台積電HPC占比61%意味什麼？

AI伺服器與液冷散熱升級，技嘉、緯創、緯穎、微星、神達聚焦 OCP 峰會

2026 OCP 全球高峰會於美國加州聖荷西登場，台灣伺服器供應鏈大廠技嘉(2376)、緯創(3231)、緯穎(6669)、微星(2377)與神達旗下神雲科技同步亮相，主軸聚焦新世代人工智慧機櫃級運算架構、先進液冷技術與共同封裝光學解決方案。 此次展出重點在於回應大規模人工智慧工廠運作所面臨的高密度運算、散熱與供電挑戰，顯示資料中心硬體正朝更高整合度與更高擴充性發展。台灣供應鏈涵蓋運算節點、高速儲存、熱管理與供電結構，從客製化設計到機櫃整合，展現完整系統工程能力。 技嘉(2376)展出配置 NVIDIA Vera Rubin NVL72 平台與 Vera CPU 機櫃，單一機櫃可共享 20.7TB 記憶體池，並採直接液體冷卻技術。微星(2377)展示基於 NVIDIA MGX 架構打造的 48RU 機架級系統，整合液冷伺服器與資料交換器，也推出搭載高效能晶片的桌上型人工智慧超級電腦。 緯創(3231)與緯穎(6669)則共同展出全液冷設計的 Vera Rubin NVL72 平台與 CMX 情境記憶體儲存平台。緯穎(6669)同時展示專為高功率特殊用途積體電路設計的超薄雙面液冷板，標榜可提升散熱效能逾 15%，並降低高達 80% 的供電損耗。 神達旗下神雲科技以全棧創新為主軸，展示模組化資料中心方案，並與夥伴進行無水式兩相液冷技術展示，透過介電流體相變直接帶走晶片熱能。神雲也首度亮相兩款鎖定高密度開放運算與企業推論需求的新平台，進一步補強產品布局。 從營運面觀察，緯創(3231)受惠於伺服器拉貨動能，今年第三季合併營收達新台幣 1.15 兆元，前三季累計合併營收達 2.89 兆元。後續各廠能否持續將技術優勢轉化為營收成長，將是市場持續關注的重點。

OCP峰會聚焦AI伺服器與液冷散熱，台廠機櫃級方案受關注

2026 OCP全球高峰會在美國加州聖荷西登場，技嘉(2376)、緯創(3231)、緯穎(6669)、微星(2377)與神達旗下神雲科技等台灣伺服器供應鏈廠商齊聚，展示新世代人工智慧機櫃級運算架構、先進液冷技術與共同封裝光學解決方案。 隨著AI晶片效能提升，高密度運算帶來的熱管理與供電挑戰，已成為資料中心升級的核心課題。本次台廠展出涵蓋運算節點、高速儲存、熱管理與供電結構，呈現從客製化設計到機櫃整合的系統能力，供全球雲端服務供應商採用。 技嘉(2376)展出配置 NVIDIA Vera Rubin NVL72 平台與 Vera CPU 機櫃，單一機櫃可共享高達 20.7TB 記憶體池，並導入直接液體冷卻技術。微星(2377)展示基於 NVIDIA MGX 架構打造的 48RU 機架級系統，整合液冷伺服器與資料交換器，也推出搭載高效能晶片的桌上型人工智慧超級電腦。 緯創(3231)與緯穎(6669)共同展出全液冷設計的 Vera Rubin NVL72 平台與 CMX 情境記憶體儲存平台。緯穎(6669)並展示專為高功率特殊用途積體電路設計的超薄雙面液冷板，主打提升散熱效能逾 15%，並降低最高 80% 的供電損耗。 神達旗下神雲科技則以全棧創新為主軸，展示模組化資料中心方案，並與夥伴進行無水式兩相液冷技術展示，透過介電流體相變帶走晶片熱能。神雲也首度亮相兩款鎖定高密度開放運算與企業推論需求的新平台。 從營運面觀察，緯創(3231)受惠於伺服器拉貨動能，今年第三季合併營收達新台幣 1.15 兆元，前三季累計合併營收達 2.89 兆元。後續各廠能否持續將技術優勢轉化為營收成長，仍是市場關注焦點。

