白領被 AI 盯上時，該先學哪一招？

AI與HPC推升先進製程與先進封測需求，華洋精機、牧德、聯發科、力積電受關注

隨著生成式 AI 與高效能運算（HPC）需求快速成長，全球半導體先進製程與先進封測產能出現供不應求，帶動相關設備廠商與供應鏈營運表現。AOI 檢測設備商華洋精機（6983）近期以每股 85 元掛牌上櫃，公司專注於影像檢測設備與模組，2024 年營收 2.51 億元，預估 2025 年提升至 3.12 億元，並針對玻璃通孔（TGV）與碳化矽（SiC）晶圓等先進封裝檢測項目展開研發。設備大廠牧德（3563）則受惠高階 PCB 與半導體封測需求回溫，2024 年度合併營收達 31.92 億元，每股稅後淨利 15.80 元。此外，晶片設計大廠聯發科（2454）於供應商大會中強調，將持續聚焦運算與能效提升，並將 AI 預測導入供應鏈管理機制，期望在產能吃緊的狀態下獲得供應鏈支持。晶圓代工廠力積電（6770）亦展示其 3D WoW 晶片堆疊與 DRAM 整合等先進封裝技術，鎖定超大記憶體容量與高頻寬存取市場。整體而言，AI 浪潮正推動半導體上下游產業鏈的技術升級與產能擴張。

聯發科(2454)攜手元太(8069)　AI電子閱讀器與彩色電子紙加速整合

聯發科(2454)與元太科技(8069)宣布深化合作，將聯發科首款專為生成式AI電子閱讀器打造的系統單晶片（SoC）與硬體時序控制晶片（Hardware TCON）整合，並同步支援元太最新彩色電子紙技術平台 E Ink Gallery 與 E Ink Kaleido，共同布局電子書與教育市場。 聯發科新款 AI 電子閱讀器 SoC 為 MT8115 與 MT8126，分別支援 Linux 與 Android 平台。晶片內建 NPU，具備 7.4 TOPS 的 AI 運算效能，可在裝置端支援多人語音辨識、會議逐字稿生成、會議摘要，以及超過 20 種語言的即時翻譯功能。 在顯示技術應用上，該 SoC 支援 Oxide TFT 7 級高壓驅動技術，最大可支援 13.3 吋、300 PPI 高解析度電子紙面板。搭配 E Ink Gallery 技術時，最高支援 7-bit 色彩深度並具備混色技術；在 E Ink Kaleido 平台上，則支援局部快速刷新與動態低殘影演算法，有助提升畫面切換流暢度與網頁瀏覽體驗。 兩款最新電子紙平台預計率先搭載於元太子公司元力電紙（Linfiny）的新一代電子紙平板，並將於 COMPUTEX 2026 共同展出相關解決方案。

尚茂(8291)營收僅90萬卻衝上91元，題材熱度能否撐住股價？

尚茂(8291)股價自 13.75 元一路拉到 91.1 元，市場關注焦點不在漲幅本身，而在 4 月營收僅約 90 萬元、前 4 月累計約 199 萬元，和股價表現之間的落差。目前單月每股仍虧損 0.12 元，顯示獲利結構尚未完全站穩。從現階段資訊來看，股價較像提前反映題材與未來想像，而不是營運已經全面驗證。 尚茂之所以被放大檢視，除了 PCB 族群熱度，也與自動化、六軸機械手臂、無人化機器人等題材相關。這些方向確實能帶來市場想像，但題材不等於接單穩定，想像也不等於毛利改善。如果後續營收沒有持續放大、虧損沒有明顯收斂，股價就可能比基本面跑得更快。 比起單純討論 91.1 元是否偏高，更值得觀察的是三個變化：營收能否持續成長、虧損能否持續縮小，以及成交、處置與流動性狀況是否帶來更大的波動。這類案例真正值得追蹤的，不是當下熱度，而是後續幾季的財報是否能跟上股價預期。

