A Taiwan supply-chain note on sovereign AI, physical AI, power, quantum — and valuation stressSinclair

2026–06–29

本文以中文寫作，從台灣供應鏈、市場情緒與個人現場觀察出發，觀察 AI

需求、資本支出、實體部署與估值壓力之間的拉扯。

Written in Chinese, from a Taiwan supply-chain perspective. AI 故事還在，但價格已經在喘。

這幾天再寫 AI 供應鏈，其實有點尷尬。台股剛經歷劇烈回檔，市場還在消化外資賣超、台指期偏空部位與 AI 估值壓力。6 月 29 日，指數反彈，盤中重新站上 45,000 點，最後卻收在 44,999.90，差一點沒有站回整數關卡；同日外資現貨仍賣超 60.11 億元，投信買超 137.54 億元。期交所資料則顯示，台股期貨（TX）外資未平倉淨額為 -76,627 口，其中多方 7,494 口、空方 84,121 口。Ref A1Ref A2

Taiwan market and futures snapshot

資料截點：本文使用 2026–06–29 盤後與期交所公開資料。這不是即時交易建議，而是用當天市場結構作為壓力測試的觀察入口。

這個收盤數字很有意思。

它不像恐慌延續，也不像壓力解除。它更像市場正在問一個中間問題：AI 與半導體的長期故事還在，但今天的價格，還能不能承受這個故事？

我不想把這篇寫成「AI 回檔就是機會」。

也不想寫成「AI 泡沫要破了」。

我真正想問的是另一件事：當市場從 AI euphoria 進入 valuation stress，哪些需求還能被現場驗證？哪些只是價格上漲時，大家願意相信的敘事？

AI demand 沒有消失先講清楚，我並不是對 AI 的未來失去信心。

相反地，這幾週有幾件事，讓我對 AI 的長期需求更有感覺。

第一，是 sovereign AI。

當各國開始把 AI 算力視為資料主權、國防安全與產業政策的一部分，AI demand 就不再只是企業是否能算出 ROI 的問題。對許多國家來說，沒有自己的 AI infrastructure，未來可能就像沒有自己的能源、通訊或金融系統一樣，會變成戰略弱點。

韓國最近把半導體、AI data center、physical AI 與 robotics 打包成國家級計畫，就是一個很清楚的訊號。Reuters 報導，韓國公布三大 chip and AI mega projects，涵蓋 semiconductors、physical AI 與 AI data centers；Samsung、SK Group、SK Hynix、Naver 等企業與政府共同推動大規模投資與產業計畫。Ref C

第二，是 physical AI。

機器人、自動化設備、智慧工廠、車輛與邊緣部署，會把 AI 從資料中心推向真實世界。如果機器未來真的能承接更多人類工作，瓶頸就不會只在 GPU，而會延伸到記憶體、電力、感測、驅動、散熱、材料、通訊與系統整合。

第三，是我自己最近對電車與城市數位化的感受。

這不是車評，也不是替任何品牌背書。但一兩年前我試駕 Tesla Model Y 時，其實就已經第一次明顯感受到：電車不只是把引擎換成馬達，而是把車變成一個軟硬整合的平台。

最近再試 Volvo EX30 和 BMW 電車，這個感受更深。

讓我印象最深的，不只是加速或安靜，而是軟體、感測、能源管理、座艙體驗與駕駛輔助，已經被更自然地整合到產品裡。這讓我重新感覺到，AI 不是只存在於雲端模型或資料中心，它正在進入車、工廠、設備與日常使用場景。

最近兩次去中國城市，也讓我有類似的感受。

這不是要比較哪一個國家比較先進，也不是要把短暫旅行觀察放大成完整結論。但走在城市裡，很難不注意到幾件事：公交車與計程車大量電動化，乘坐體驗安靜、平順；許多營運車輛的成本已經壓到很低；支付幾乎完全電子化；而和做軟體的朋友聊天時，更明顯感受到他們使用工具、開發流程與自動化應用的速度。

