台灣AI供應鏈熱潮沒結束危機卻逼近？陳鳳馨警當心資金成本！【Yahoo #風向龍鳳配】｜CC字幕 — Transcript
Full transcript
- 0:00你好 我是陳鳳馨
- 0:01談一談過去所發生的事情
- 0:02我的想法看法來跟大家分享
- 0:05好 那麼在過去這一段期間
- 0:08如果大家有注意到的話
- 0:10在美國的標普百指數
- 0:11創歷史新高的時候
- 0:13其實費城半導體拉回的幅度還蠻深的
- 0:17當然影響到台北股市
- 0:19那一開始的時候大家會覺得說
- 0:21那斯達克漲啊
- 0:22標普百指數創歷史新高啊
- 0:25那麼費城半導體雖然跌一兩天
- 0:28應該也沒關係吧
- 0:29可是當它連續下跌之後呢
- 0:31它勢必會造成台灣的這個恐慌
- 0:35因為呢
- 0:36終究呢
- 0:37台灣其實在今年的股票市場
- 0:40傲視全球
- 0:41這裡面呢
- 0:42跟我們提供這個人工智慧的資本支出當中的
- 0:46硬體方面的基礎建設
- 0:48還有AI伺服器的這些相關的這一些供應鏈
- 0:53是有扮演了非常重要的角色
- 0:55而這一些硬體的
- 0:57那麼供應鏈的角色
- 0:59大部分也就集中在費城半導體
- 1:01所以過去這幾年呢
- 1:02台灣最明顯的一個情況是
- 1:05台灣的股市跟費城半導體的連動性
- 1:08非常非常的高
- 1:10好那這一波呢
- 1:12當然台北股市當中
- 1:13除了有半導體類股當中
- 1:15也有金融股
- 1:16那金融股的部分呢
- 1:18最近其實因為呢
- 1:19那麼在各個先進國家的
- 1:23長天期的公債殖利率呢
- 1:25上升
- 1:26那債券價格下跌
- 1:28然後被拋售
- 1:29然後殖利率上升的這個過程當中
- 1:32拉大了存放款的利差
- 1:35所以對於金融機構來講也是好的
- 1:37所以會發現全世界的銀行股就相對比較強
- 1:40好所以
- 1:41台北股市不是完全的費城半導體
- 1:44它有極大的比例是跟這個硬體科技有關的
- 1:49那麼但是呢
- 1:50它有金融內部也有一些呢
- 1:53這些過去大家比較沒有特別關注到的
- 1:55傳統產業類股
- 1:57那如果它的殖利率偏高的話呢
- 2:00在最近這一段期間也相對能夠抗跌
- 2:03好那這一波的硬體科技到底是為什麼修正呢
- 2:07重點當然還是在
- 2:09人工智慧的恐懼與貪婪
- 2:13當它貪婪的時候呢
- 2:15所有的預期都是好的不得了
- 2:18當它恐懼的時候
- 2:20那麼所有的回應就是在於
- 2:24人工智慧的資本支出投入這麼多了
- 2:27到底能不能夠回收
- 2:30我必須說到目前為止呢
- 2:32那麼科技極樂觀派以及審慎樂觀派
- 2:37這兩派
- 2:38它都代表著呢在市場上
- 2:41就審慎樂觀認為已經要面臨一波泡沫的破滅了
- 2:45那認為極端樂觀派呢
- 2:47則是認為這一些營收會很快的接棒上來
- 2:52所以不用擔心
- 2:53資本支出還是會快速的成長
- 2:56而且收入會快速的讓大家覺得這個支出
- 3:00是值得的是合理的
- 3:03所以不斷的在這個拔河的過程當中
- 3:06其實這裡面代表性的人物都有
- 3:08譬如說像是極端樂觀派
- 3:10最近SemiAnalysis
- 3:12這一家公司的創辦人
- 3:15他就認為那麼明年的
- 3:17全美國人工智慧的資本支出跟基礎建設
- 3:21總規模會達到2兆美元
- 3:25佔美國GDP的5%到6%
- 3:28當然這裡面並不限於
- 3:30就直接的這些科技硬體
- 3:32它還包括了像是房地產啦
- 3:35基礎建設這些東西
- 3:37所以整體加總起來的話
- 3:392兆美元
- 3:41這是大概是所有機構當中呢
- 3:44最樂觀的一個預估
- 3:45而且呢
- 3:46雖然你看到投資這麼多
- 3:48他很樂觀的認為
- 3:50那麼很快的這一些回收
- 3:52會讓大家覺得滿意
- 3:54因為他認為到明年底
- 3:57光是OpenAI Anthropic
- 4:00這兩家頭部的頂尖的AI模型公司
- 4:04他們的營收就可以達到6 7千億美元
- 4:08那麼而且還不只是模型的收入
- 4:11事實上人工智慧的收入
- 4:13估計是有三個面向
- 4:15第一個當然就是直接的
- 4:17這一些大型語言模型
- 4:19他們必須要付費訂閱啦
- 4:21然後或者是要根據
- 4:22他提供的Token數啦
- 4:24然後來收費
- 4:25這個收費模式是其中的一環
- 4:28另外一環呢
- 4:29是很多的企業產業
- 4:31尤其是產業面
- 4:33他們會利用人工智慧
- 4:34來提升他們的效率
- 4:37而進而帶動了獲利的成長