AI投資熱潮推升成長也加重債務壓力，全球市場風險為何升溫？

IMF最新報告指出，人工智慧（AI）正同時成為全球成長引擎與金融風險來源。一方面，AI帶動科技投資、半導體與資料中心建設，支撐全球經濟成長；另一方面，AI相關融資擴張、政府高債務與通膨壓力，也讓主權債市場與資產評價面臨更大波動風險。 IMF在最新《全球金融穩定報告》中警告，先進國家政府債券殖利率已攀升至數十年高點，背後不只有地緣政治與能源成本上升，還包括高債務結構與AI投資帶來的融資需求。若殖利率無序上升，可能透過折現率上升壓低資產估值，並削弱以政府債券作為抵押品的金融機構資產價值。 在企業端，科技巨頭與AI企業正大量透過債務籌資。IMF指出，全球大型雲端運算與AI企業的投資級債券發行占比，自2024年以來已由不到1%升至約10%，資金主要流向資料中心、半導體與電力基礎建設。這些長天期AI債券規模已大到足以與政府債競逐市場資金，進一步墊高債市壓力。 IMF同時上調全球成長預測，並認為AI投資帶來的需求動能，有助部分抵銷能源衝擊。不過，這股動能也建立在高資本支出與高融資成本之上。一旦市場對AI獲利能力或效率改善的期待落空，超額投資可能快速收縮，並引發股市修正。 報告也點出更廣泛的財政風險。先進國家公共債務比率預估將持續上升，新興與發展中經濟體也難以例外；若能源價格再度失控，家庭實質收入與企業投資意願都可能受到影響。IMF因此呼籲各國重新建立財政緩衝，並維持貨幣政策足夠緊縮，以壓抑通膨。 除了宏觀風險，AI也正在改變產業運作方式。從星展集團（DBS Group）強調以穩定應對地緣政治與供應鏈重組，到紅牛車隊（Oracle Red Bull Racing）將AI代理系統導入賽事決策，AI已從輔助工具進一步成為高壓情境下的決策參考。這些案例顯示，AI不只影響科技產業，也正在重塑金融、交通與企業管理模式。 整體來看，AI已不只是成長題材，更牽動資金成本、債務結構與市場流動性。IMF提醒，各國與企業都需要在擁抱AI效率的同時，管理好槓桿、債務與地緣風險，否則當投資熱潮降溫時，市場修正可能來得又快又深。

超微24Q3財報低於預期，資料中心成長能否抵消其他業務拖累

超微（AMD）是全球主要的 CPU、GPU 與 AI 加速器供應商，產品應用涵蓋個人電腦、資料中心、雲端運算、超級電腦、遊戲機與嵌入式系統。隨著 AI 需求升溫，資料中心業務已成為超微營收主力，占比超過五成。 超微 24Q3 營收為 68.2 億美元，季增 17%、年增 18%，但低於市場預期的 75.6 億美元；毛利率為 54%，營業利益率為 25%，EPS 為 0.92 美元，也低於市場預期的 1.09 美元。財報顯示，資料中心與消費端業務表現亮眼，但遊戲機與嵌入式部門仍對整體業績形成拖累。 資料中心部門營收達 35.5 億美元，季增 25%、年增 122%，創下新高，營收占比 52%。成長動能主要來自 EPYC CPU 與 Instinct GPU 需求增加，尤其是 MI300X 在 AI 推論與訓練工作負載上的採用擴大，並獲得 Meta、微軟等大型客戶應用於多項 AI 工作負載與內部基礎建設。新一代 EPYC 9005 系列與 MI325X GPU 也進一步強化了高效能運算布局。 消費端部門營收為 18.8 億美元，季增 26%、年增 29%，占比 28%。成長主要來自 Ryzen 9000 桌面處理器與 Ryzen AI 300 筆電處理器需求提升，Zen 5 架構產品在市場表現不錯，企業端也拿下 AstraZeneca、Volkswagen 等採購需求。 遊戲機部門營收 4.6 億美元，季減 29%、年減 69%，占比 7%。下滑原因包括微軟與 Sony 減少半客製化處理器庫存，以及超微準備轉向 RDNA4 架構新一代顯卡。嵌入式部門營收 9.3 億美元，季增 7.7%、年減 25%，占比 14%，主要受客戶庫存正常化影響；其中測試與模擬、航太與國防市場的 Versal 系列 SoC 表現較強，但通訊與工業需求仍偏弱。 整體來看，雖然資料中心與消費端成長明顯，但不足以完全抵消遊戲機與嵌入式部門的疲弱，加上研發與行銷成本增加 15%，壓抑整體獲利表現。市場對這份財報反應偏負面，盤後股價重挫逾 7.6%，至每股 153.57 美元。後續觀察重點，仍在資料中心能否持續扛起成長主軸，以及其他業務是否能逐步回穩。

