疑慮一：「Token極限化」（Tokenmaxxing）削減企業支出
核心論點：企業員工Token支出目前的中位數極低（每月低於11美元），且AI採用經濟效益極為划算（單次應用平均可為企業省下55美元成本，對應僅2-5美元的Token支出）。這套「投報比」邏輯不僅適用於美國企業市場，中國市場的實際使用數據更提供了強力的旁證：
根據OpenRouter最新數據，截至2026年6月，中國AI模型貢獻的Token使用量已達約18兆（trillion），相較之下美國模型僅約5.5兆——中國模型的Token吞吐量已是美國模型的逾3倍（需留意OpenRouter僅追蹤全球約2%的Token消耗量，屬取樣性質，但方向性訊號明確）。
更關鍵的是成長曲線：中國每日AI Token消耗量已從2024年初的約1,000億（100bn），暴增至2026年3月的約140兆（140tn）——短短兩年間成長逾千倍。
2026年2月OpenRouter全球最常用的前五大模型中，有四個是中國模型（DeepSeek、Qwen、Kimi、GLM），反映出中國「AI+」滲透政策確實正在轉化為實際使用量，而非停留在政策口號層面。
對「Token極限化」疑慮的意涵：若企業真的普遍在限制員工Token預算，我們理應在全球主要市場（尤其是政策明確鼓勵AI滲透、且高性價比模型供給充沛的中國）觀察到使用量成長趨緩的跡象。但中國的數據顯示恰恰相反——當Token定價夠低、模型性價比夠高時，使用量呈現爆發式而非受限式成長。這強化了「效益遠大於成本、限制論站不住腳」的核心立場，也預示美國企業市場的Token使用量成長仍有極大空間尚未釋放。
疑慮二：中國開源模型崛起「威脅論」
核心論點：中國模型雖能力強勁，但Token價格不等於Token使用所創造的價值（即這些模型要達到特定成果，實際上可能同樣耗費大量運算資源），且中美雙方對效率的競相追求，反而會強化而非削弱整體運算需求。以下從供給端（中國晶片生態系）進一步佐證這個邏輯：
中國AI晶片生態系：以系統整合彌補製程落差
中國AI GPU競賽「已不再只是晶片規格的競賽」。儘管中國本土晶片在製程層級上仍落後美國約兩個世代，但透過多晶粒設計（multi-die）、先進封裝、機櫃級系統架構、光通訊網路，以及軟硬體協同優化，實際差距正在收斂。
多家主要 LLM 開發商表示，只要 Token 成本具競爭力，願意部署本土GPU——顯示採購決策已從「意識形態」轉向「經濟性」（economics, not ideology）。
具體數據：中國AI晶片的總持有成本（TCO）可較 NVIDIA 同級產品低 30-60%，部分中國頭部AI加速器的每Token成本已可與NVIDIA在中國市場的產品打平甚至超越。
預期中國AI晶片市場（TAM）將從2025年的670億美元，成長至2030年的910億美元，2025-30年CAGR達23%；同時中國AI晶片自給率預估將從2025年的42%，大幅提升至2030年的70%。
Moonshot K3 已對眾多AI基礎建設類股造成明顯的市場弱勢：
K3 是目前為止最大的中國開源權重 LLM，可能顯示規模法則（scaling law）依然成立。其較高的定價對 LLM 市場動態亦屬正面。我們不將 K3 視為一夕奇蹟，而是中國 AI 模型產業累積進展的成果。6 月發布的 GLM-5.2 已相當出色。我們預期未來將出現規模更大、定價更高、性能更佳的中國 LLM，並具備強勁的全球競爭力。
此外，依Morgan Stanley 的「智慧工廠」（Intelligence Factory）模型測算顯示，一座200MW 資料中心若採用 Kimi K3（相對於現行前沿模型）運作，其投入資本回報率（ROIC）利潤率僅溫和提升約 3%。Kimi顯然是一款強勁模型（其基準測試表現可為佐證），但其（從參數規模與定價可見）似乎延續了前沿模型日益強大的趨勢，而非走向 Qwen 或 MiniMax 那類較小型的開源模型路線。
「兩個世界」政策分裂——中美互相設限的雙向動態
美中在AI政策上出現雙向管制升高的機率正在上升：
美方可能的限制手段：商務部BIS擴大「實體清單」、動用ICTS供應鏈審查機制、財政部OFAC制裁、將AI OVERWATCH Act與MATCH Act等條款納入年度國防授權法案（NDAA），限制中國取得訓練前沿模型所需的晶片與製造設備。