Anthropic跨足企業顧問，Palantir企業AI版圖受挑戰

生成式AI龍頭Anthropic收購Fractional AI，正式跨足企業顧問與落地服務，並將戰場從「賣模型」推進到「賣導入」。這代表企業AI的競爭，已從聊天機器人轉向資料整合、法遵、流程重塑與長約合約。 文中指出，Palantir Technologies（NASDAQ: PLTR）長期以Foundry與Gotham平台服務企業與政府客戶，兼具軟體訂閱與現場顧問導入特性，因此常被形容為「披著SaaS外衣的顧問公司」。這種模式帶來高黏著度與高切換成本，也讓其在敏感資料與防務場景中建立深厚優勢。 Anthropic此次透過併購Fractional AI切入顧問服務，意在補齊企業導入的最後一哩，將模型能力與落地經驗整合為更標準化的流程。對企業客戶而言，這可能縮短採購與整合時間，也提高AI專案成功率。 不過，Palantir的護城河也來自多年累積的政府與國防專案經驗，以及本體論設計與資料整合深度。文章同時提到，當AI工具逐步標準化後，高度依賴工程師現場支援的模式，是否仍能維持不可替代性，仍有討論空間。 整體來看，這篇文章聚焦的是企業AI市場的結構轉變：真正的價值不只在模型本身，而在能否長期嵌入企業流程，成為日常營運基礎設施。Anthropic的動作，讓「軟體＋顧問」混血模式成為企業AI下一階段的重要競爭焦點。

Google推Gemini Flash-Lite壓低AI成本，資本支出壓力與長期成長怎麼看？

Google (GOOGL) 近期因 AI 資本支出增加而引發市場疑慮，股價也因此承壓。不過，母公司 Alphabet 持續擴充 Gemini 模型系列，新增更低成本的 Flash-Lite，並同步推進 Gemini 2.0 Flash 與測試中的 Pro 版本，顯示公司仍在強化生成式 AI 的產品競爭力。 從定價來看，Gemini Flash-Lite 每百萬 token 為 0.019 美元，低於 OpenAI 便宜版 GPT 模型的 0.075 美元，也接近 DeepSeek 的低價策略。這反映 AI 市場正進入價格競爭階段，科技巨頭一方面要壓低使用門檻，另一方面也必須承擔更高的研發與運算成本。 市場目前關注的重點，已不只是 AI 模型能否推出，而是這些產品能否成功變現。對 Alphabet 而言，AI 的發展除了影響搜尋與廣告，也可能牽動雲端與企業應用的成長動能；但在資本支出持續上升的情況下，短期股價波動恐怕仍會維持。 整體來看，Google 正在用更低價的 Gemini 產品參與 AI 競爭，但投資人同時也在觀察，高額投入是否能在未來轉化為實際營收與獲利。

AI與HPC推升先進封測需求，華洋精機、牧德與聯發科供應鏈動能受關注

隨著生成式 AI 與高效能運算需求快速成長，全球半導體先進製程與先進封測產能出現供不應求，帶動相關設備與供應鏈營運表現。華洋精機(6983)近期以每股 85 元掛牌上櫃，公司專注於影像檢測設備與模組，2024 年營收 2.51 億元，預估 2025 年提升至 3.12 億元，並針對玻璃通孔（TGV）與碳化矽（SiC）晶圓等先進封裝檢測項目展開研發。牧德(3563)則受惠高階 PCB 與半導體封測需求回溫，2024 年度合併營收達 31.92 億元，每股稅後淨利 15.80 元。聯發科(2454)在供應商大會中強調，將持續聚焦運算與能效提升，並將 AI 預測導入供應鏈管理機制，期望在產能吃緊的狀態下獲得供應鏈支持。力積電(6770)也展示 3D WoW 晶片堆疊與 DRAM 整合等先進封裝技術，鎖定超大記憶體容量與高頻寬存取市場。整體而言，AI 浪潮正推動半導體上下游產業鏈的技術升級與產能擴張。

