AI 新聞與投資

2026-05-15

BLUF — Bottom Line Up Front

推理/代理AI需求驅動多層受益：AWS Trainium規模化直接衝擊NVDA ASIC假說；TSMC上調全年展望強化chip layer多頭；Apple硬體轉型削弱軟體護城河論點

↑ 承接自 2026-05-14 · Anthropic算力缺口由SpaceX/Google雙線填補、Trainium規模化侵蝕NVDA推理份額、Apple硬體路線確立三項結構變化同日浮現

5 層觀察

關連腦圖

支持論點

1.晶片AWS Trainium規模化為NVDA ASIC競爭假說注入最強現實證據

Amazon Q1法說揭示Trainium推理工作負載已在規模化部署，Andy Jassy明確表示訓練→推理→代理的轉移正在發生，此與viewpoint nvidia-multi-arch-moat-vs-asic的h-001直接衝突：ASIC在推理市場的滲透速度高於預期（3230）。Anthropic同時使用SpaceX Colossus 300MW算力與Google TPU，意味前沿模型廠商正主動多元化GPU採購（3224）。

[1][2]

2.晶片TSMC 2026全年>30%成長展望強化晶片供給緊俏多頭假說

TSMC CEO CC Wei在法說中首度明確指出agentic AI導致token消費量「另一個台階式躍升」，並將全年資本支出指引上修至520-560億上緣，N3擴廠計畫確認，chip layer供給緊俏論點獲具體財務數字支撐（3237）。

[3]

3.AI 模型前沿模型廠商護城河戰場從算力轉向企業部署深度

OpenAI成立Deployment Company投入逾40億美元搶企業佈局，同期Anthropic 80倍年化增速主要來自企業coding工作流嵌入（3223、3240）；Google Cloud積壓訂單從2400億暴增至4600億，且明確說明增量來自TPU需求與企業AI工具（3229）。三者共同指向viewpoint ai-model-frontier-economics-moat的h-003：護城河分裂為行為數據飛輪vs企業工作流整合，而非算力規模本身。

[4][5][6]

4.應用Apple Ternus時代確立硬體差異化路線，on-device AI護城河論點待壓力測試

Ternus背景聚焦硬體執行力，反對Vision Pro與Apple Car等軟體主導大型賭注，MacBook Neo A18 Pro首例顯示A系列移植Mac計畫推進中（3235）。但與此同時Apple AI模型能力落後、智慧型眼鏡推遲至2027年以後（3233），直接衝擊viewpoint apple-ai-integration-moat-or-trap的h-001：2026 iPhone 18週期的換機潮驅動力是否真的來自on-device AI仍無實證。

[7][8]

5.基礎設施多雲基礎設施競爭格局重組，Azure獨家優勢正式終結

OpenAI-AWS協議打破Azure獨家授權，Microsoft修訂協議允許OpenAI模型在所有雲端服務商上線（3232）；搭配Azure 40%增速維持與AWS 28%加速同步，代表infra layer的算力爭奪從單一雲端轉向多雲競爭，強化Google Cloud與AWS相對Azure的份額擴張論點（3227）。

[9][10]

為什麼重要

NVDA需重新評估：AWS Trainium與Anthropic同步採用SpaceX/Google TPU的行為，使ASIC推理份額侵蝕速度成為NVDA高估值的直接風險點，需監控Trainium實際推理工作負載佔比是否突破10%。TSM獲法說雙重確認（>30%成長+N3擴廠），多頭假說強化，是觀察清單中基本面最清晰的標的。GOOGL與AMZN雙雙獲得企業AI積壓訂單暴增的直接財務佐證，infra+model雙層受益結構確認。AAPL面臨Ternus轉型期最大不確定性：硬體執行力可期但AI模型能力落差持續擴大，App Store護城河侵蝕假說進入可驗證視窗。

第一性原理

代理式AI（agentic workload）的根本結構是：每個代理任務消耗的token量比問答式高出10-100倍，直接驅動算力需求從線性變指數，TSMC與雲端基礎設施的資本支出增速（TSMC 2026E +30%、Google $180-190B、Amazon持續擴建）是此供需失衡的財務確認。前沿模型廠商的護城河爭奪已由訓練算力轉移至企業部署深度：Anthropic 80倍年化增速vs OpenAI緊急成立Deployment Company，說明企業工作流整合的黏性高於API價格競爭。ASIC競爭的結構性威脅在於推理工作負載的可預測性高於訓練，使ASIC成本優勢在inference-only集群中具備量化可行性；若Trainium推理份額在兩季內超過15%，NVDA的ASIC競爭護城河假說破。AI基礎設施的資本密集度重塑Aggregation Theory：零邊際成本假設失效，控制需求端（Anthropic/OpenAI的用戶黏性）的平台反而獲得對供給端算力的議價槓桿。

