最近一直在觀察AI股的投資邏輯，發現很多人都在盲目追題材，其實根本搞不清楚整條供應鏈的分工。與其亂槍打鳥，不如先理解AI產業鏈的三層結構，這樣才能真正判斷哪些AI股值得關注。

我先講一個核心認知：AI不是單一產業，而是一整條供應鏈。從上游的算力硬體、中游的雲端平台，到下游的應用軟體，每一層的驅動邏輯都完全不同，股價漲跌的關鍵變數也各不相同。

上游主要是NVIDIA、台積電、鴻海這些提供GPU和AI晶片的廠商。這一層受AI晶片供需、雲端巨頭的資本支出（Capex）直接驅動。我注意到四大雲端巨頭2026年合計Capex已逼近6000到7000億美元，這對上游AI股的支撐力相當強勁。特別是台積電的CoWoS先進封裝產能，已經成為整個AI生態的瓶頸。台積電從2026年1月起對所有5奈米以下製程啟動連續四年漲價，AI晶片漲幅達10%，客戶都明知要連漲四年，照樣搶著下單，這說明需求有多旺盛。

中游是微軟、Amazon、Alphabet這些雲端巨頭。它們不直接賣晶片，而是賣算力服務和模型API。這一層的關鍵是AI服務營收成長率和資本回報週期。市場越來越關注「投這麼多錢何時能回本」，一旦分析師質疑回報率，中游股可能會承壓。有個有趣的現象是，部分雲端客戶開始自研晶片（如Google TPU、Amazon Trainium）來降低成本，這會長期影響中游股的利潤結構。

下游是Salesforce、ServiceNow、Adobe這些應用軟體公司。它們把AI能力嵌入到產品中，主要看的是企業採用速度和AI功能的附加費率。下游股通常會落後上游股1到2個季度，因為晶片出貨後還需要時間建置基礎設施。

講到具體標的，NVIDIA目前佔據AI加速器市場約80到90%的營收份額，每年光是資料中心GPU就創造超過1000億美元收入。它的護城河不只在硬體，十多年建立的軟體生態系讓數百萬開發者習慣在NVIDIA平台編程，切換成本極高。台積電則是所有AI晶片的生產瓶頸，無論NVIDIA、蘋果還是AMD的晶片，幾乎都在台積電生產。摩根大通預計台積電2026到2027年按美元計收入增速分別為35%和30%。

微軟是企業級AI轉型的領導平台，透過Azure和Copilot的整合優勢，已經成功將AI無縫導入全球企業工作流程。Amazon則透過AWS和自研晶片Trainium深度綁定AI生態，形成完整閉環。Meta則是AI應用層的代表，透過廣告AI優化和Llama開源模型，直接將AI變現。

台股這邊，台積電當然是第一選擇，製程和先進封裝是無法替代的產業標準。鴻海作為NVIDIA的主要伺服器製造商，但2026年初股價反而走弱，市場對其耐心在消磨，主要是毛利率提升幅度遠低於預期。聯發科則在邊緣AI和行動AI晶片上有不少佈局。

如果你想參與AI但不想承受太大波動，Microsoft、Amazon、台積電這些公司體質穩健，AI只是成長動能之一。想抓住AI趨勢主流資金的話，NVIDIA和Meta Platforms成長動能強，但波動也較大。能接受較高風險想抓爆發機會的，可以看AI晶片二線公司。

坦白說，AI股現在的估值已經明顯抬高，2026年初Alphabet市值一度突破4兆美元，這反映市場對AI帶來的營收和競爭優勢仍有預期。但短期波動肯定會存在，特別是宏觀環境變化、利率政策調整、資金輪動等因素都可能造成大幅回調。

從長期看，AI對人類生活和生產模式的影響勢必不亞於互聯網革命，會創造龐大經濟價值。但從歷史經驗來看，即便是思科這樣的基礎建設龍頭，在網路泡沫時期股價從82美元跌到8美元多，之後二十多年都沒能重返高點。這提醒我們，基礎建設型AI股即使基本面穩健，也更適合階段性布局，而非一直抱著不動。

比較務實的做法是採取階段性投資思維。持續關注AI技術發展速度是否放緩、應用變現能力是否如預期提升、個別公司盈利增速是否趨緩。只要這些條件還成立，AI股的投資價值才能持續獲得市場支持。當然也要意識到風險，主要是估值過高、競爭加劇（AMD和自研晶片可能侵蝕市佔）、資金輪動到其他題材、地緣政治影響供應鏈等。

現階段我的看法是，AI股在2026到2030年間會呈現「長期看多、短期震盪」的特徵。最穩妥的做法就是分批布局、等待回檔、控制單一股票倉位，透過AI ETF進行分散投資也能有效降低風險。短期內肯定還會有震盪，但長期趨勢仍偏向成長。