AI 基礎建設升級遇資本支出壓力，台積電與光通訊供應鏈怎麼看？

全球 AI 基礎建設持續擴張，但市場焦點已從需求轉向成本與效率。博通指出，資本支出正成為 AI 產業前進的重要限制，顯示企業願意擴建，卻也必須承擔更高投入門檻。 在網路端，輝達與思科規劃新一代超高密度可插拔光模組 USFP，目標將頻寬密度提升到現有方案的四倍。這代表 AI 資料中心的瓶頸，已不只在算力，也延伸到網路連接與訊號傳輸效率，光通訊升級的重要性同步提高。 不過，美國 AI 光通訊族群近期承受估值修正與獲利了結壓力，Lumentum 與 Coherent 股價回檔，反映市場對高成長題材的定價開始收斂。短線資金撤出後，後續仍要看訂單與產品導入速度能否跟上。 雲端大廠也在調整策略，改以自研晶片分散運算來源。微軟計畫部署超過一百萬顆自研 AI 晶片 Maia 300，目的在於優化運算成本並降低對外部加速器的依賴。Maia 300 並將採用台積電(2330)二奈米與三奈米製程，顯示大型雲端業者對先進製程的需求依舊強勁。 記憶體市場則因中國長鑫存儲的新型記憶體晶片研發進展，重新牽動供應鏈競爭格局。市場對美光、SK 海力士與三星的評價先出現壓力，反映競爭加劇的風險已被提前交易。相較之下，南亞科(2408)第三季稅後淨利年增五十倍，主要受產品漲價帶動，顯示價格回升仍能直接改善獲利。 台積電(2330)第三季營收達新台幣 1 兆 4,900 億元，年增約 50%，主要來自高階製程需求強勁，尤其是 AI 相關晶片持續放量。不過，其美國存託憑證近期回檔，背景包括美國公債殖利率上升與科技股估值調整。市場目前更重視資本支出效率，以及未來獲利能否延續，營收成長與股價表現已開始分開看待。

微軟擴大自研AI晶片布局，Maia 300何時改變雲端毛利結構？

微軟（MSFT）近日發表第三代 AI 加速器 Maia 300，並規劃逐步提高自研晶片在 AI 運算中的使用量。隨著 Azure、Microsoft 365 Copilot 與 GitHub Copilot 持續帶來算力需求，晶片供應、運算成本與資料中心耗電，已成為影響雲端服務獲利能力的重要因素。 微軟過去長期大量採用輝達（NVDA）GPU，如今則增加自研晶片配置。這樣的安排有助於晶片設計更貼近內部軟體與資料中心架構，同時降低對單一供應體系的依賴。Maia 的主要任務，是協助公司改善成本結構並分散供應風險，目前仍處於逐步擴大部署的階段。 Maia 300 的規劃重點，在於機架密度與電力效率同步提升。微軟先前於 2023 年推出 Maia 100，今年 1 月再推出 Maia 200。執行長 Satya Nadella 表示，Maia 200 可處理 OpenAI 模型，每美元效能較前一代硬體提高 30%，顯示公司已開始以單位成本衡量自研晶片成果。 預計 2027 年投入生產的 Maia 300，規劃每個資料中心機架配置 96 顆晶片，為 Maia 200 的兩倍。微軟指出，Maia 300 每個機架可處理的 AI Token 數量，最高可達傳統 GPU 架構的七倍；每百萬瓦處理量也提高 40%。這兩項數據分別對應空間與電力限制，意味著相同工作負載所需設備可望縮減，而 AI 服務的能源與散熱成本也有機會下降。若 Maia 300 順利導入 Microsoft 365 Copilot，使用者端的回應速度也可能受影響。 從財務角度看，自研晶片已開始影響 Azure 與 Copilot 的毛利結構。微軟財務長 Amy Hood 指出，過去十年採用自研晶片的策略，已協助公司提升整體毛利率。由於 AI 服務需要大量運算資源，Copilot 訂閱收入能否轉化為足夠的營業利益，很大程度取決於每次推論的晶片、電力與資料中心成本。 因此，Maia 系列的關鍵價值，會落在單位運算經濟。每美元效能提高 30%，以及每百萬瓦處理量增加 40%，都指向更低的 Token 處理成本。這也解釋了大型雲端業者持續投入客製化晶片的原因：當軟體收入持續增加時，底層硬體效率會直接影響毛利率。 不過，目前相關數據主要來自微軟公布的架構與效能比較，實際成本優勢仍要觀察量產良率、部署速度、軟體相容性，以及 Maia 晶片承接多少 AI 工作負載。 就供應結構而言，輝達與超微（AMD）仍掌握高階模型訓練需求。Evercore ISI 估計，到 2027 年第一季，Maia 系列約占微軟 AI 晶片支出的 10%。這顯示自研晶片短期內較像特定工作負載的補充方案，輝達與超微仍會是微軟 AI 基礎建設的重要供應商。 微軟管理層也表示，高階 AI 模型訓練將持續與輝達及超微合作。公司近期甚至推出搭載輝達處理器的 Surface 筆電，顯示雙方合作範圍仍涵蓋雲端資料中心與終端裝置。訓練與推論可能採取不同晶片組合：高階訓練需要成熟的軟體生態、網路互連與大規模叢集能力，輝達在這些環節仍具優勢；內部推論服務則較容易依照固定模型與軟體流程，導入高度客製化的 Maia 架構。 目前 Maia 主要服務微軟內部生態系。相較之下，Google（GOOGL）將 TPU 提供給外部企業租用，亞馬遜（AMZN）也開放 Inferentia 與 Trainium，讓雲端客戶按使用時間付費。微軟現階段則將 Maia 加速器集中供應 Azure 內部系統、Copilot 及相關服務，尚未開放外部企業測試或租用。 Moor Insights and Strategy 執行長 Patrick Moorhead 指出，外部公司目前仍無法直接使用微軟自研 AI 晶片。這項策略雖限制了 Maia 短期內成為獨立雲端產品的營收機會，卻也讓微軟能優先針對自家模型與軟體堆疊進行最佳化。 接下來可持續追蹤三項重點：Maia 300 是否能按期於 2027 年量產、AI 晶片支出占比是否高於 Evercore 的 10% 估計，以及 Copilot 單位運算成本是否持續下降。自研晶片的成效，最終會反映在部署規模、服務速度與毛利率表現上。

