AI 巨頭觀察室開張：別再追新聞，改看「錢往哪流」

副標：台股視角的 AI 雷達——模型潮很吵，現金流與供應鏈才會留下證據。

---

現在打開任何科技媒體，每天都有 AI 大新聞：
某模型分數又贏了、某 CEO 又嘴槍、某公司估值又被上調、某服務又當機。

新聞夠多，洞察很少。

所以我們開「AI 巨頭觀察室」。

不是因為我們想競爭新聞台的速度，而是因為：大多數人把 AI 當娛樂圈來看了——誰紅、誰衰、誰嗆誰。對投資人、經營者、工程師，那條賽道幾乎沒有長期價值。

我們在看的是另一件事：

巨頭的每一次產品、定價、資本支出與策略轉向，最後會把錢推到哪裡，又會從哪裡抽走。

---

1. 為什麼「追新聞」會讓你越來越累

AI 產業已經進入這個階段：

• 發佈頻率 > 消化能力 — 模型月更、週更，靠頭條注意力根本跑不贏。
• 分數不等於獲利 — Benchmark 好看，企業願不願續約、使用者願不願付費、毛利能不能撐住 capex，才是真題。
• 贏家不只有做模型的那一家 — 模型需求一定先打到算力、電力、封裝、網路、冷卻。視角停在品牌層，就會錯過真正吃到量的層級。

所以觀察室不玩「今日摘要」。我們玩結構。

---

2. 四條現金流通道（本週已有的證據）

（1）模型牌桌：入口開始被「路由」拆開

中長期只問三個問題：使用者在哪、錢怎麼收、轉換成本高不高。

近 30 天的硬數據很刺耳：OpenRouter 上，美國公司使用中國模型的 token 佔比，自 2026-02-08 起每週都高於 30%，高點約 46%；前 12 個月平均只有約 11%。（CNBC，2026-07-07）

這組數據不等於中國模型的全球市佔，也不能單獨證明每家公司都採用模型路由；但它提供一個清楚訊號：當同一項工作可以在不同模型間切換，成本敏感、對最前沿能力要求較低的任務，就可能被分配給低價模型。於是入口競爭不再只是誰成為預設模型，而是誰能把不同任務分配給合適的模型——也就是多模型路由與任務分級。

（2）算力基礎設施：帳單比發布會更大

每次旗艦更強，背後幾乎都是同一套帳單：GPU/ASIC、雲長約、電力、機櫃、冷卻、光通訊。

市場彙總 Amazon / Alphabet / Microsoft / Meta 2026 capex 約 7,250 億美元，大約年增 77%。（Tech Times 彙總，2026-06-29；彙總口徑，非單一 SEC 欄位）

同期討論已從「還會不會花」轉成「自由現金流什麼時候扛不住、何時回收」。

Meta 甚至開始規劃把過剩 AI 算力外售——競爭從模型入口，延到可計價的基礎設施。（CNBC / Bloomberg，2026-07-01）

（3）定價與效率：從 tokenmaxxing 到控預算

2026 的轉向很清楚：不只崇拜更強，也開始崇拜更省。

• 有新創把 100% 流量從 Claude 切到 DeepSeek，並稱數月內可省下數百萬美元等級成本。（CNBC，2026-06-26）
• Anthropic 官價呈現清楚分層：Fable 5 約 $10/$50 per MTok，Opus 4.8 約 $5/$25，Sonnet 5 導入價 $2/$10（至 2026-08-31）再回到 $3/$15。（Anthropic 官網定價頁）
• OpenAI 同步上 Enterprise spend controls／用量分析，讓企業直接砍預算超支。（OpenAI，約 2026-06）

誰還活在「越貴越強」的單線想像，會嚴重誤判市佔。

（4）可靠性與台灣傳導：瓶頸不是 PR，是產能與可用性

Ookla 統計：ChatGPT / Claude / Gemini / Copilot 的 high-signal 中斷日，從 2025 Q1 的 6 天，升到 2026 Q1 的 51 天；Claude 並在 2026-06-02 出現全球級服務異常。（Ookla；Thoughtworks）

供應鏈端，TrendForce（2026-06-15）引述市場估計：CoWoS 供需缺口由約 20% 收斂至 2026 年底約 10%——代表瓶頸仍在，只是緩解中，而且下一步常卡在 HBM、電力與交期，不只是「GPU 名字」。