這些細節讓我想到，AI 的需求不一定只來自資料中心裡更大的模型，也可能來自城市、交通、工廠、支付、軟體開發與日常營運的全面數位化。

換句話說，AI demand 的底層可能比我們想像更分散。它不只是 hyperscalers 的 capex，也不只是 GPU、HBM 和 CoWoS。它還會進入車隊調度、智慧城市、工廠自動化、企業軟體與邊緣設備。

所以，問題不是 AI demand 有沒有消失。

相反地，AI demand 可能比市場原本想像得更長、更廣、更戰略性。

但也正因為如此，我反而更不想用口號替今天的價格背書。

AI 可以是真的，估值也可以同時太貴。

供應鏈可以真的塞車，股價也可以先反映過頭。

主權 AI、機器人、電力與電車軟硬整合，都可能讓 AI demand 走得更長；但它們也會吸引更多資本、更多擴產、更多競爭，最後把今天看起來稀缺的瓶頸，變成明天需要重新定價的供給。

這就是現在最難處理的地方。

看多 AI 的人可能是對的。 擔心 AI 股價太貴的人，也可能是對的。

兩者不矛盾。

外資不是不懂 AI，而是更懂部位有一件事讓我這幾天特別困惑。

如果 AI 榮景真的會一路走到 2030，如果大家都說現在只是 second inning，如果大型科技公司、韓國記憶體廠與各國政府還在投入龐大資本支出，為什麼外資一邊在台指期維持偏空部位，一邊又持續賣出台股現貨？

這裡要先加一個 caveat：期交所提醒，三大法人交易資訊是眾多法人機構合計互抵的結果，不能代表單一特定法人機構的交易策略，也不能直接代表該類法人整體策略。Ref A2

所以我不會把外資期貨淨空單直接解讀成「外資看空 AI」。我比較在意的是部位結構本身：外資現貨仍在賣，台指期仍維持大額偏空未平倉，代表即使市場反彈，風險控管與獲利了結還沒有完全解除。

這個問題不能簡化成「外資看空 AI」。

更合理的解讀是：外資可能並不是不相信 AI，而是不願意在這個價格、這個部位、這個地緣政治風險下，繼續承擔同樣大的 Taiwan beta。

長線故事可以是真的，短線部位也可以太滿。

AI 需求可以是真的，但當大家都把真需求外推到 2030，股價就可能先把未來幾年的好消息一次吃掉。

這也是為什麼我不想把這篇寫成「AI 回檔就是機會」。

我更想問的是：當市場從 AI euphoria 進入 valuation stress，哪些瓶頸還能被現場驗證？哪些只是價格上漲時大家願意相信的故事？

資金不是離開 AI，而是在 AI 內部重新排序還有一個變化值得注意：資金並不是單純離開 AI，而是在 AI 內部重新排序。

過去幾個月，市場最容易買的是 AI infrastructure：GPU、HBM、光通訊、先進封裝、資料中心、電力與散熱。只要和算力基建有關，資金就願意給更高估值。

但最近市場開始問另一個問題：這些龐大的 AI capex，什麼時候會轉成收入、毛利與自由現金流？Reuters 報導指出，AI 相關資本支出仍在推進，但 hyperscalers 作為主要 spender 正承受壓力；同時市場也開始擔心 AI 投資、債務融資與泡沫風險。Ref F

OpenAI 可能延後 IPO 的報導，也讓市場更敏感。Reuters 引述 NYT 報導稱，OpenAI 正考慮將公開上市推遲到明年。Ref G

這就是為什麼資金可能從硬體與基建，部分轉向 AI software 和 AI applications。

不是因為基礎設施不重要，而是市場開始要求下一層證明：誰能把算力變成產品？誰能把模型變成工作流程？誰能把企業預算從實驗性支出，變成可重複、可擴張、可續約的收入？

這其實是 AI trade 進入第二階段的訊號。

第一階段問的是：誰能供應算力？ 第二階段問的是：誰能把算力變現？

對台灣供應鏈來說，這不是壞消息，但它會改變市場看待瓶頸的方式。

如果 AI software 和應用真的開始放量，硬體需求會被延長；但如果應用端無法證明足夠的 monetization，市場就會開始反過來質疑：現在的 HBM、CoWoS、光通訊、電力與資料中心 capex，是不是一次把太多未來需求提前反映了？