科技股資金按商業化進度分層，Nvidia、Microsoft、Alphabet、IonQ與Dell走勢分歧

截至今年10月13日，美國科技股走勢出現明顯分化。Nvidia（NVDA）、Microsoft（MSFT）與Alphabet（GOOGL）自高點回落，量子運算公司IonQ（IONQ）跌幅更深，Dell Technologies（DELL）則因伺服器與資料中心布局大幅上漲。資金正在重新評估獲利能見度，不同技術階段開始獲得不同定價。 這組股價變化可分為三層。成熟 AI 平台仍有營收與生態系支撐；企業硬體受惠於算力建置；量子運算距離規模化收入較遠，估值對利率與風險偏好更敏感。價格表現提供市場預期線索，但不能單獨證明公司便宜或昂貴。 Nvidia、Microsoft 與 Alphabet 進入高預期消化期。Nvidia 股價較前一週歷史高點回落約 7%，今年以來仍上漲 21%，短線修正顯示部分資金先行獲利了結，高效能運算與 AI 加速器需求預期仍支撐全年漲幅，後續仍要追蹤資料中心成長、GPU 供應，以及大型雲端客戶的資本支出。 Microsoft 股價較 2025 年 10 月高點回落約 2%，相較今年 6 月低點仍上漲 55%。市場持續給予 Azure、生成式 AI 工具與企業軟體整合較高評價，優勢來自既有客戶、雲端資源與軟體通路，商業化路徑相對清楚。 Alphabet 股價較今年 5 月高點下跌約 13%，今年以來仍有 12% 報酬。搜尋廣告、雲端服務與 AI 投資同時存在，市場關注 AI 功能能否轉化為新增收入，也擔心運算成本侵蝕獲利。三家公司都在回檔，但幅度與基本面位置不同，不能直接視為整個 AI 交易同步轉空。 知名投資人 Paul Tudor Jones 曾公開表達對缺乏制衡的人工智慧感到憂慮。這類觀點會提高市場對監管、技術治理與社會成本的敏感度，也可能放大高估值 AI 公司的短期波動。AI 主線仍在，但風險定價已升高。 IonQ 腰斬反映量子運算的商業化折價。IonQ 過去一年股價跌幅接近 50%，今年 10 月再跌約 17%。量子運算具備長期技術潛力，但現階段收入規模、客戶導入速度與可重複的商業模式仍缺乏足夠能見度。當資金成本維持高檔，遙遠現金流折現後的價值下降，股價自然更容易劇烈擺盪。 執行長談論量子網路與下一代運算架構，可以協助市場理解技術方向，卻無法取代訂單、合約與獲利數據。對這類前沿公司而言，技術里程碑、錯誤率改善、運算規模與企業客戶採用程度，都比短期題材熱度更有判斷價值。 IonQ 的修正也說明，科技創新投資需要區分技術可行性與財務可投資性。兩者之間可能隔著多年資本投入，期間還要承受融資、競爭與技術路線變動。量子運算更接近高波動選擇權，部位管理自然要比成熟平台保守。 Dell 受惠於 AI 伺服器與企業基礎設施升級。Dell 在今年 9 月 18 日創下新高後回落約 3%，相較今年 1 月低點累計上漲 422%。這樣的漲幅反映市場提高對 AI 伺服器、資料中心與混合雲需求的期待，也代表價格已納入相當樂觀的成長假設。 AI 模型要投入企業環境，需要伺服器、儲存設備、網路系統與維運服務共同配合。Dell 位於這段基礎設施供應鏈，受惠方式與 GPU 設計商、雲端平台及軟體公司不同。企業硬體升級潮若延續，訂單與營收轉換速度通常也比量子運算清楚。 然而，股價上漲 422% 只能說明市場大幅上修預期。毛利率、伺服器產品組合、營運資金與自由現金流能否同步改善，才會決定這輪重估能走多遠。Michael Dell 對資料中心建置與企業升級的說法可作為產業線索，後續仍要回到財報驗證。 若用投資組合角度處理，成熟 AI 平台、基礎設施供應商與前沿技術應分開評估。前兩類可追蹤營收、訂單、資本支出與現金流；量子運算則需要更高風險折價與更小部位。股價強弱無法取代財務驗證。 現階段可確認科技資金已由單一路線轉向分層定價，證據仍集中在少數公司的股價表現。接下來要觀察雲端業者資本支出、AI 伺服器訂單、企業採用速度，以及量子公司的技術里程碑能否轉成收入。這些數據若持續改善，多軸成長才有更扎實的基本面支撐。

