目錄

• 凱道的人們與一個古老的心理陷阱
• 民眾黨的帳面，已經是赤字了
• 損失厭惡：為什麼「輸了還在撐」不只是意志力問題
• 前景理論與康納曼的發現
• 政黨支持裡的「凹單」心理
• 轉換成本：為什麼離開民眾黨感覺這麼難
• 「沉沒成本」的詛咒：投入愈深，愈難回頭
• 你可以怎麼做
• 最後說一句話

凱道的人們與一個古老的心理陷阱

2026年3月29日，凱達格蘭大道來了一萬人。

他們舉著旗子、喊著口號，為一個剛被一審判處17年有期徒刑的政治人物站台。柯文哲，這個曾經以「清廉、勤政、愛台灣」為號召的前台北市長，此刻正面對著京華城案的漫長法律戰。而他的支持者——那群被稱為「小草」的人們——仍然在風裡等待。

我不打算在這裡評斷京華城案的法律對錯。我想問的是另一個問題：

那些清楚看到民眾黨出了嚴重問題的支持者，他們為什麼還在那裡？

這不是挑釁，是一個真誠的心理學問題。因為同樣的模式，也出現在每一個賠錢不肯停損的散戶身上。它有一個正式的名字： 損失厭惡（Loss Aversion）。

回到目錄

民眾黨的帳面，已經是赤字了

讓我們先把帳算清楚。

民眾黨最初吸引了大量中間選民，核心訴求是「超越藍綠」、「理性問政」、「打破政治對立文化」。這批選民投入了時間、感情、網路聲量，以及選票——換一個投資的說法，這就是他們的「買入成本」。

但這幾年發生了什麼？

黨主席本人涉入刑案，從羈押到一審判決；黨的立法院表現多次被批評為配合國民黨進行程序杯葛；黨內的問政路線從「第三條路」逐漸滑向傳統藍營邏輯；更根本的是，「超越藍綠」這個當初最讓人動心的承諾，早已難以在日常政治操作中辨認。

對一個投資人來說，這就是標的「基本面惡化」。

現在問題來了——如果你在2022年買進了一檔股票，理由是「它打破舊有格局」，而三年後它不只沒有打破什麼，創辦人還被司法纏身——你會不會承認自己看錯了，然後停損出場？

大多數人不會。理由不是因為他們沒有看到數字，而是因為「損失的痛苦」已經把大腦的理性迴路蓋過去了。

回到目錄

損失厭惡：為什麼「輸了還在撐」不只是意志力問題

損失厭惡（Loss Aversion）是行為經濟學最核心、也最反直覺的發現之一。

它說的是：失去某樣東西所帶來的痛苦，在心理上大約是獲得同等事物所帶來的快樂的兩倍。

換句話說，丟掉100元的難受，比撿到100元的開心更強烈——即便金額完全相同。

這不是個性問題，也不是教育程度問題。它是人類大腦在演化過程中寫進去的底層程式。神經科學研究顯示，大腦的杏仁核（amygdala）——那個處理恐懼的區塊——在面對潛在損失時的反應，要比面對潛在獲益時更激烈、更優先。

從演化的角度看，這完全合理：對遠古人類來說，錯失一次打獵機會頂多少吃一頓，但忽視一次天敵威脅可能當場死亡。「損失比獲益更危險」是刻進基因的邏輯。

問題是，這個對生存極度有用的機制，在現代的政治選擇裡，常常讓人做出真正害自己的決定。

回到目錄

前景理論與康納曼的發現

這個領域最重要的理論基礎，來自心理學家丹尼爾·康納曼（Daniel Kahneman）和艾默斯·特沃斯基（Amos Tversky）。他們在1979年提出了「前景理論」（Prospect Theory），後來成為康納曼獲得諾貝爾經濟學獎的核心貢獻。

他們做了一個非常直觀的實驗：

你有兩個選項——

選項A：直接得到100元。 選項B：50%機率得到200元，50%機率什麼都沒有。

期望值完全相同，大多數人選了A。

現在換一個框架——

選項A：確定損失100元。 選項B：50%機率損失200元，50%機率一分不損。

大多數人這次選了B——選了賭博。

這個對稱性令人吃驚。面對「可能的獲益」，人是風險趨避的（保守）；面對「確定的損失」，人反而變成了賭徒。

為什麼？

因為「確定損失100元」這件事觸發的痛苦，大到讓人情願去賭一個可能讓情況更糟的結果——只要那個結果不是「確定的失去」。

這個心理，在選舉政治裡也完全成立。

回到目錄

政黨支持裡的「凹單」心理

股市裡有個詞叫「凹單」——就是明知道一檔股票已經基本面惡化，卻硬撐著不停損，寄望它有一天會回來。

行為金融學把這個現象稱為「處置效應」（Disposition Effect）：人們傾向於太快賣掉賺錢的股票，卻死抱著賠錢的股票。

背後的心理邏輯是：只要不賣，就沒有「真正賠錢」。帳面上的虧損還不是實現的損失，還有回本的可能。賣了，才是真的承認看錯了。

把這個邏輯套回政治支持，幾乎是完美的對應——

「民眾黨現在有問題，但我等它回來。」

「現在離開，等於承認我當初的選擇是錯的。」

「我不想讓那些說民眾黨沒用的人得意。」

最後這一點尤其要命。承認自己支持的政黨走偏了，在社交層面意味著「公開認輸」。而失去社會認可，和失去金錢一樣，都會觸發損失厭惡的機制。

所以人們繼續撐著——不是因為他們相信基本面還好，而是因為「停損」的痛苦，在這個當下比「繼續持有」更難承受。

回到目錄

轉換成本：為什麼離開民眾黨感覺這麼難

在投資領域，轉換成本（Switching Cost）是指從一個標的換到另一個標的，所需要付出的代價——除了金錢，還有時間、資訊重建、以及心理上的「放棄熟悉的東西」。