所以我不會把資金輪動解讀成 AI 結束。

我會把它解讀成：AI 從 supply bottleneck story，進入 cash-flow validation stage。

A simple checklist: from narrative to evidenceFrom narrative to evidence checklist

什麼會推翻這個看法？既然這篇文章的主軸是 stress test，就不能只列出支持 AI demand 的理由，也要列出會讓這個看法下修的反證。

如果接下來看到 HBM 與 CoWoS 交期明顯縮短、報價與毛利率快速下滑、hyperscalers 開始保守下修 AI capex、液冷與電力部署延後、主權 AI 專案停留在政策標題而沒有採購與建置，或 physical AI 長期停在 demo 而沒有 repeat orders，那就代表市場原本相信的瓶頸正在鬆動。

換句話說，這篇不是要維持一個固定多空立場，而是要建立一組可以被驗證、也可以被推翻的觀察框架。

第一個檢查題：記憶體與先進封裝的排隊，有沒有消失？最近美光的財報非常強，毛利率、HBM4、高速記憶體與 AI data center demand，都支持「記憶體不再只是傳統景氣循環商品」這個說法。Micron 官方 Q3 FY2026 資料顯示，non-GAAP gross margin 達 84.9%，並在電話會議材料中提到 HBM4 與 AI demand 相關進展。Ref B

但這也正是要冷靜的地方。

毛利率很高，代表定價權很強。 但毛利率很高，也代表市場會開始問：這是不是 cycle peak？

所以問題不是「美光好不好」。問題是：

這個 memory cycle 的本質有沒有變？

如果 HBM、DDR5、high-capacity SSD 與 AI server memory 的需求是真瓶頸，它不會因為股價回檔就消失。它會留在客戶排程、產能分配、長約條款、報價結構與 capex 計畫裡。

但如果毛利率開始鬆動、急單消失、報價軟化、產能利用率下降，那市場就會重新評估這個瓶頸到底是 structural，還是 cyclical。

同樣的問題也適用於 CoWoS、先進封裝與光通訊。

TrendForce 近期報導指出，TSMC 的 CoWoS 供需缺口可能從目前約 20% 收斂到 2026 年底約 10%，並因 TSMC 與 OSAT partners 擴產而在 2027 年進一步緩解。Ref E

這是一個很好的例子：

瓶頸仍然存在，但稀缺性正在被重新計算。

共識已經知道 CoWoS/HBM 很重要，所以重點不是再講一次重要。

重點是：排隊有沒有縮短？客戶有沒有砍單？二線廠商是真的吃到外溢，還是只吃到短期轉單？擴產是設備已經進廠，還是只存在簡報裡？

真正的瓶頸不怕被檢查。

第二個檢查題：瓶頸是不是從晶片移到電力、散熱與部署？AI infrastructure 的下一個限制，可能不是模型跑不動，而是機房放不下、電力進不來、熱排不出去。

這也是為什麼市場開始討論 onsite power、microgrid、fuel cell、liquid cooling 與高功率密度機房。

SK Telecom 與 NVIDIA 宣布在韓國建置 gigawatt-scale AI Cloud，並規劃第一座 AI factory 在 2027 年上線，支援 sovereign、physical 與 agentic AI。這種項目本身就顯示，AI infrastructure 已經不只是買 GPU，而是電力、網路、資料中心、軟體棧與國家級部署的整合問題。Ref D