ECB點名生成式AI資安風險升溫，銀行防線與資安供應鏈迎變局

歐洲中央銀行（ECB）將生成式AI視為金融體系的新型系統性風險，主因在於高階AI模型可在極短時間內掃描並找出大量軟體弱點，進一步壓縮銀行從修補漏洞到防堵攻擊的緩衝時間。ECB執委Frank Elderson指出，過去銀行還能依賴更新與修補之間的時間差，如今AI工具可能在更新釋出後幾乎立即找出可被利用的程式碼，讓資安團隊面臨更大的防禦壓力。 引發關注的案例之一，是Anthropic最新模型「Claude Mythos Preview」在測試中被指出可掃描出數以千計的關鍵性漏洞；不過，Anthropic採取嚴格限縮存取方式，避免工具落入惡意使用。這也讓歐洲金融機構出現雙重壓力：一方面擔心資安技術落後，另一方面又無法直接使用這類工具自我檢測。ECB預計與銀行討論AI對金融穩定的衝擊，並希望美國大型銀行分享在受控環境下使用相關工具的經驗，縮短歐洲銀行的技術落差。 歐盟官員也已與Anthropic討論建立更廣泛的測試機制，同時法國新創Mistral AI正開發針對歐洲金融業的資安模型，試圖提供區域替代方案。整體來看，這場由AI驅動的資安變化，不只是科技公司競爭，也牽涉監管主權與技術自主權。對銀行而言，後續可能需要加碼投資AI輔助監控、威脅偵測與自動化弱點管理系統。 市場面上，資安與雲端供應商被視為潛在受益者。若ECB持續把AI資安列為金融穩定重點，銀行IT與資安預算可能重新分配，導入更多AI驅動的入侵偵測、異常行為分析與自動修補工具。對掌握雲端與AI基礎設施的科技業者，以及專攻弱點掃描與風險管理的資安公司而言，歐洲市場需求有望提升。 但風險也同步增加。AI揭露漏洞的速度越快，金融機構的營運與聲譽風險就越高；若銀行無法讓監管者與客戶相信其資安防禦能力已跟上變化，未來一旦發生資料外洩或服務中斷，可能面臨罰款與估值壓力。整體而言，資安治理的透明度與投資力度，將逐漸成為評估銀行風險的重要指標。