超微(AMD)受政策與人才雙線夾擊，AI成長主軸能否穿越監管波動？

超微(AMD)近期同時面對監管與人才競爭兩道考驗，短線股價雖回檔，但中長期競爭力尚未被明顯改變。市場焦點主要集中在兩件事：一是對中國銷售可能以15%營收抽成換取出口許可的政策安排；二是執行長蘇姿丰表態，不以一億美元級別薪酬盲目搶人，而是用使命與文化吸引AI人才。 若政策機制落地，對超微毛利率會有短線壓力，但也可能帶來更穩定的出貨節奏與需求可見度，減少灰色地帶的不確定性。白宮正與輝達(NVIDIA)與超微(AMD)敲定細節，市場關注的是，換得可預期性後，是否足以抵銷抽成成本。 在產業結構上，規模與合規能力成為新的門檻。大型企業較有能力承擔政策成本，也更能與政府談條件，這使得資金可能更偏向具資本與法遵韌性的權值股。對超微而言，雖然短線承壓，但在與政府對口、調整產品結構與訂價上仍有一定彈性。 人才策略方面，蘇姿丰強調不靠天價薪酬競逐AI人才，而是重視公司使命與技術影響力。這種做法有助維持內部公平與團隊文化，也反映出AI硬體公司除了資金之外，人才密度、協作效率與產品節奏同樣關鍵。 從營運主軸看，超微仍以EPYC伺服器處理器與Instinct AI加速器為成長雙引擎，搭配Ryzen、Radeon與半客製晶片分散營收來源。AI加速器透過ROCm軟體生態擴張，伺服器CPU則持續在雲端與企業市場擴張，資料中心占比提升對毛利結構有正面作用。相較之下，PC與遊戲業務仍較具周期性，扮演平衡景氣波動的角色。 超微採無晶圓廠模式，資本密集度相對較低，有助將資源集中於研發與產品落地。雖然AI競賽會推升前端研發與導入成本，但若能換取加速卡放量，營運槓桿仍有機會逐步顯現。投資人接下來會持續觀察營運現金流、存貨週轉與費用率控制，作為獲利曲線是否延續的重要依據。 風險面仍在監管與地緣政治。出口管制若持續收緊，需求遞延與渠道不確定性都可能升高；若許可制度化且具可預測性，反而比反覆禁令更利於營運管理。對超微來說，如何設計對中市場的差異化產品、在抽成與客戶折扣間取得平衡，將影響政策衝擊的實際程度。 整體而言，超微的投資敘事仍圍繞三個驗證點：AI加速器與伺服器CPU的出貨速度、對中出口許可與抽成機制的最終版本，以及使命導向人才策略是否能維持研發節奏。若這三項都能持續驗證，當前回檔可視為中長期觀察重點；若任一項不如預期，股價波動與評價壓力都可能放大。