中方可能的對應手段：透過2023年《生成式人工智慧服務管理暫行辦法》的網路安全審查、內容審查、演算法備案等行政監理機制，實質限制未經核准的外國模型進入中國市場（Apple Intelligence在中國市場被迫改採阿里巴巴Qwen而非美系模型堆疊，即為明確案例）。
投資意涵：這種雙向管制格局，恰恰印證了上述核心邏輯——中美雙方各自追求AI自主與效率極致，最終將使全球運算基礎建設的總需求「不減反增」（傑文斯悖論1的地緣政治版本）。對中國AI解決方案供應商而言，由於市場對其潛在上漲空間的定價明顯不足，加上中國模型展現的性能與成本競爭力，對 AI 硬體類股應維持看多。
疑慮三：資料中心建置瓶頸（人力/電力/政治）
美國資料中心建置瓶頸的原始論述聚焦於「人力、電力、政治」三大障礙（技術工人短缺、電網接入困難、各州政治反彈導致租稅優惠遭撤回）。若加入中國因素進行對照，可看出中美在此議題上的制度性差異，這正是「中國因素」在此疑慮中的關鍵作用：
中國：將AI運算力提升至「國家戰略基礎設施」層級
2026年4月28日，中國中央政治局將「六大網絡」（算力、水、電、通訊、城市地下管網、物流）提升為國家戰略性基礎設施層級，實質上將AI運算力與水、電並列為公共事業。
2026年5月9日國務院將此政策落地執行，國家發改委確認「十五五」規劃（2026-2030）期間六大網絡總投資將超過人民幣35兆元，其中2026年單年算力網絡投資即超過人民幣1兆元。
彭博社於2026年6月9日報導，中國正草擬一項全國互聯AI資料中心藍圖，規模約人民幣2兆元（約2,950億美元）、為期五年，主要由中國移動與中國電信營運，並設有硬性≥80%本土硬體採購要求（華為、寒武紀等）。
資金來源涵蓋主權債務、國家扶持載體、銀行體系，以及阿里巴巴等超大規模雲端業者。
中美路徑的關鍵差異：由上而下 vs. 由下而上的政治摩擦
美方在資料中心建置上正面臨由下而上的政治反彈——公用事業費率凍結、居民用戶帳單保護、各州陸續撤回租稅優惠等，且已成為期中選舉的重要議題之一。美國電網介接延遲在部分地區已達5-7年，MS估計到2028年美國資料中心電力潛在缺口約38GW（2030年擴大至約122GW）。
相對地，中國透過中央集權的黨政體系，由國務院、國家發改委、工信部等由上而下推動基礎建設落地，較不易受到地方層級的政治反彈干擾——這是中國體制在AI基礎建設競賽中的結構性優勢，但也伴隨MS所稱的「本土硬體強制採購」等產業政策風險（對非中國供應鏈廠商而言可能形成排他性）。
值得注意的是，中國超大規模雲端業者的資本支出強度目前仍遠低於美系同業——2026年中國雲端資本支出僅約美國同業水準的11-14%；阿里巴巴、騰訊的資本支出強度（約15%）仍落後Google、Meta（40-50%）與Amazon、Microsoft（約20%）。此差距意味著中國資本支出上修風險偏向上行，而非已充分反映。
「一帶一路」式的AI外交——中國因素的第四層面向
除了國內三階段建設，中國另有一條平行推進的全球AI外交路線：世界人工智慧合作組織（WAICO）已於 7 月 16 日由 29 個創始會員國（多為全球南方國家）簽署成立，總部設於上海；中國並承諾向開發中國家提供 5,000 個AI培訓名額、與東協/阿盟/非盟/金磚國家建立 AI 合作平台。摩根士丹利將此稱為「AI 版一帶一路」——以國內算力過剩產能，搭配補貼雲端存取、開源模型輸出與能力建設外交，在非洲、東南亞、中亞、中東與拉美建立平行於美系/G7框架的中國標準AI生態系。
投資意涵：中國模式一方面因國家保證的基礎建設投入而降低「人力/電力/政治」三重瓶頸的相對衝擊，另一方面透過本土硬體強制採購與全球南方市場擴張，為中國半導體與AI基礎建設供應鏈創造獨立於美系週期之外的成長動能——我們雖較難直接投資 A 股，但「布局領先中國AI解決方案供應商」應列為重要投資方向。
疑慮四：中國記憶體廠擴產，是否會提前終結本輪上升週期？
結論：不會提前終結本輪上升週期。
市場先前擔憂長鑫存儲（CXMT）與長江存儲（YMTC）等中國業者加速擴產，恐導致供需失衡並提早終結記憶體上行週期。然而，根據機構最新產業調查與數據分析，中國業者的產能擴張不足以逆轉當前全球記憶體的結構性供不應求：
產能份額增幅有限且存在技術/良率壁壘
CXMT 在全球 DRAM Bit 供應的市佔率預計將由 2025 年的約 7% 升至 2027 年的 9%。然而，由於機台設備安裝進度、良率表現以及與國際第一梯隊（美光、三星、SK 海力士）之間的製程技術代溝，其產能釋放速度被市場過度誇大。研判全球 DRAM 市場至 2028 年第二季前都將維持供不應求狀態。