我認為這個方向值得看，但不能太快把每一個能源或散熱題材都包裝成 AI 受惠股。

AI 資料中心不是只有「有電就好」。真正要看的是供電穩定性、併網速度、建置時間、PUE、機櫃密度、液冷導入，以及客戶是否真的願意為更高功率密度付錢。

我比較在意的不是哪家公司宣布跨入 AI 能源，而是三件事：

第一，客戶有沒有從傳統氣冷規格改成液冷。 第二，資料中心案場有沒有因為電力或冷卻延後。 第三，本來不在 AI 供應鏈核心的材料、散熱與電源廠，是否開始拿到重複性訂單，而不是一次性樣品單。

沒有重複訂單、沒有導入時程、沒有客戶驗證，就還不是瓶頸，只是可能成為瓶頸的候選人。

第三個檢查題：Physical AI 是部署，還是下一輪口號？我相信 physical AI 是長期方向。

但我不想把它寫成已經完成的趨勢。

比較務實的看法，是把它拆成部署證據。

樣品有沒有變小量？ 小量有沒有變量產？ 客戶是展示用途，還是進入產線？ 規格是一直改，還是開始固定？ 供應商拿到的是一次性專案，還是開始排年度產能？

這些問題比「機器人未來可以取代多少人類工作」更重要。

因為市場可以用 2030 的願景替今天的估值找理由，但供應鏈最後還是要回到 manufacturing reality：良率、交期、BOM、可靠度、客戶驗證、售後維護、量產節奏。

Physical AI 如果是真的，它會逐步留下痕跡。

它不會只存在於展示影片裡，而會出現在工廠排程、供應商年約、零組件認證與現場導入裡。

第四個檢查題：Quantum 是 roadmap，不是 revenue還有一個更遠的運算層：量子電腦。Microsoft、IBM 與其他科技公司都把 2029 放進 quantum roadmap。Microsoft 走的是 Majorana / topological qubit 路線，IBM 則強調 logical qubits 與 fault-tolerant quantum computing。Ref HRef J

這些進展值得追蹤，因為它提醒我們：compute stack 並沒有變簡單，而是變得更複雜、更戰略性、更資本密集。 但量子電腦不應該和今天的 AI infrastructure trade 混在一起。

HBM、CoWoS、電力、散熱、資料中心，是可以用訂單、交期、產能利用率與 capex 追蹤的瓶頸。Quantum 目前更像 roadmap market，不是 deployment market。Microsoft 官方表示 Majorana 2 的新材料堆疊使 qubit 可靠度比前代提升 1,000 倍，並把 scalable quantum computer 目標提前到 2029；但 Reuters 也報導，Microsoft 的量子路線仍受到部分物理學界質疑，原因包括可重現性、公開資料與 Majorana claims 的驗證問題。Ref HRef I

所以我會把量子放在長期地圖裡，而不是短期投資理由裡。它可能對材料、化學、密碼、最佳化、藥物設計與未來 AI 底層運算有重大影響，但短期內不會取代 GPU，也不會直接取代 AI data center。

不要把 roadmap 當 revenue。

結語：越相信 AI，越要檢查價格在這種市場裡，最危險的不是看錯 AI 的方向。

更危險的是把正確方向，用錯價格買進去。

所以這篇文章最後不會給一張配置表，也不會說應該加倉哪一檔記憶體、哪一檔電力、哪一檔機器人。

我更想留下的是一個檢查方式。

當 AI 股價上漲時，大家都在找故事。 當 AI 股價震盪時，才需要回到現場，檢查故事還剩下多少是真的。

交期有沒有鬆？ 報價有沒有軟？ 客戶有沒有砍單？ 擴產是設備已經進廠，還是只存在簡報裡？ 新材料是樣品，還是量產驗證？ 主權 AI 是預算已核准，還是政治口號？ Physical AI 是部署，還是展示？ Quantum 是工程突破，還是 roadmap narrative？

如果答案仍然指向同一座窄橋，那市場修正不會消滅瓶頸，只會改變它的價格。

而站在台灣供應鏈裡，我們真正的優勢，不是比華爾街更會預測未來，而是有機會更早看見：現在到底是哪一段還在塞車，哪一段只是市場還沒放下的敘事。

我對 AI 的未來更樂觀。

但我對用 2030 的故事解釋今天的價格，更謹慎。

如果你也在供應鏈、軟體、能源、車、工廠或資本市場裡觀察 AI，我會很想知道：你現在看到最真實的瓶頸，是哪一個？

English SummaryAI demand has not disappeared. Sovereign AI, physical AI, EVs, robotics, smart factories, data-centre power and quantum computing may extend the compute cycle.