投資方向

方向	Ticker / rationale
多 Long	`TSM` — TSMC法說確認>30%全年成長+N3擴廠，agentic token需求驅動多年資本支出上修，chip layer多頭假說獲最強財務佐證
	`GOOGL` — Cloud積壓訂單從2400億暴增至4600億，TPU需求驅動增量，infra+model雙層受益且Google自用與外部客戶共享同一基礎設施
	`AMZN` — AWS 28%增速創2022年來新高，Trainium規模化降低NVDA依賴，agentic workload驅動客戶上雲，物流基礎設施開放化額外擴大TAM
空 Short	`INTC` — Intel CPU需求回升是結構性AI orchestration需求而非製造能力恢復，Terafab時程不確定性使代工轉型假說缺乏催化劑
觀察 Watch	`NVDA` — AWS Trainium規模化與Anthropic多元化採購直接測試ASIC假說；若推理市場ASIC份額兩季內超過15%，多頭論點須降評
	`AAPL` — Ternus硬體路線確立但AI模型能力落差持續，iPhone 18換機潮是否由on-device AI驅動將是h-001的首個可驗證節點
	`MSFT` — Azure獨家優勢終結後40%增速能否維持，Copilot 2000萬付費用戶增速33%是否足以支撐AI投資回報敘事

相關公司 KB 快照

TSM3 個 KB 文件

台積電在先進製程領域持續鞏固技術主導地位，旗下N3P與N2工藝分別對應高效能運算與下一代2nm GAA架構，並成為華為麒麟晶片回歸及高通、聯發科等客戶旗艦方案的關鍵支撐。然而，隨著英特爾18A等競技節點逐步成熟，以及地緣政治干擾與供應鏈國產替代壓力上升，台積電面臨客戶分散化與庫存調整的潛在風險。短期催化來自華為Mate 60 Pro加單帶動的產業鏈備貨需求，但長期需觀察先進封裝良率與3nm以下成本結構能否持續壓制競爭威脅。

/volume1/homes/howard/MS/20230917-中泰证券-半导体行业周报：华为Mate60 Pro加单，看好产业链投资机遇.pdf
/volume1/homes/howard/MS/20230918-招商证券-电子行业华为手机产业链跟踪报告：华为新机携麒麟芯片回归，关注产业链技术创新及国产替代 1.pdf
/volume1/homes/howard/MS/23Q3路标风险与策略_0831_1693516896585032 - 複本.pptx

GOOGL3 個 KB 文件

Google 在技術定位上以 LiteRT、TPU 及 Android NNAPI 鞏固邊緣 AI 與行動生態優勢，並藉 Gemma 與 TPU 佈局雲端推理與訓練；競爭態勢方面，NVIDIA Ampere/ H100/ H200、AMD MI300/ Ryzen AI 及 Intel Gaudi 3 在高性能運算領域形成多頭擠壓，Qualcomm Snapdragon 8 Gen 2、Apple 神經引擎與自家 TPU 則在終端與雲端雙線交鋒。風險上，TSMC 與三星的製程成本模擬暗示供應鏈壓力，而華為與小米的 5G 專利交叉協議可能間接削弱 Google 在通訊標準中的授權談判籌碼，催化劑則來自 Flux 等開源模型對 LiteRT 生態的擴展及 PREMA 調度器對終端效能的優化。

/volume1/homes/howard/MS/20230918-万联证券-电子行业周观点：华为与小米达成全球专利交叉许可协议，覆盖包括5G在内通信技术.pdf
/volume1/homes/howard/MS/S19系列经营关键指标-charter_1692942480283653 - 複本.pptx
/volume1/homes/howard/MS/Y&SE成本模拟2.0_1017_1666149506213203 - 複本 - 複本.xlsx

AMZN3 個 KB 文件

AMZN 在視覺模型領域聯手 UC Berkeley、NVIDIA 及 Meta 等頂尖機構，以 Mamba 系列非 Transformer 架構切入技術前沿，試圖突破成本與效率瓶頸；同時在 AI 訓練與推理服務上，透過 AWS 支援 Qwen2.5、Llama3.1 等開源模型及 GRPO 強化學習，持續穩固雲端算力優勢。然而，競爭態勢嚴峻：Flipkart 與 Walmart 等零售對手正加劇電商領域壓力，而 DeepMath 等高效開源模型可能削弱其雲端服務獨特性。關鍵催化劑在於 Mamba 能否量產顛覆性視覺應用，風險則來自算力集中管理政策變動與競爭者技術追趕。