在政治裡，轉換成本更高，也更不透明。

一個長期支持民眾黨的選民，如果要「換邊」，他面對的代價包括：

身份認同的損失。 「小草」這個標籤，已經成了一種社群歸屬。放棄支持，等於放棄這個圈子的認同與連結。

過去投入的否定。 一個人如果花了三年在網路上為柯文哲辯護，寫了幾百則留言、轉發了幾百篇文章——現在承認這一切是場誤判，等於把那三年的時間都宣判為「虧損」。

對立面的壓力。 台灣的政治文化裡，「棄守」某個政黨常常被理解為「投向對方陣營」。對一個無法接受藍綠框架的選民來說，「離開民眾黨」在感覺上等於「沒有地方可以去」。

這三個轉換成本疊加在一起，會讓「繼續留著」這個選項，在感知上比實際上理性得多。

回到目錄

「沉沒成本」的詛咒：投入愈深，愈難回頭

和轉換成本相關但又不同的，是「沉沒成本謬誤」（Sunk Cost Fallacy）。

沉沒成本是已經發生、無法回收的投入。理性上，沉沒成本不應該影響未來的決策——過去的錢已經花了，不管現在怎麼選，都拿不回來。

但人類天生不是這樣思考的。

當一個人在一件事上投入的時間、情感、金錢愈多，他就愈難放棄。不是因為那件事的基本面變好了，而是因為「放棄」所代表的損失，在心裡和所有那些投入加在一起，顯得太過沉重。

這也是為什麼一個對民眾黨死忠了六年的支持者，比一個剛加入的人更難出走。不是因為他更清楚黨的內部運作，而是因為他投入的沉沒成本更高，放棄等於要親手否定更多年份的自己。

行為經濟學家把這叫做「endowment effect」（稟賦效應）——我們傾向於把已經擁有的東西估值得比實際更高，僅僅因為它是「我們的」。一個人對自己支持的政黨的信念，也會因為「它是我的選擇」這件事，而在心裡被估值得過高。

回到目錄

你可以怎麼做

這篇文章不是要說誰對誰錯，也不是要告訴你「你應該去支持誰」。

它要說的是：如果你是一個曾經相信民眾黨、但現在感受到認知和現實之間有落差的人

那個讓你繼續撐著的力量，很可能不是理性，而是損失厭惡。

而損失厭惡是可以被意識到、並部分克服的。以下是幾個具體的方法：

第一步：把帳算清楚

問自己：當初支持民眾黨的理由是什麼？那個理由，現在還存在嗎？

不要問「他們還是比較好」，問「當初讓我動心的那件事，現在還成立嗎」。

如果答案是否定的，那你的支持已經是一種慣性，不是一種選擇。

第二步：把沉沒成本和未來切開

過去三年你投入的時間和感情，無論你現在怎麼選，都回不來了。

承認看錯了，不會讓那三年消失。但繼續撐著，可能會讓接下來的三年也一起賠進去。

第三步：把損失重新定義

損失厭惡讓人把「離開」感知為損失。但換個角度——如果一個投資人繼續持有一檔基本面惡化的標的，他真正的損失是什麼？是他繼續沒有拿到的那些回報，是他本可以轉到更好地方的機會成本。

「留著」本身，也是一種代價。

第四步：允許「暫時沒有答案」

台灣政治的困境之一，是讓很多人覺得「離開民眾黨」等於「必須立刻有個去處」。

但事實上，你可以先停止支持一個令你失望的政黨，而不必立刻找到一個完美的替代品。

在投資裡，這叫「先停損，再找標的」。

在政治裡，也可以這樣。

回到目錄

最後說一句話

損失厭惡是人類最普遍的認知偏誤之一。它沒有藍綠之分，也沒有小草與側翼之分。每個人，在某個時刻，都曾經因為不想承認損失，而讓損失繼續擴大。

但心理學的研究同時也告訴我們：損失厭惡不是命運。它是一個可以被識別、可以被命名、因此可以被部分克服的東西。

識別它，是第一步。

那些站在凱道上的人，他們的情感是真實的。他們的失望也是真實的。他們對台灣政治的期待，從一開始就是真實的。

但情感的真實，和判斷的正確，是兩件不同的事。

如果你真的關心這個國家的走向，你值得用一個更清醒的眼光，去評估你手上的這張票，它現在換來的是什麼。

#politics #psychology #economics #investment #stock #democracy #LossAversion #民眾黨

回到頁首

願所有投資人，都能從虧損中醒來。

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。

目錄

• 六百億美元的算力焦慮
• Anthropic 的算盤
• GPU 折舊週期的兩種世界觀
• EUV：每顆晶片背後看不見的守門人
• 數學總整理：從 EUV 機台推導全球算力天花板
• 記憶體危機：你的 iPhone 漲價，都是 AI 的錯
• 電力不是瓶頸，但工人可能是
• 中國的平行宇宙
• 機器人、太空算力，與最後的問題
• 最簡單的機器，卡住最複雜的未來

六百億美元的算力焦慮

2025 年，Amazon、Meta、Google、Microsoft 四家公司合計預告的資本支出超過六千億美元。

這個數字換算成電力，接近 50 GW。但沒有人真的認為今年就能用到 50 GW的算力^{[附註1：為什麼用「GW」來描述算力？]}。那麼這些錢究竟花到哪裡去？更奇怪的是，OpenAI 剛宣布募資 1,100 億美元，Anthropic 宣布募資 300 億美元——如果一座 1 GW數據中心的年租金約 130 億美元，那這些實驗室的融資規模，豈不是已經足夠支付今年全年的算力帳單，完全不需要靠收入？

這是訪談一開始，主持人丟給 SemiAnalysis CEO Dylan Patel 的問題。

Patel 的回答，是一堂關於硬體時間尺度的速成課。

大型科技公司的資本支出，很大一部分根本不是花在今年就要上線的東西。以 Google 一千八百億美元的資本支出為例，其中一塊去買了 2028、29 年的渦輪機訂金，一塊去預付了 2027 年的數據中心工程，還有一塊花在電力購買協議的頭期款上。今年美國大約新增二十GW的算力，其中一部分的資本支出，其實是前一年就已付出的。