But the market is shifting from supply bottleneck narratives to valuation stress and cash-flow validation.

The key question is no longer whether AI is real. The better question is: which bottlenecks can still be verified through lead times, orders, margins, utilisation, deployment and repeatable revenue?

Demand can be real. Pricing still needs to be checked.

Author Note本文以中文寫作，從台灣供應鏈、市場情緒與個人現場觀察出發，試著把 AI 需求、資本支出、實體部署與估值壓力放在同一個框架中思考。

我對 AI 的未來並不悲觀。相反地，主權 AI、physical AI、電車軟硬整合、智慧城市、工廠自動化與量子運算，都讓我更相信 compute 會成為下一階段的戰略基礎設施。

但越是相信這個長期方向，越需要把 narrative 拆回 evidence。

需求可以是真的，價格仍然需要被檢查。

Disclaimer本文僅為個人產業觀察與研究筆記，不構成任何投資建議、買賣建議或資產配置建議。文中提及之公司、產業、技術與市場資料，僅作為分析案例與趨勢討論使用。

投資涉及風險，股價可能受到利率、匯率、地緣政治、估值、流動性、產業循環與公司基本面變化影響。任何投資決策均應由讀者自行判斷，並視需要諮詢合格專業人士。

ReferencesRef A1 — Taiwan market snapshot

Yahoo 財經掃描，〈台股「差1點」站回4萬5大關 台積台達「雙電」開轟扛大盤〉，2026–06–29。

Ref A2 — TAIFEX foreign investor futures position 臺灣期貨交易所，〈三大法人 — 區分各期貨契約 — 依日期〉，日期 2026–06–29。台股期貨外資未平倉：多方 7,494 口，空方 84,121 口，多空淨額 -76,627 口。

Ref B — Micron FY2026 Q3 results Micron Technology, “Micron Technology, Inc. Reports Record Results for the Third Quarter of Fiscal 2026.”

Ref C — South Korea chip and AI mega projects Reuters, “Key facts on South Korea’s three chip and AI ‘mega projects’.”

Ref D — SK Telecom / NVIDIA AI Cloud NVIDIA Newsroom, “SK Telecom and NVIDIA Build AI Infrastructure to Power Korea’s AI Innovation.”

Ref E — TSMC CoWoS supply-demand gap TrendForce, “[News] TSMC CoWoS Supply-Demand Gap Reportedly Seen Narrowing from 20% to 10% by End-2026 as Capacity Expands.”

Ref F — AI capex, valuation stress and hyperscaler pressure Reuters, “What’s good for the US economy now may not be good for stocks.”

Ref G — OpenAI IPO sentiment Reuters, “OpenAI leans toward waiting until next year for IPO, NYT reports.”

Ref H — Microsoft Majorana 2 Microsoft, “Introducing Majorana 2.”

Ref I — Microsoft quantum scepticism Reuters, “Microsoft’s quantum computing technology called into question, again.”

Ref J — IBM Quantum Starling roadmap IBM Quantum Blog, “How IBM will build the world’s first large-scale, fault-tolerant quantum computer.”

Ref K — DARPA US2QC DARPA, “Underexplored Systems for Utility-Scale Quantum Computing.”

Further Reading / Market Sentiment InputsThese items shaped the market-sentiment framing but are not treated as formal references for factual claims.

Hashtags#AIInfrastructure #SovereignAI #PhysicalAI #Semiconductors #HBM #CoWoS #DataCenter #Power #QuantumComputing #TaiwanSupplyChain #ValuationStress

This article was originally published on Medium. Read the full version with charts and figures →