AMD蘇姿丰訪台又訪韓：台積電(2330)與HBM供應鏈如何加速AI出貨？

超微(AMD)董事長暨執行長蘇姿丰今年10月6日訪台，隔天轉往韓國，行程連續兩天。這趟拜訪的重點很清楚，目的是把亞洲供應鏈資源重新接起來，讓AI運算需求更快轉成實際交貨能力。對AI伺服器供應鏈來說，交貨速度與產能配置，最近比口號更重要。 台灣這一站，焦點放在晶圓代工、先進封裝與系統製造。台積電(2330)這類晶圓代工龍頭，提供核心運算晶片生產能力，也承接硬體系統支援的關鍵工作。台灣完整的半導體製造與組裝鏈條，使它在全球AI晶片產能配置上維持核心位置。 韓國這一段，重心放在高頻寬記憶體(HBM)與伺服器DRAM。AI伺服器的瓶頸，往往不只在運算晶片，也卡在記憶體供給與搭配速度。當晶片製造與高階記憶體產能分別在台灣與韓國到位，整套系統的排產與交貨才有機會順下來。 這種跨國分工的價值，在於把不同環節的產能拉到同一節奏。晶片、記憶體、系統組裝各自都有自己的供應限制，任何一段落後，都會拖慢整體出貨。蘇姿丰這次密集走訪亞洲兩地，反映的就是這個現實。 目前能確認的訊號，集中在供應鏈整合加速，還沒有直接落到單一公司營收數字。這類訪問通常先反映產能協調與合作方向，後面才會看得到訂單、出貨與獲利的連動。對市場來說，真正有分量的是AI需求能否持續消化產能，並且讓晶片、HBM、伺服器組裝同步放量。 半導體相關類股接下來的變化，仍要看這種跨國協作能否持續推進。台灣提供製造與封裝，韓國補上記憶體，兩邊一起完成供應鏈拼圖，AI伺服器的量產速度才有機會繼續往上推。

AI 巨頭回檔、量子股腰斬、Dell 飆漲逾 4 倍，科技資金風向怎麼變？

全球科技股在經過一輪 AI 熱潮後，資本市場正進入重新洗牌階段。Nvidia（NVDA）、Microsoft（MSFT）、Alphabet（GOOGL）等 AI 指標股自高點回落，量子運算新秀 IonQ（IONQ）股價大幅下修，而 Dell Technologies（DELL）則因伺服器、資料中心與企業基礎設施需求，股價長線大漲，反映科技創新版圖已從單一 AI 故事，走向多軸並行。 從個股表現來看，Nvidia 距離歷史高點回落約 7%，但今年以來仍上漲 21%；Microsoft 自高點回落約 2%，相較今年 6 月低點仍上漲 55%；Alphabet 較 5 月高點下跌約 13%，年初迄今回報仍有 12%。這些數字顯示，AI 巨頭雖短線降溫，但市場對其長線成長仍未完全轉向悲觀。 相較之下，IonQ 過去一年股價幾乎腰斬，10 月又再跌約 17%，顯示量子運算題材仍處於「故事先於獲利」的階段，市場對其商業化進度維持保守態度。這也說明，前沿技術雖具想像空間，但股價波動往往更劇烈，估值更依賴未來落地能力。 另一端則是 Dell Technologies 的長線翻身。Dell 自今年 1 月低點以來累計大漲 422%，雖在 9 月中創高後略有回落，但整體漲勢仍非常亮眼。市場對 Dell 的評價，來自其在伺服器、儲存、網路設備與混合雲解決方案上的布局，也反映 AI 發展不只帶動雲端與晶片需求，後端基礎設施同樣受惠。 整體來看，科技創新資本風向已從過去單純追逐 AI 題材，轉向同時關注 AI 巨頭、量子運算與基礎設施供應鏈。AI 巨頭的回檔多屬估值修正；量子公司仍在技術驗證與商業化前期；而像 Dell 這類兼具獲利能力與產業位置的公司，則在本輪科技升級中扮演更穩健的角色。 對市場而言，接下來的關鍵不只是誰漲得最快，而是誰能把技術轉化為可持續的營收與現金流。科技股的故事，正在從單線狂飆，變成多條主線同時推進。