- 4:41這明顯最明顯的
- 4:42很可能會是在製藥業
- 4:45或者是材料
- 4:46新材料的科技業
- 4:48因為不管是製藥業也好
- 4:51或者是材料科技
- 4:53其實要尋找新的藥
- 4:55新的材料
- 4:56過去他需要有大批的科學家
- 4:59然後不斷的試錯
- 5:01然後不斷的找出可能的對象
- 5:06那麼這個過程非常非常的繁複
- 5:09而且時間花得非常非常的長
- 5:11可是現在看起來
- 5:13人工智慧在解決
- 5:15新的製藥當中
- 5:17找到最有效的候選人
- 5:20然後並且進一步的
- 5:21可以去做三期的人體實驗的
- 5:23可能性現在是越來越高
- 5:25而且速度會拉得非常非常的短暫
- 5:28最後可能時間只拖在人體實驗
- 5:31前面的尋找工作
- 5:33反而變得更簡單了
- 5:35而新材料的部分也是如此
- 5:37所以不管是製藥或者新材料
- 5:40乃至於工廠的運作
- 5:41人工智慧所能夠帶動的
- 5:43提升效率或者是獲利的成長
- 5:45而帶動的需求的大量成長
- 5:48這個部分到目前為止
- 5:50有部分的成績出來
- 5:53當然成效還沒有看到非常的明顯
- 5:55但已經有部分的成績出來了
- 5:58那第三塊就是物理AI的部分
- 6:01那比較熟悉的像是自動駕駛車
- 6:04人型機器人
- 6:06甚至於很多的無人的運輸工具
- 6:11不是只是無人車而已
- 6:13無人的飛機
- 6:15無人的快艇
- 6:17這一些其實都非常的需要人工智慧
- 6:20協助他做最短期的運算
- 6:25這個部分到目前為止
- 6:27因為他還有很多的
- 6:29世界模型有待建構
- 6:31就是你要去訓練一個
- 6:33人型機器人也好 自動駕駛車也好
- 6:36他沒有辦法真的在真實的世界裡頭
- 6:39去橫衝直撞
- 6:40所以最好的方式就是
- 6:41建構一個世界模型給他
- 6:43然後讓他在那個模型當中
- 6:45然後就像是在網路學習一樣
- 6:47在那個模型當中
- 6:49去學習人類的物理世界當中
- 6:52如何的運作
- 6:54那這個部分被認為
- 6:56其實是未來一個非常大的產業
- 6:59但是現在還不到
- 7:02那一個爆發的時刻點
- 7:04可能要再過三五年的時間
- 7:06他的爆發時間點才會出現
- 7:08所以大型語言模型本身的收費機制
- 7:12然後再加上產業的
- 7:14獲利的成長所帶動的需求
- 7:16然後物理AI所需要的
- 7:18所帶動的營收
- 7:19其實都是未來營收可預期的
- 7:22但是他跟不跟得上
- 7:24現在支出快速成長的速度
- 7:29相對的審慎派就認為
- 7:31是的有一天他會來
- 7:33但是你前面的資本支出的
- 7:35燒的速度太快了
- 7:37而現在資金成本又這麼的高
- 7:40最終終究會把很多人的資金
- 7:44去吸引到這一些
- 7:46那麼高殖利率的公債也好
- 7:49或者是投資等級的公司債
- 7:52那麼當資金一旦湧向了這邊之後
- 7:55這裡的高估值就會立刻崩塌
- 7:59他就會形成一個很快速的破滅
- 8:03這兩派現在倒向了恐懼派
- 8:07就是認為說
- 8:08現在的殖利率這麼的高
- 8:11那麼高成本的資金的情況之下
- 8:15那麼未來的資本支出
- 8:17真的要找到足夠的資金
- 8:19恐怕會形成問題
- 8:22這是最新的博通的執行長
- 8:25他就講了這個話
- 8:26他說未來的節點
- 8:30很可能會是在資金的來源這件事情上面
- 8:36這兩派都言之有理
- 8:39我其實沒有辦法真正的判斷
- 8:43他到底是一個
- 8:45快速銜接的極度樂觀派
- 8:47還是這中間會形成落差的審慎樂觀派
- 8:51那麼我現在大概偏
- 8:53審慎樂觀派
- 8:55成真的機率稍微高一點點
- 8:58可是並不代表他此刻就會出現問題
- 9:01事實上
- 9:02我們如果
- 9:03雖然說現在的資金成本確實比較高
- 9:05美國的公債殖利率上升到5.3%之後
- 9:09那麼即便是投資等級的公司債
- 9:12他的票面的利率
- 9:14都必須要到6%以上了
- 9:16所以他們確實是用比較高的成本
- 9:18然後去借貸資金的
- 9:20不管他是跟金融機構的融資
- 9:23或者是在市面上發行公司債
- 9:26不過以他們的
- 9:28目前的財務狀況也好
- 9:32或者是以他們在
- 9:33市場上面的接受程度也好
- 9:36我認為他們短期之內的融資不會出現問題
- 9:39所以如果要燒錢
- 9:41那這個柴火的供應
- 9:44還不會出現難題
- 9:45所以他的修正
- 9:48就不需要太過分的擔心
- 9:51但是什麼時候
