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。
AI 產業已經進入這個階段：
所以觀察室不玩「今日摘要」。我們玩結構。
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。
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）
2026 的轉向很清楚：不只崇拜更強，也開始崇拜更省。
誰還活在「越貴越強」的單線想像，會嚴重誤判市佔。
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。
讀完若只記得人名八卦、不記得結構變化——那是我們寫失敗。
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。
雲發科技（KumoAlpha）本來就長在這條路上：
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。
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。
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：
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。
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。