所以帳是對的，只是時間點不同。

而這一切的最大買主，是 Anthropic 和 OpenAI。

回到目錄

Anthropic 的算盤

Patel 給了一個具體的成長曲線估算。

Anthropic 在過去幾個月的收入走勢：一月增加約 40 美元的 ARR，二月增加約 60 億美元。如果把這條線直接延伸，接下來十個月就會再增加 600 億美元的收入。

600 億美元的收入，按 Anthropic 最近被媒體報導的毛利率換算，意味著大約 400 億美元的算力支出。400 億除以每GW年租金約 100 億美元，得到 4 GW的推算算力需求——僅僅是為了服務新增的推論流量，還沒算上研發和訓練用的算力。

這讓 Patel 得出一個估計：Anthropic 今年年底需要達到 5 GW以上的算力，才能跟上收入增速。

但問題是，Anthropic 的策略一直比 OpenAI 保守。Dario Amodei 公開表示過他不想簽那些「瘋狂的」大型算力合約，不想讓公司走到財務懸崖邊緣。這個決定在短期很理性，但如果收入比預期更快爆炸性成長呢？

結果就是：Anthropic 現在必須在市場上緊急找算力，而那些早就被搶光的優質供應商——Google、Amazon——已先被 OpenAI 用長約鎖定，或是自己保留。Anthropic 不得不轉向更小的雲端供應商、或是接受透過 Bedrock 和 Vertex 等中介平台服務客戶的安排，等於多付一層抽成。

Patel 說，OpenAI 則更積極——不只鎖定 Microsoft、Google、Amazon，還去找 CoreWeave、Oracle、SoftBank Energy，甚至其他更小的供應商。這帶來的後果是：算力量多、議價能力強、不需要在最後一刻補貨。

兩條路，兩種代價。

到年底，Patel 估計 Anthropic 大約可以達到 5 到 6 GW，OpenAI 則會略高一些，兩者在 2027 年應該都會達到 10 GW左右。

回到目錄

GPU 折舊週期的兩種世界觀

訪談中間插入了一個財務界爭論已久的問題：GPU 到底應該按幾年折舊？

著名做空者 Michael Burry 認為頂多三年。他的邏輯是：NVIDIA 每兩年幾乎把效能翻三四倍，如果你用五年折舊，到了第三年，市場上已經有比你手上的機器更便宜三倍的新晶片，你這台舊 H100 的市場租金就從每小時 2 美元跌到 1 美元，甚至 0.7 美元，你的投資報酬就泡湯了。^[附註2]

Patel 的反駁是：這個邏輯成立的前提是「新晶片無限供應」。如果你能無限買到 Rubin，那當然 Hopper 就廢了。但問題在於，現在整個產業的半導體產能根本跟不上需求，新晶片的出貨量本身就是受到嚴格限制的。

在半導體嚴重短缺的世界裡，你衡量一台 GPU 的價值，不是拿它去和「理論上可以買到的最新晶片」比，而是問「這台機器今天能幫我賺多少錢」。如果這台 Hopper 每小時能幫你跑出兩美元的推論收入，那它就值這個錢，不管 Rubin 的性能是它的幾倍。

這意味著：GPU 的真實有效壽命，可能遠比市場悲觀者預期的更長。

回到目錄

EUV：每顆晶片背後看不見的守門人

訪談在這裡進入最核心的部分。

Patel 問了一個讓所有宏大算力目標都必須面對的問題：Sam Altman 說他想在 2030 年每週建 1 GW的算力——這在物理上可能嗎？

答案取決於一家總部在荷蘭埃因霍芬的公司，ASML。

ASML 生產全世界最複雜的機器：EUV 光刻機。這台機器是所有先進邏輯晶片（三奈米、二奈米）生產過程中不可或缺的設備。沒有它，就沒有 NVIDIA 的 Hopper 或 Blackwell，也沒有 Apple 的 A 系列晶片。

EUV 機台的工作原理令人瞠目：機器把熔化的錫滴拋出，用雷射精確連擊三次，使錫滴被激發、釋放出 13.5 奈米波長的 EUV 光。這道光通過卡爾蔡司生產的反射鏡組（每組約十八片、以鉬和釕交替沉積而成的多層鏡），照射在塗有光阻的晶圓上，按照設計圖案（光罩）對晶圓表面進行圖形化曝光。整個過程要求所有部件的對準精度達到三奈米甚至更小——而且曝光頭和晶圓平台都在以九倍重力加速度高速相對掃描。

這台機器需要在荷蘭拆解，用多架貨機運到客戶工廠，再在當地重新組裝調試，整個過程耗時數個月。

ASML 今年能生產約七十台，明年約八十台，到 2030 年代，即使積極擴產，也只能到一百台出頭。

為什麼不能更快？

因為 EUV 機台的每一個主要組件，都是極度複雜的獨立供應鏈的終點：光源由 ASML 旗下 Cymer 製造（位於聖地牙哥），鏡片由卡爾蔡司（德國）製造，光罩台由ASML在 Wilton（康乃狄克州）的工廠製造，晶圓台同樣在歐洲生產。

這些供應商沒有決定大幅擴產，因為他們根本不相信 AI 需求會到那個量級。Patel 描述了一個諷刺的困境：整條供應鏈每個環節都把需求預測砍一個折扣，越往下砍越多，最後到了 ASML 的層次，可能已經剩下需求的一半甚至更少。

ASML 是世界上唯一能造這台機器的公司，但它刻意沒有利用這個壟斷地位提價——「他們從未把定價漲幅超過能力的提升幅度」，Patel 如此說。一台 EUV 機台從當初的約一點五億美元，漲到現在的約三到四億美元，但同期機台的晶圓吞吐量和對準精度都已大幅改善，對客戶而言仍然是淨受益。