AI 不是單純裁員機器？創投押注 3000 億美元後，市場真正缺的是高階判斷與人機協作

全球創投逾 3000 億美元押注「AI 取代人力」，但來自企業一線的實證卻顯示：AI 正把舊有能力商品化，反而推升對高階專業判斷與人機協作基礎設施的需求。市場版圖正從裁員故事，轉向「專家增幅」的新經濟。 人工智慧被吹捧為史上最強「裁員機器」，但從實際部署前線傳回來的訊號，卻對這個敘事投下重磅問號。當愈來愈多企業把寫程式、寫報告、客服等知識工作交給 AI 代理人時，他們意外發現：需要的人力不是變少，而是變得更貴、更專業。 來自媒體與 AI 研究公司 Every 的 CEO Dan Shipper，以他 30 人團隊的激進自動化實驗，提供了一個罕見的「另一邊」視角。團隊在程式開發、內容撰寫與客服流程大量導入 AI，確實看見產能爆發，但同時發現，一切效率都高度依賴少數具備深厚專業判斷的人，去定義任務、審核成果、持續修正流程。這與華爾街過去幾年把 AI 當成「拿掉人頭、自然擴大利潤」的投資假設，有明顯落差。 這個落差在資金流向上尤其刺眼。根據 OECD 今年 2 月公布的分析，2025 年 AI 公司拿走了全球創投資金的 61%，金額高達 2,587 億美元；到了 2026 年第一季，AI 相關投資占比更拉升至約 80%。其中，以 OpenAI、Anthropic、xAI 等前沿實驗室為首，分別完成 1,220 億、300 億與 200 億美元等級的超大型募資，資本市場幾乎全盤押注「AI 會直接吃掉人力成本」。 然而，Anthropic 自家經濟學團隊在 2026 年 3 月的一份研究中指出，AI 在理論上確實能涵蓋多數電腦科學、財務管理、法律等領域的工作任務，但實際在企業內的 Claude 使用程度卻遠低於這個「天花板」。研究認為 gap 並非暫時性的「導入落後」，而是結構性現象：要讓模型工作，必須先有人用專業知識把問題「框」清楚。 Shipper 將這個現象稱作「框架問題（frame problem）」，而這也是現有各種基準測試完全量不到的東西。以 OpenAI 的 GDPval 基準為例，這個測試宣稱，在法遵、法律、軟體開發等職業任務上，Claude Opus 4.1 有近半時間能打敗人類專家。但被忽略的是，這些測試題在丟給模型前，已經預先定義好要處理的範圍、信心區間、評估標準、必須提及的實體，以及輸出格式。換句話說，真正困難的判斷早被人做好，模型只是在一個設計良好的「框架」裡展現能力。 Every 內部的 Senior Engineer 測試，更直接揭露了框架品質如何左右 AI 表現。當工程團隊用「釐清需求、從第一原則為壞掉的程式碼做結構性重寫」這種明確指令餵給 GPT-5.5 時，最佳跑分可達 62/100，顯著領先競品；但若把提示改成「把所有會跳錯的地方修好」，分數幾乎崩盤。模型本身沒有變笨，變的是人給它的問題框架。也因此，期待「下一代大模型」自動解決框架問題，恐怕是在本質上搞錯方向。 更棘手的是，語言模型的訓練資料來自「既成工作成果」，它並未參與當時現場的取捨，例如：該先解決哪個問題、要做到什麼程度、在什麼限制下折衷。這些被稱為「當下判斷」的能力，暫時仍只能仰賴人類提供。AI 做得越多，負責定義與監督它的專家，反而成為新的稀缺資源。 接下來的經濟效應，也與過去幾波自動化浪潮有異曲同工之妙：一旦稀有技能被技術大量廉價化，需求往往不會消失，反而會「爆量」。Every 的營運人員開始提出過去不敢想的工程變更，行銷團隊在幾分鐘內就能產出多組縮圖、文案，工程師也用 AI 草擬產品說明，結果是各類內容的總量幾何級數成長。問題在於，當模型都訓練在相似語料上，預設輸出會高度同質化，差異化反而更貴、更需要具體情境判斷。 這也推高了「自動化本身」的成本與複雜度。Shipper 提到，Every 一個 PowerPoint 自動化流程就牽涉 24 個技能模組、18 支腳本，每份簡報平均要耗掉 62 美元的 token 成本，而且還得持續由人力維護，避免隨著業務調整而失準。開源專案 OpenClaw 的提交紀錄提供另一個側面：截至 2026 年 5 月中，該專案已累積 44,469 次 pull request，其中僅 5 月前 3 週就貢獻了近 4,000 次。做個對照，Kubernetes 在 2022 年全年才收到約 5,200 次 pull request。全球 AI 輔助開發產出量之大，過去幾乎沒有前例，而這些產出最後都需要人來審核、整合與維運。 對投資人而言，這意味著一個與「純裁員故事」截然不同的市場地圖。真正具結構性需求的，可能是那些圍繞「專家增幅」而非「人頭削減」設計產品的公司——例如賣的是審稿、校準、治理流程中的工具，而不是只在執行層搶單的 AI 代理；又或者提供人機協作所需的雲端與算力基礎建設。包括 Amazon(AMZN) 的 AWS、Meta Platforms(META) 的廣告與 AI 服務、以及成長爆發的 Nebius(NBIS)，都在不同程度扮演這類基底角色，也持續吸引 Nvidia(NVDA) 等硬體巨頭的資金與合作。 企業端的實際回報，也逐漸證實這種「雙層經濟」。早期導入 AI 的大型買家，並沒有報告大規模裁撤白領部門，反而新增了 AI 工程師、工作流程設計師、以及大量「資深審稿人」或領域專家，負責將即時商業情境轉譯成模型可用的問題框架。下層較例行、重複的白領職務則面臨強烈擠壓，Anthropic CEO Dario Amodei 甚至警告，AI 可能在未來幾年淘汰多達一半入門級白領工作。 從宏觀勞動市場來看，頂端專家工作擴張、底層初階職務萎縮這兩股力量可以同時存在。關鍵在於：哪一邊的力道更大？專家層級的增量產值，能否抵消被取代職務的總薪資？這不只攸關所得分配，也決定了未來十年 AI 對社會的淨影響。如今無論是 GDPval 這類基準，還是任何單一模型分數，都給不出答案。 對台灣投資人與職場工作者而言，眼前最務實的啟示或許是：真正被 AI 侵蝕的是「中階穩態能力」，而不是「會學習、會整合不同脈絡的判斷力」。在資本市場還在追逐下一個 OpenAI、Anthropic 之際，新的機會正在專家增幅工具、人機協作平台與 AI 治理服務中悄悄成形。這一輪浪潮能否比上一輪網路革命創造更多、更均衡的機會，勢必成為未來十年全球政策與市場角力的核心戰場。