對我們來說，一篇 AI 新聞如果接不到台灣供應鏈與交付約束，通常還只算半成品。

---

3. 我們明確不做什麼

1. 不做神預言 — 不報目標價，不裝內部人。資料不夠就寫「待驗證」。
2. 不做無來源二手翻譯 — 有整理與觀點，不做熱點大雜燴。
3. 不把 AI 當派對主題 — 服務決策：研究框架、產品路線、組織採用、產業配置思考。

讀完若只記得人名八卦、不記得結構變化——那是我們寫失敗。

---

4. 這個觀察室怎麼產出

這不是固定由某一個模型代筆，也不是把 AI 自動生成包裝成人工專欄。KumoAlpha 會依每週任務，選用當下能力最強、最適合該工作的模型，形成一個從資料蒐集、交叉整理、事實校驗到內容發布的 AI 閉環。

模型負責提高資訊處理的速度與廣度，系統負責讓資料能持續累積與回饋，人則負責最後的判斷、取捨與內容責任。這讓每篇文章不只是一次性的生成文字，而是經過資料驗證與編輯判斷後，才交付給讀者的產物。

你不需要每天被推播砸暈；每週兩次，把 AI 從噪音折算回地圖。

---

5. 為什麼這跟酷摩智能有關

酷摩智能（KumoAlpha）本來就長在這條路上：

• 股蝦：把市場資料變成像助理一樣可用
• 爪爪：用 agentic workflow 做跨平台資訊抓取與產出
• 協同成長：讓 AI 跟著需求累積，不是一次性玩具

觀察室是中樞雷達：巨頭版圖、定價、算力瓶頸一變，產品與研究框架就得跟著變。
我們一邊看戰場，一邊鍛鍊自己的 agent 與數據閉環——這叫協同，不是圍觀。

---

6. 使用手冊

• 投資人／研究者：把「受惠／承壓／下週指標」剪進 watchlist
• 工程／產品：盯 agent 穩定度、定價、failover，反推自家路線
• 經營者：別問「要不要用 AI」，改問「哪些流程值得付費自動化，哪些只是 demo」

判斷原則：

當所有人都在問「哪個模型最聰明」時，賺到結構優勢的人通常在問：哪個瓶頸最貴、誰先解掉、錢會先流去哪。

---

本週結論：錢往哪裡流

這篇文章說的「錢往哪流」，不是一句抽象口號，而是追蹤 AI 預算沿著四段傳導鏈移動：

1. 企業 AI 預算 → 低成本模型與多模型路由：當任務不需要最昂貴的 frontier model，預算就會流向能以較低成本完成工作的模型、路由平台與成本治理工具。
2. 巨頭資本支出 → 算力基礎設施：hyperscaler 的 capex 最終要支付 GPU／ASIC、雲端、機櫃、電力、冷卻與高速網路的帳單。
3. 模型用量 → 可靠性與治理：企業不只為 token 付費，也會為 spend controls、observability、備援與 failover 付費，避免單一模型故障變成營運中斷。
4. 資料中心擴建 → 台灣與亞洲供應鏈：資金再往先進製程、CoWoS、HBM、伺服器、散熱、電源與資料中心工程傳導；瓶頸在哪一層，新增支出就會先卡在哪一層。

因此，AI 巨頭的勝負不能只看誰發布了最強模型，而要看誰能把企業預算變成持續收入、把資本支出變成可利用的算力，並把需求有效傳到供應鏈。這就是觀察室追蹤「錢往哪流」的具體含義。

誰受惠／誰承壓（產業層）

• 受惠條件：先進封裝與 HBM 相關產能、電力／散熱／資料中心工程、多模型路由與成本治理工具、低成本推論基礎設施
• 承壓條件：全押單一前端閉源供應商的工作流、單位經濟未跑通卻高耗 frontier token 的應用層、缺少 graceful degradation 的內部系統

想持續收到「可決策」的 AI 巨頭雷達，而不是熱搜轉發：
追蹤 AI 巨頭觀察室，也歡迎試用 股蝦 與 爪爪——研究可以人工，追蹤與交叉驗證應該交給系統。

---

本內容僅供資訊整理與產業觀察，不構成投資建議。