- 9:53可能就會是一個我們要
- 9:55重新思考評估
- 9:57他這個不是修正了
- 9:59可能是一次短暫的破滅的一個暴跌了
- 10:03那麼就是當有
- 10:04巨大型的科技公司
- 10:07他借不到錢的時候
- 10:09那真的是個大問題了
- 10:11當然我覺得不會先發生在
- 10:14Google身上
- 10:16那麼可是
- 10:17甲骨文會不會借不到錢
- 10:19或者是SpaceX會不會出現
- 10:22融資上面的困難
- 10:25或者是Anthropic
- 10:26或者是OpenAI
- 10:28會不會出現融資的困難
- 10:30如果他們出現融資困難
- 10:33那是大問題
- 10:35不過此刻
- 10:36還不會有人覺得他們會出現
- 10:38這樣子的一個問題
- 10:40所以我比較視為他是在一個
- 10:43爬升的過程當中
- 10:46貪婪跟恐懼的拔河
- 10:48貪婪會讓速度爬升的很快
- 10:51可是恐懼就會把他給拉回一部分
- 10:55整體來說
- 10:56我還是那一套想法
- 10:58就是你從這一波的起漲點
- 11:01這一波的起漲點大概是
- 11:033萬9千多
- 11:04大概4萬點
- 11:05當時我也跟大家說過
- 11:06我說我覺得那個時候大概
- 11:08去槓桿修正的差不多了
- 11:10好 從4萬點
- 11:11到這一波的高點
- 11:13大概5萬點這附近
- 11:15大概漲了1萬點左右
- 11:17那這一萬點的漲幅
- 11:20如果拉回一個
- 11:22三分之一到二分之一
- 11:25都不用害怕
- 11:27可是拉回三分之一到二分之一
- 11:29大家可以算一下
- 11:31其實數字也不少
- 11:33只是要不要恐慌
- 11:35不用恐慌
- 11:36因為他還不到一個
- 11:38會讓人擔心做頭部的一個情況
- 11:42這裡面的估計
- 11:43還是按照我剛剛所提到的
- 11:46如果明年現在看起來
- 11:48美國光是5家的CSP廠商
- 11:51就是大型的雲端服務廠商
- 11:55他們的投入的規模
- 11:56就會達到1.1兆到1.2兆
- 11:59這是比今年還要再成長個四成以上
- 12:03然後再加上
- 12:05那麼其他的這些相關的業者
- 12:08這些投資的話
- 12:09台灣作為供應鏈角度來看的話
- 12:12我們的出口成長
- 12:13可能明年還可以有兩到三成
- 12:16三到四成的這樣的一個漲幅
- 12:19那所能夠帶動的獲利成長
- 12:21自然他就有比較扎實的一個基礎
- 12:24不過還是要提醒大家
- 12:26就是審慎樂觀派當中
- 12:29最擔心的
- 12:30因為一些資金成本上升的速度也很快
- 12:33那麼隨時如果資金成本高到
- 12:35讓金融圈的人認為
- 12:38那麼這個時候
- 12:39要借錢給這些超大型的科技公司
- 12:42都要猶豫的話
- 12:44那麼我們就可以稍微的提醒自己
- 12:47這個party也許已經到了尾聲了
- 12:50不過現在我還比較視它為
- 12:53爬升過程當中的一個整理一個休息
- 12:58好 那這個希望提供給大家做參考了
- 13:01我是陳鳳馨
- 13:02很高興每個禮拜可以跟大家聊聊天
- 13:05談一談過去所發生的事情
- 13:07我的想法 看法
- 13:08我們下次見
- 13:09拜拜
About this transcript
This page contains the full transcript of 台灣AI供應鏈熱潮沒結束危機卻逼近？陳鳳馨警當心資金成本！【Yahoo #風向龍鳳配】｜CC字幕 by Yahoo風向, generated from the public captions YouTube serves with the video. The transcript has 339 words across 331 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.
What you can do with it
Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to translate the transcript into 100+ languages.
Free YouTube transcript tool
YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, translation to 100+ languages, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.