會發現算力與記憶體才是底層約束。沒有穩定的記憶體供應，推理成本下不來；沒有足夠的儲存容量，大模型商業化只是口號。 這也是我為什麼在全球配置上，把記憶體視為 AI 週期裡最容易被低估、卻最難被替代的環節。GPU 可以迭代，模型可以開源，演算法可以優化，但 bit 不會自己憑空出現。 中國 AI 的獨立行情，本質上是產業獨立性提升的定價過程。而產業獨立性的核心，不是 App，不是聊天機器人，而是戰略物資的自給與掌控。 未來幾年，你可能會看到一個現象：全球資金討論中國 AI 的時候，焦點不再只是模型能力，而是基礎設施完備度與資源可得性。而在這條線上，記憶體會扮演比市場想像更重要的角色。 很多人還在用過去消費電子的框架看記憶體，覺得價格高了就會傾銷、產能多了就會崩盤。但如果 AI 是下一個十年的工業底座，那記憶體就像鋼鐵與電力一樣，是基礎材料，材料不會亂丟，它會被鎖在體系裡，為戰略目標服務。 中國 AI 是不是獨立行情？我認為是。但真正獨立的，不只是股價，而是供應鏈與資源配置邏輯。當這個邏輯轉變完成，你會發現，記憶體不再只是循環股，而是國家級基礎建設的一部份，這才是這一輪最容易被忽略的核心。