回到目錄

數學總整理：從 EUV 機台推導全球算力天花板

這一節將訪談中散落在各處的數字集中整理，展示 Patel 如何一步步推導出 2030 年的算力上限。

1 GW算力需要多少 EUV 產能？

以 NVIDIA Rubin 架構（三奈米節點）為例，建立一GW的數據中心算力，需要以下晶圓投入：

三奈米邏輯晶圓的生產，每片晶圓需要約 70 道光罩曝光步驟，其中約 20 道使用 EUV 曝光（最關鍵也最昂貴的步驟）。

計算過程：

EUV 曝光次數（邏輯）= 55,000 片 x 20 道 EUV = 1,100,000 次
加上 5 奈米及 DRAM 的 EUV 曝光
→ 合計約 2,000,000 次 EUV 曝光通過（per gigawatt）

每台 EUV 機台的吞吐量：

EUV 機台吞吐量 = 75 片晶圓/小時 x 90% 開機率
= 約 67.5 片有效晶圓/小時
每台 EUV 機台年處理量 = 67.5 x 8,760 小時 ≈ 590,000 片/年

因此，每GW算力所需的 EUV 機台數：

EUV 需求 = 2,000,000 次曝光 ÷ (590,000 片/機台/年) ≈ 3.5 台 EUV 機台

結論：建立 1 GW的 AI 算力，約需 3.5 台 EUV 機台的一年產能支撐。

2030 年的 EUV 機台總存量

現有存量（2025）：TSMC 等廠合計約 250–300 台
年新增：2025 年約 70 台，2026 年 80 台，到 2030 年增至約 100 台/年
累計至 2030 年底：約 700 台 EUV 機台（含現有存量加新增）

全球 AI 算力天花板

700 台 EUV 機台 ÷ 3.5 台/GW = 200 GW的 AI 算力（全部分配給 AI 的情況下）

但當然，EUV 產能不會百分之百分配給 AI，手機、PC、汽車晶片也需要。

Sam Altman 的目標是否可行？

Sam Altman 曾表示希望在 2030 年達到每週建 1 GW，即每年約 52 GW的新增算力。

52 GW ÷ 200 GW（全球上限）= 26% 的全球 EUV 產能份額

Patel 認為這個數字是合理的，因為今年 NVIDIA 大約就已佔據 TSMC 三奈米產能的相近比例，而且 AI 晶片在整個半導體市場的份額仍在增長。

記憶體的 EUV 乘數效應

HBM（高頻寬記憶體）是 AI 晶片的另一個關鍵瓶頸。HBM 是將 DRAM 晶圓垂直堆疊而成，但每片 HBM 晶圓能產出的記憶體位元數，比一般 DRAM 少三到四倍——因為你把面積花在堆疊結構而非純粹的儲存密度上。

一片 DRAM 晶圓能產出的有效記憶體（作為 HBM 時）= 一片 DRAM 晶圓直接用時的 25–33%

這意味著要滿足 1 GW AI 算力的記憶體需求，需要消耗的 DRAM 晶圓量，比表面上看起來多三到四倍。

2026 年，大型科技公司總算力資本支出約 6,000 億美元，其中約 30% 流向記憶體——即 1,800 億美元。這個比例在歷史上是罕見的高。

HBM vs. DDR：頻寬就是一切

以搭載在 Rubin 架構上的 HBM4 為例：

HBM4 頻寬 = 2,048 bits 介面 x 10 GT/s = 2,048 x 10 ÷ 8 = 2,560 GB/s ≈ 2.5 TB/s（每組）
DDR5（相同晶片邊緣面積）≈ 64–128 bits x 6.4–8 GT/s ÷ 8 = 64–128 GB/s

頻寬差距：約 20–40 倍。

這就是為什麼用普通 DRAM 替換 HBM 在工程上幾乎不可行——GPU 的計算能力會因為等待資料而大量閒置，等於浪費了所有的矽晶片面積。

最終瓶頸的推導

綜合以上分析：

1. 電力：有多種替代方案（往復式引擎、燃料電池、太陽能加儲能等），單個類別就能達到數十GW，整體上不是最終瓶頸。
2. 數據中心：建設週期短（最快八個月），可模組化，勞動力是限制而非根本瓶頸。
3. 邏輯晶片製造（三奈米）：受到 EUV 機台年產量上限約束，2030 年約一百台/年，但現有存量累計可支撐 200 GW的上限。
4. 記憶體（HBM/DRAM）：30% 的算力資本支出、供應緊張、無法輕易用普通 DRAM 替代，是近期最顯著的瓶頸。
5. EUV 機台本身：長達 28–29 年的最終瓶頸，因為每個子組件的供應鏈都極度複雜、無法快速擴產，而且整條供應鏈都還未充分「相信」AI 的需求量級。

結論：到 2028–29 年，所有其他瓶頸都會逐步被解決或繞過，但 EUV 機台的生產速度，才是最終決定全球 AI 算力天花板的那個數字。

回到目錄

記憶體危機：你的 iPhone 漲價，都是 AI 的錯

這裡是訪談中最有趣的意外轉折之一。

Patel 提出了一個乍聽反直覺的觀點：AI 算力爆炸，讓你的智慧型手機越來越貴，而且品質越來越差。

邏輯如下。全球 DRAM 的供給是有限的。AI 訓練和推論的需求，尤其是 HBM，正在以驚人的速度增長。而 AI 買家願意支付比手機廠商更高的價格，簽更長的合約，鎖定更多產能。於是 DRAM 廠商的資源配置轉向 AI，消費型 DRAM 的供給收縮，價格上漲。

Patel 的估算非常具體：一支 iPhone 大約需要 12 GB 的記憶體。過去每 GB 成本約三到四美元，現在漲到約十二美元，光是 DRAM 一項的成本就增加了一百美元，再加上 NAND 快閃記憶體同樣漲價，一台 iPhone 的物料成本可能增加一百五十美元。蘋果不會完全自行吸收這個成本，轉嫁後消費者最終多付二百五十美元。