YMTC 戰略轉向 DRAM，減緩 NAND 供需壓力
YMTC 新增產能中有相當大比例（每年約 4.5 萬片晶圓擴產中約有 3 萬片）被轉向挹注 DRAM 研發與生產，而非全數投向 NAND。此舉大幅舒緩了 NAND flash 的供給過剩疑慮，進而延長了 NAND 價格上升週期的壽命。
利基型成熟製程結構性缺口依然穩固
雖然中國本土設計業者（如兆易創新 GigaDevice）曾提醒利基型產品長期面臨價格下行風險，但目前在 DDR4、SLC/MLC NAND 及 NOR Flash 領域，結構性供給缺口短期內依然存在，支持價格在 2026 下半年持續調漲。
「晶片通膨（Chipflation）」與 FOMP 買盤拉長週期
AI 帶動高階記憶體產能排擠，使企業客戶將記憶體漲價視為長期結構性阻力。企業為了鎖定價格與產能，出現「害怕錯過採購（Fear of Missing Procurement, FOMP）」的提前拉貨潮。伺服器與儲存設備預算成長動能強勁，此波上升週期預計可延續至 2027 年甚至 2028 年之後，而非提早見頂。
二、 HBM、DDR、NAND、HDD 各別市況研判
1. HBM（高頻寬記憶體）：供需極度緊繃，溢價空間擴大
供需狀況：HBM 供需比預期更加緊缺。隨著 NVIDIA 等 AI 晶片大廠（如 VR300 / Rubin Ultra 世代）推動 HBM4 與 HBM4E 升級，市場對高容量 HBM（如 384GB 至 512GB/GPU 配置）需求大增。
價格趨勢：原廠重新拉大 HBM 與一般 DRAM 之間的溢價差距。預估 2027 年 HBM 全行業混合平均售價（ASP）將同比大漲約 79%，其中 HBM4E 售價預計將突破 $30/GB。
2. DDR（傳統 DRAM / 伺服器與 PC DRAM）：產能擠壓引發結構性大漲
供需狀況：先進製程晶圓產能被 HBM 大量排擠，導致標準型 DDR4 與 DDR5 產能嚴重不足。儘管 PC 終端需求回升溫和，但伺服器強勁需求支撐總體 Bit 消耗持續成長。
價格趨勢：合約價與現貨價全線暴漲，DDR4 現貨價同比漲幅已達 500% 以上。2026 年第三季傳統 DRAM 合約價預估季增約 13%–20%（其中 DDR4 現貨與合約月價季增率超過 20%–30%），供不應求將持續至 2028 年中。
3. NAND Flash（快閃記憶體 & 企業級 eSSD）：企業級儲存需求強勁，長約鎖定動能
供需狀況：受益於 AI 訓練/推論產生的龐大數據儲存需求，全閃存陣列（All-Flash Arrays）與企業級 eSSD（包含 TLC 與 QLC NAND）需求爆發。SanDisk 等大廠已與客戶簽訂多年期長約（LTA），2027 年涵蓋率達 50%、2028 年達 67%，毛利率保底高達 80%+。
價格趨勢：2026 年第三季合約價預計季增約 10%–20%。全球 NAND 位元需求成長率在 2026/2027 年分別調升至 +23% 與 +26%，市場規模將從 2026 年的約 3,000 億美元暴增至 2027 年的 4,950 億美元。
4. HDD（機械硬碟）：近線硬碟產能售罄，上行週期動能最持久
供需狀況：HDD 具備極佳的每 TB 成本優勢，成為非結構化 AI 數據與代理人 AI（Agentic AI）長期保存的首選。近線（Nearline）大容量 HDD 產能已完全售罄至 2028 年，客戶甚至已開始洽談長達至 2031 年的長期供應架構。
技術與價格：希捷（Seagate）HAMR 技術與威騰（WDC）40TB ePMR/UltraSMR 產品線順利放量。在產能嚴格控管下，單位容量售價（Price/EB）年增率保持在 20%+。儲存（Storage）硬體預算增長曲線比 PC 及傳統伺服器更具延展性，成長動能將一路延續至 2028 年以後。
傑文斯悖論描述一個反直覺的結果——資源使用效率提升會降低其有效成本，進而可能大幅拉高整體需求，最終使資源總消耗量不減反增。此機制透過兩條路徑運作：(1)既有用戶消耗量增加；(2)新用戶與新應用場景的更廣泛採用。核心結論是：單靠效率提升，並不保證總消耗量會下降——尤其當需求對成本下降高度敏感時。這套邏輯同樣適用於AI：更高效的晶片與模型能降低每單位智慧的生成成本，而成本下降可能擴大AI採用範圍、提高AI工作負載的頻率與複雜度，最終即便效率提升，運算與電力的總需求仍將走高。