/volume1/homes/howard/MS/AI/mamba/Mamba系列視覺模型之深入技術比較.docx
/volume1/homes/howard/MS/文件/WeChat Files/wxid_0096230961722/FileStorage/File/2022-06/广东省新冠肺炎防控指挥办疫情防控组关于调整集中隔离管理措施的紧急通知(1)(1).pdf
/volume1/homes/howard/Google/學測/英文/指考英文試卷.pdf

INTC3 個 KB 文件

英特爾正以18A製程與GAA技術積極重返先進製程競賽，力圖在2奈米節點對抗台積電N2的領先地位，強化處理器與晶圓代工雙軌策略。然而，面臨AMD、Marvell等業者競爭，以及華為麒麟晶片國產替代趨勢的壓力，其技術落地時程與客戶採用意願成為關鍵。政策面受惠於「新質生產力」號召，可能加速本土供應鏈合作，但地緣風險與成本控制仍是重大挑戰。

/volume1/homes/howard/MS/20230918-招商证券-全球产业趋势跟踪周报：工信部出台政策响应培育“新质生产力”号召.pdf
/volume1/homes/howard/MS/20230918-招商证券-电子行业华为手机产业链跟踪报告：华为新机携麒麟芯片回归，关注产业链技术创新及国产替代 1.pdf
/volume1/homes/howard/MS/2023年3月经营例会-待确认实销份额输出方式-0316_159155299_.pptx

NVDA3 個 KB 文件

NVIDIA 憑藉 H100 及先進 Transformer 架構（含 FlashAttention）穩居 AI 算力龍頭，技術上持續探索 3nm 與 GPU/NPU 整合，並透過 NVCell 等研究深化 EDA 與高效能運算佈局。然而，高通 Snapdragon 8 Gen3、谷歌 TPU 及華為 Mate 60 Pro 帶動的國產鏈（如 SCNN、NAFNet）正加速追趕，形成多極競爭壓力。短期風險在於美國出口管制與地緣政治不確定性，但 LayerNorm、Self-Attention 等核心技術壁壘及與 MIT CSAIL、清華的合作，仍為其催化長期領先的關鍵。

/volume1/homes/howard/MS/20230918-光大证券-计算机行业AI主题演绎复盘&下阶段展望：华为Mate 60 Pro持续引领关注，建议关注华为产业链相关标的.pdf
/volume1/homes/howard/MS/MTK Fin report.xlsx
/volume1/homes/howard/MS/S17 B端动作.pptx

AAPL3 個 KB 文件

華為攜麒麟晶片強勢回歸，直接衝擊蘋果在高階手機的技術與市場定位，尤其在大中華區，高通等供應鏈夥伴的訂單動能亦面臨變數。儘管蘋果仍具品牌生態與供應鏈整合優勢，但面臨來自華為、三星及中國三大品牌（OPPO、vivo、小米）的夾擊，競爭態勢日趨嚴峻。短期催化來自新機發表與服務收入成長，但風險在於終端需求放緩與地緣政治帶來的不確定性。

/volume1/homes/howard/MS/20230918-招商证券-电子行业华为手机产业链跟踪报告：华为新机携麒麟芯片回归，关注产业链技术创新及国产替代.pdf
/volume1/homes/howard/MS/20230918-华西证券-计算机行业报告：华为全联接大会前瞻，智能的下一站.pdf
/volume1/homes/howard/MS/20230921-中信建投-华勤技术-603296-全域客户覆盖份额持续提升，2+N+3平台布局动能充足.pdf

MSFT3 個 KB 文件

微軟在此次報告所涉及的技術生態中，定位為深度學習與邊緣運算的關鍵推動者，其Kinect與GPU晶片應用凸顯在電腦視覺與感測融合領域的競爭優勢。面對高通、輝達及華為等強敵環伺，微軟須在CNN架構與點雲處理效能上持續突破。主要風險來自中國供應鏈整合與自研晶片（如Kirin 9000）的追趕，而催化劑則在於結合Mask R-CNN與LIDAR的工業自動化場景落地，以及與MIT Han Lab等機構合作的演算法迭代潛力。

/volume1/homes/howard/MS/合肥出差报告_1208.docx
/volume1/homes/howard/MS/（新）附件2 个人承诺书（示范文本） - 複本.docx
/volume1/homes/howard/MS/Howard Proflie 2023.docx