更劇烈的衝擊在中低端手機市場。Patel 引用其在亞洲的分析師數據：小米和 OPPO 等廠商的中低端出貨量，正在被砍到一半，因為這些機型對 DRAM 漲價的承受力遠不如高端旗艦。

SemiAnalysis 的預測是全球智慧型手機年出貨量從 1.4 億台（峰值）跌至今年的 8 億，明後年甚至可能到6億到5億台。

這意味著 AI 不只是在奪走電力和晶圓，也在間接讓消費電子產業走向收縮。Patel 說，這會讓更多人「恨 AI」。

回到目錄

電力不是瓶頸，但工人可能是

訪談花了大量篇幅討論電力，結論卻出乎意料地樂觀——至少和半導體相比。

Patel 的核心論點是：電力的供應鏈，比晶片的供應鏈簡單太多了。

是的，全球只有三家公司能做聯合循環燃氣渦輪機（GE Vernova、三菱、西門子能源），而且某些型號的交貨期已超過 2030 年。但這不是唯一的發電方式。Patel 列舉了至少十六家追蹤中的不同電力設備製造商，包括：航空改裝渦輪（把飛機引擎改成發電機）、中速往復式引擎（類似大型卡車引擎）、船用引擎（Nebious 正在幫微軟的紐澤西數據中心用船用引擎發電）、Bloom Energy 的燃料電池、以及持續下降成本曲線的太陽能加儲能組合。

此外，美國電網目前只為了應對夏天最熱那幾天的尖峰負載而保留大量備用容量。如果裝上足夠的公用事業規模儲能，這些平時閒置的容量就能釋放給數據中心——理論上一口氣解鎖美國電網的 20%，即數百GW。

但勞動力可能是真正的制約。Patel 估算，在德州 Abilene 建設 1.2 GW的數據中心就需要 5,000 名工人在尖峰時期同時施工。擴展到 100 GW，大約需要 40 萬名技術工人。美國目前只有約 80 萬名電氣技師，且並非全都適用於這種工作。

解方包括：從歐洲引進高技能電力工人、推動模組化預製（在亞洲工廠把整個機架組裝好，包含電源和冷卻，再整組運到現場安裝）、以及未來機器人勞動力的加入。

電力，問題有，但都可以用工程手段繞過。晶片，就沒這麼容易了。

回到目錄

中國的平行宇宙

Patel 在訪談中多次回到中國這個話題，態度審慎而非聳動。

他的分析框架是：AI 進展的速度快慢，決定了誰最終勝出。

快速進展的世界裡，美國佔優。OpenAI 和 Anthropic 今年底各自大約有 2 GW算力，明年底達到 10 GW。中國的 AI 實驗室算力增速遠沒有這麼快。更重要的是，一旦這些模型從「給你看整個思維鏈」轉向「直接給你結果、後台黑盒思考」，從美國模型「蒸餾」(distill) 知識到中國模型的難度就會大幅上升。收入複利飛速增長（Anthropic 月增數十億美元 ARR），帶動算力投入持續增長，形成一個美國主導的技術飛輪。

慢速進展的世界裡，情況反轉。中國正在強力推進完整的本土半導體供應鏈，從光刻機到記憶體到邏輯晶片。Patel 估計到 2030 年，中國的 DUV 光刻機本土年產能約達 100 台（相比之下，ASML 的 DUV 年產量仍是數百台）。EUV 方面，中國可能屆時有能用的原型機，但還在「產能地獄」之前。如果 AGI 時間線被推遲到 2035 年，那麼中國有足夠的時間把整條供應鏈垂直整合完成，屆時西方依賴的美日韓台歐洲多國分散供應鏈，反而顯得脆弱。

Patel 也特別點名了 Huawei。這是一家在 AI 時代之前就已擁有完整技術堆疊的公司：頂尖軟體工程師、網路技術（本來是其最大業務）、AI 研究人才、自有晶圓廠，以及自己的終端市場。

他認為，如果 2019 年 Huawei 沒有被禁止使用台積電，Huawei 可能已超越 Apple 成為台積電最大客戶，並持續侵蝕 NVIDIA 的市場。

但那扇門，已經關上了。

回到目錄

機器人、太空算力，與最後的問題

訪談的最後幾個問題，把場景從 2025 年的數據中心，推到了更遙遠的未來。

如果台灣出事，能只搬走工程師嗎？

這是主持人提出的一個戰略問題：如果有一天台灣局勢惡化，能否透過空運所有台積電工程師來保住這些知識？

Patel 的答案是：不夠。

即使你成功把所有工程師撤離，你也必須在某個地方重新蓋廠，重新安裝設備。但EUV 機台本身需要用台灣生產的晶片來製造，而這些晶片又依賴台灣的 EUV 機台 —— 一條吞噬自身尾巴的蛇。

更大的問題是：如果台灣的晶圓廠被摧毀，中國的垂直整合半導體供應鏈，相對於其餘世界反而更強。你在最壞的時間點，把全球增量算力能力從可能的每年數百GW，打回 Intel 加 Samsung 的每年 10 到 20 GW。

人形機器人的算力邏輯

如果 2030 年有數百萬台人形機器人在全球活動，算力怎麼分配？

Patel 認為，最有效率的架構不是讓每台機器人攜帶強大的本地晶片，而是把大量「思考」留在雲端，機器人本地只需要做低延遲的動作執行，由雲端模型每秒或每十分之一秒下達高層指令。

理由有三：雲端可以做批次推算，降低每個 token 的成本；雲端的模型可以更大更強；機器人上的晶片需要低功耗，這和高效能 AI 晶片的需求相衝突，而現在的半導體供應本就不足，如果數百萬台機器人都帶著尖端晶片，就是在和數據中心搶資源。