AI基礎設施股飆漲後，Micron(MU)與Teradata(TDC)風險怎麼看？

生成式AI帶動資料中心與雲端分析需求升溫，Micron(MU)與Teradata(TDC)等AI基礎設施相關企業股價大幅上漲。不過，從記憶體產業的景氣循環、巨額資本支出，到管理層減持等跡象來看，市場開始重新評估這波AI紅利能否延續。 以Micron為例，近五年股價大漲，最新一季營收年增接近200%，高頻寬記憶體(HBM)需求強勁，營業利益率也明顯提升。但記憶體產業一向具備明顯循環特性，歷史上常見的模式是需求升溫後帶動擴產，最終又回到供過於求與價格下滑。Micron未來在美國規劃約2,000億美元的投資，若加上Samsung與SK Hynix等競爭對手同步擴產，未來供給增加可能成為獲利壓力來源。 另一方面，雲端分析平台Teradata的最新財報顯示營收成長溫和、毛利率維持穩定，現金部位也相對充足，反映企業客戶持續導入資料整合與AI分析工具。不過，高層近期依預先規劃交易計畫減持持股，也讓市場對股價是否已反映多數成長預期產生關注。 整體來看，AI基礎設施題材仍具中長期成長故事，但市場情緒、資本支出節奏與產業循環風險，已讓投資評價從單純追逐成長，轉向更重視風險與報酬的平衡。對一般投資人而言，重點不只是AI是否改變產業，而是當前股價是否已提前反映未來多年成長。

生成式 AI 需求大爆發，Dell 科技( DELL ) 為何反而可能失去市場？

Loop Capital 分析師指出，儘管生成式人工智慧市場蓬勃發展，但 Dell 科技的未來表現可能面臨挑戰。 在即將到來的財報季節前，Loop Capital 針對生成式人工智慧相關議題進行了深入研究。雖然該報告中有些結果顯示市場潛力強勁，但 Dell 科技（NYSE:DELL）的情況卻讓人擔憂。 分析師 Ananda Baruah 和 John Donovan 指出，儘管整體產業在快速成長，Dell 似乎無法完全把握這一波機會，可能導致其市場份額下滑。他們認為，與競爭對手相比，Dell 在技術創新及產品推廣上存在一定劣勢。 此外，隨著企業對生成式 AI 伺服器需求增加，Dell 若無法迅速調整策略，將難以維持其市場地位。 此時，投資者應密切關注 Dell 的後續舉措，以評估其能否逆轉當前頹勢並抓住生成式 AI 帶來的新商機。