這意味著一個奇特的未來：即使機器人在物理上分散於世界各地，它們的「智慧」仍高度集中在少數幾個超大型數據中心裡。

回到目錄

最簡單的機器，卡住最複雜的未來

整場訪談讀下來，有一個數字讓人印象深刻：1.2 億美元。

這是 3.5 台 EUV 機台的總售價，是支撐 1 GW AI 算力所需的關鍵設備成本。而 1 GW的數據中心，總資本支出大約 500 億美元。也就是說，500 億美元的算力基礎設施，命懸於 1.2 億美元的工具供應鏈。

更荒謬的是，ASML 的供應鏈有超過一萬個節點。Carl Zeiss 用於鏡片的工人，可能總共不超過一千人。沒有這一千個人做出完美到奈米級精度的鏡片，沒有人能製造 EUV 機台；沒有 EUV 機台，沒有先進邏輯晶片；沒有先進邏輯晶片，沒有下一代 AI。

Patel 沒有說這條鏈會斷。他說的是：它沒有人們想像的那麼有彈性，而且它對自己即將面臨的需求量，認知仍然嚴重滯後。

人類文明最雄心勃勃的技術計畫，正等著一家荷蘭公司每年多交付幾十台機器。

#AI #tech #economics #investment #semiconductor #anthropic

回到目錄

附註一：為什麼用「GW」來描述算力？

讀到這裡，你可能一直有個疑惑：GW（吉瓦）不是電力的單位嗎？一座核電廠大約 1 GW，一台電風扇大約 50 W，1 GW等於同時開著兩千萬台電風扇。這和「算力」有什麼關係？

關係非常直接——因為 GPU 是靠電跑的。

一顆 H100 的功耗約 700 瓦。一個機架通常裝十到二十個伺服器節點，耗電約 10 到 20 千瓦。當一座數據中心能夠穩定供應 1 GW的電力，它就能同時讓數以十萬計的 GPU 全力運算。電力，就是算力的物理上限——冷卻系統、配電設備、散熱管路，全部跟著用電量等比例放大。

所以這個產業索性就用電力換算算力。說「今年新增 20 GW的算力」，意思就是「今年新建的數據中心能額外消耗二百億瓦的電力來跑 AI 模型」。這比說「新增幾十萬張 GPU」更精確，也更容易讓不同廠牌、不同架構的設備有一個共同的比較基準。

那為什麼訪談裡說「今年實際新增約 20 GW」，而不是六千億美元 CapEx 換算出來理論上的 50 GW？

因為 CapEx 不是今年全部花掉的錢，而是今年承諾要花的錢，其中大部分是預付給未來的——2027 年的廠房、2028 年的渦輪機訂金、2029 年的電力合約頭期款。真正在今年接上電、開始跑模型的機器，只有 20 GW。

一個比喻：你用六千億預算訂了一批車，但工廠說今年只能交二十台，其餘的排到後年。你今年實際能開的，就只有這二十台。50 GW是你花的錢，20 GW是你今年真正拿到的算力。

回到：六百億美元的算力焦慮

附註二

Burry 的邏輯是：

NVIDIA 大概每兩年推出新一代晶片，效能大約提升三到四倍，但售價只漲一點點或持平。 所以時間軸大概是這樣：

2024 年：H100 是市場最好的選擇，租金每小時 2 美元，合理。 2026 年：Blackwell 上市，效能是 H100 的三到四倍，但價格差不多。AI 公司開始問：我為什麼要租舊的 H100？除非你降價。於是 H100 的市場租金從 2 美元跌到大約 1 美元。 2027 年：Rubin 上市，又是三到四倍效能。H100 繼續貶值，租金跌到 0.7 美元。

但你的持有成本還是每小時 1.40 美元，因為這是你當初買入時就鎖定的。 租金 0.7 美元，成本 1.40 美元，每跑一小時就虧 0.7 美元。 這就是 Burry 說「折舊週期應該是三年不是五年」的意思——到了第三年，這台機器在市場上已經不值這個錢了，你當初的投資假設已經破功。

回到：GPU 折舊週期的兩種世界觀

本文整理自主持人對 SemiAnalysis CEO Dylan Patel 的訪談。SemiAnalysis 是目前最受業界重視的半導體產業研究機構之一，追蹤全球每一座數據中心、每一座晶圓廠、以及每一筆關鍵設備訂單。

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。

建議電腦平板觀看，手機建議landscape閱讀

Financial Calendar

SOFR 與 RRP 利率｜聯準會實際利率走廊

下圖對照 SOFR（擔保隔夜融資利率，藍線）與 RRP 利率（聯準會設定的利率下限，紅線）：

RRP 餘額｜市場流動性停泊量

下圖是 RRP 實際使用餘額（即金融機構停放在聯準會的資金規模）：

逆回購協議的作用機制：

• RRP 快速下滑至零後市場仍緊→美國銀行體系可能出現準備金不足壓力，收緊對外放貸
• 台灣企業的美元短期融資成本隨之上升，科技業資本支出計畫可能受影響

目錄

Overnight Repo（TOMO）｜聯準會臨時公開市場操作附買回

聯準會透過臨時公開市場操作（Temporary Open Market Operations）購入國債，向市場注入短期流動性。

如何解讀：

• TOMO spike 頻繁→美國短端資金市場承壓，全球美元流動性緊張
• 台灣企業與銀行的美元拆借成本可能同步上升，短期影響台灣外匯市場的美元供需平衡

目錄

四、全球 CPI 與利率

主要國家通膨比較

如何解讀：

• 全球主要國家通膨居高不下→各央行普遍維持緊縮，台灣出口面對的終端消費市場需求偏弱
• 台灣通膨相對溫和→台灣央行升息幅度低於美國，利差擴大將加速台幣貶值，輸入性通膨壓力升溫

目錄

主要國家實質利率比較

* 這裡看的是各國的 Policy rate（Immediate Rate）減去通膨率，得到實質利率 * 其中，日本因為FRED沒有 CPI 數據，只放 Immediate Rate only

如何解讀：

• 台美實質利率差距擴大（美國更高）→資金傾向流出台灣，台幣承壓貶值
• 台灣央行若以升息應對，將推高國內借貸成本，壓抑房市與企業投資
• 台積電等大型企業資本支出若在高利率環境下推進，融資成本將顯著上升

目錄

五、其他指標

巴菲特指標

點我開網頁看指標

如何解讀：

• 美股嚴重高估時若出現修正，外資往往同步減持台股（台積電 ADR 與台股連動明顯）
• 可作為評估美股系統性風險的參考，進而預判台股外資動向

回到頁首

💻 科技、行銷、產業趨勢

探討科技發展（如 AI）與市場行銷等，對社會和產業的影響。

• 260318-兩百萬次光刻、3.5台機器、一個卡住全世界的瓶頸：Dylan Patel 的半導體供應鏈解剖學
• 260312-五角大廈 vs Anthropic：這可能是一場價值戰爭
• 260310-AI 真的在搶你的工作嗎？Anthropic 用真實數據給出了一個令人意外的答案
• 260308-你以為你在賣東西，但顧客買的是感覺：世界級行銷人的決策哲學
• 260305-當 AI 工廠來敲門：一個印第安納小縣如何對抗矽谷的千億佈局
• 260226-有大事正在發生
• 《思想實驗室》訪談摘要：簡逸峰談 AI 時代的台灣生存之道

💰 金融與投資 (Finance and Investment)

涵蓋了宏觀經濟分析、特定產業趨勢、國際貿易政策以及個人的投資經驗分享。

💰追蹤指標

🏛️ 政治、國防與國際關係

• 260407-我們正在看一場文明級別的賭局：經濟學家 Steve Keen 的伊朗戰爭警告
• 260330-你明知道虧了，為什麼還是走不掉？：民眾黨支持者的損失厭惡困局
• 從小草到脫北：一對夫妻的告白，以及台派值得聽進去的那些話
• Puma演講之反思與重點整理

🧘 健康、心理與生活

這類文章聚焦於身心健康、日常營養知識及心理調適。

• 260409-如何愛上學習—你的大腦不是懶，它只是在找最划算的多巴胺
• 260305-你的大腦從 30 歲就開始死去：神經科學家 Louisa Nicola 的阿茲海默症警告
• 251223-詐騙心理學解密：為什麼聰明人也會被騙？
• 251101-維生素D：最接近「抗老藥丸」的日常營養素

TAGs

#AI #antiAging #anthropic #brand #democracy #dementia #economics #fraud #health #investment #marketing #pentagon #politics #psychology #stock #tech #workout #semiconductor #LossAversion #民眾黨

2025 年 12 月 9 日，印第安納州聖約瑟夫縣的議事廳擠滿了人。

會議室裡沒有窗戶，座椅塞滿了，走廊還站著人，Zoom 連線人數多到系統直接當機。一個農業縣的尋常地方政府會議，一路開到凌晨四點。

這不是在討論農業補貼，也不是在吵學區劃分。

他們在決定的，是一個 130 億美元的 AI 資料中心，能不能在他們的土地上長出來。

最後，7 比 2，拒絕。

這個結果讓矽谷震動了一下。但沒有人真的以為這場仗就此結束。

目錄

• 4,000 億美元買的是什麼
• 一個什麼都沒有的縣，突然來了 Amazon
• 你說的好處，真的是好處嗎
• 凌晨四點的投票
• 矽谷的下一步棋
• 誰擁有土地，誰就擁有籌碼
• 這不是科技新聞，這是地方民主 —-

4,000 億美元買的是什麼

先說一個讓人頭皮發麻的數字。

2024 年，光是 Amazon、Google、Meta、Microsoft 這四家公司，在資本支出上就花了 4,000 億美元。

GDP 等級的錢。

這些錢大部分流向同一個地方：資料中心。

而這波浪潮的觸發點，不難猜。ChatGPT 在 2022 年底出現之後，每一季的財報電話會議裡，你都能聽到同一個主題：我們要蓋更多資料中心，蓋更大的，蓋得更快。

在資料中心產業，衡量規模的單位不是建坪，是電力需求。一座大型 AI 資料中心的耗電量，可以等於一百萬個美國家庭。

冷卻晶片要用水，訓練模型要用電，而電要來自電網，電網要來自發電廠，發電廠要來自土地。

一條供應鏈，最終的起點，是某個農業縣邊上的一塊空地。

回到目錄

一個什麼都沒有的縣，突然來了 Amazon

聖約瑟夫縣在印第安納州北部。大城市是南灣（South Bend），但縣裡大部分地區是農田。

這裡曾經有 Studebaker 汽車廠，後來倒了，留下一片需要再工業化的中西部鄉鎮。像很多上中西部的城鎮一樣，他們一直在等待下一個能撐起地方經濟的大計劃。

2023 年 5 月，機會來了，以一種讓人有點措手不及的方式。

地方電力公司帶著 Amazon 走進了縣經濟發展辦公室。這已經是全美各地反覆上演的劇本：電力公司熟悉自己轄區的土地，他們成了媒合者，把科技巨頭和有地有電的農業縣牽在一起。

這個案子不是普通的資料中心。Amazon 要蓋的，是專門供 Anthropic 使用的運算基礎設施，一個用來訓練下一代 AI 模型、並且部署 Claude 服務的巨型機器。

規模是多少？110 億美元起跳。

縣議會投票。反對的只有兩票。「沒什麼大事，大家也不太了解它，」紐約時報記者 Karen Wise 說，「就通過了。」

然後，一切開始快速改變。

一年之內，工地上起了十幾棟建築物，每天有數千名工人在裡面。旅館住滿了，RV 露營車停滿了，縣裡的房屋稅收開始有感成長。後來，Microsoft 也在縣裡另一個地方簽下土地合約。謠言說 Meta 也在附近打量，Google 也有動作。

一個本來沒有半個資料中心的縣，在兩年內，突然成了全球 AI 基礎建設的主要節點之一。

回到目錄

你說的好處，真的是好處嗎

科技公司的說法很清楚：這是 win-win。

稅收進來了，工作機會進來了，你們縣可以成為未來經濟的一部分。

而且不是空話。

工地上的電氣技師，年薪可以到 20 萬美元。學徒制的名額兩年內翻了一倍。工會代表在縣議會上一個接一個站起來發言，他們說的都是自己的真實故事：我 19 歲沒有學貸，靠這個工地進入了 Operating Engineers Local 150，有了穩定工作，能養家了。

這些不是說客說的漂亮話。這是真實發生在真實人身上的事。

但問題是，好處集中在某一群人身上，成本卻分散給了所有人。

住在工地旁的居民，開始遇到前所未有的塞車和超速。農民在路邊割草，工程車從旁呼嘯而過，碎石飛濺。水資源的問題開始浮出水面，有人擔心自家的井會乾。夜間的光污染讓一片農村失去了星空。

「我們 68 年前搬來這裡，為的是寧靜、安靜、小鎮的生活品質，」一位居民在聽證會上說。

還有更大的恐懼，難以被任何稅收數字所化解：

AI 會不會搶走接下來的工作？這些資料中心蓋好之後，如果技術繼續進步，它們 10 年後還需要這麼多電力和空間嗎？如果這些建築物有一天變成空殼，要怎麼辦？

「我不覺得人類滅絕快要發生，」一位居民說，「但是，那些比我們懂這件事多得多的人，都說他們很恐慌。這讓我覺得，我們至少應該停下來想一想。」

回到目錄

凌晨四點的投票

然後，更大的案子來了。

一個 130 億美元、需要超過 400 公頃土地的新資料中心，要申請土地重分區。幕後的開發商是一個匿名的 LLC，外界只知道全球只有少數幾家公司能用到這麼大的運算量，但沒有人知道業主是誰。

這種匿名性，讓原本就存在的不安加倍放大。

因為需要重分區，這個案子必須回到縣議會，公開辯論，讓社區有機會說話。

這一次，聖約瑟夫縣的反應不再是冷漠。

2025 年 12 月 9 日的聽證會，主會場坐滿，側廳站滿，大廳還站著人。Zoom 連線達到系統上限。

支持方先上場：工會代表、地方商界人士，說的是就業、稅收、經濟轉型。反對方輪到發言，說的是土地、水、空氣、生活品質、以及那些更難被量化的東西。

「他們會來這裡蓋，是因為他們覺得我們沒有人管，」一位居民說，「他們以為我們不在乎，他們以為他們能得逞。」

聽證會一直開到凌晨四點。

然後投票：7 比 2，拒絕重分區。

Amazon 的那個案子，蓋都蓋了，也在繼續。但這個新的 130 億美元計劃，縣議會說：夠了。

回到目錄

矽谷的下一步棋

一個縣的否決，能改變什麼？

科技公司的回答是：不多。

他們的策略是大量分散。因為需求如此龐大，他們不依賴任何一個地點，而是同時在幾十個地方推進。你擋下了這個，他們去找下一個。

今年全球在資料中心上的投入，預計超過 5,000 億美元。這比去年多，明年比今年更多。

科技公司也在調整話術。「資料中心」這個詞不夠性感，現在他們更常說「AI 工廠」——factory，一個讓人聯想到生產、就業、工業繁榮的字眼。

他們也開始做更多讓步。Microsoft 宣布不會要求房地產稅減免，並承諾公開各地的用水量數據。Amazon 在印第安納另一個案子裡，直接砸了約 1 億美元的前期財務承諾給地方政府。

他們還在政治上動起來。有居民說，聽證會前幾週，他們收到了支持資料中心的文字簡訊，有人上門敲門拉票，電視廣告也出現了。

訊息很清楚：這是未來。搭上這班車，就能分享未來的果實。不搭，你就會被留在原地。

回到目錄

誰擁有土地，誰就擁有籌碼

但聖約瑟夫縣的例子，揭示了一件科技公司可能低估的事：

擁有好地和好電的地方，現在手上有貨。

「如果你有好的土地，有可用的電力，你現在手上握著極度珍貴的東西，」Karen Wise 說，「這個認知，讓地方社區意識到他們其實有籌碼。」

科技公司需要的地，不是無限供應的。他們需要大面積的空地、已有的電力基礎設施、良好的輸電線路和網路連結，以及——理想上——一個歡迎他們的社區。

每一個符合條件的地點，都是稀缺資源。而每一個符合條件的地方政府，都掌握著這個稀缺資源的許可權。

「這不是透過聯邦政策發生的，」Wise 說，「這是在那種小小的、沒有窗戶的房間裡發生的，是在一個個縣議員的辦公室裡發生的，是在那些一坐好幾個小時的社區聽證會裡發生的。」

民主，在最基層的層面上，有時候仍然有效。

回到目錄

這不是科技新聞，這是地方民主

最後，我想說一件可能讓人覺得奇怪的事。

這則故事的核心，其實不是 AI，不是資料中心，不是科技公司。

它的核心，是一個更古老的問題：當外來的巨大力量碾過來，一個社區如何決定自己要什麼。

Studebaker 當年來，聖約瑟夫縣說好。 Studebaker 走了，留下了空缺。 Amazon 來了，縣說好。 下一個 130 億美元的計劃來，縣說不。

這中間發生的，是一個社區試著從過去的經驗學習，試著在某件事從天上落下來之前，先想清楚自己要什麼。

它不完美。它漫長、吵雜、充滿矛盾，有時候在凌晨四點才有答案。

但這就是它應該有的樣子。

那個 130 億美元的資料中心最後會蓋在哪裡？大概會找到一個願意讓它落地的地方。但那個地方，至少，知道自己在答應什麼。

#AI #democracy #investment

本文整理自《紐約時報》Podcast《The Daily》2026 年 2 月 16 日播出之〈When A.I. Comes to Town〉，記者 Karen Wise 採訪報導。

回到頁首

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。