拆解華爾街大佬 Gavin Baker 最新 AI 投資框架：從 Trainium 、台積電到太空算力，尋找台股長線佈局機會

在瞬息萬變的全球金融市場中，投資人往往容易被每日的新聞標題與市場情緒所左右。然而，真正決定產業長遠發展與投資回報的，往往是那些隱藏在喧囂背後的物理限制與底層經濟邏輯。進入 2026 年，我們觀察到人工智慧 ( AI ) 的發展已經從最初的「會不會泡沫」的爭論，進入到更深層次的供給、產能、成本與技術路線的實質較量。

這篇文章將帶您深入拆解華爾街頂尖科技投資大佬 Gavin Baker 在 2026 年的最新市場洞察。這不僅僅是單純轉述一場財經演講，而是要幫讀者看懂 Gavin Baker 對 AI 、記憶體、台積電、 Amazon 的自研晶片 Trainium 以及太空算力 ( Orbital Compute ) 的核心判斷邏輯。

透過這篇文章，我們期望能幫助投資人將市場的熱點敘事，轉化為清晰且可操作的投資框架。您可以從中了解到， AI 不是只有情緒追價，更重要的是產業擴產速度與實體物理限制如何影響整個產業週期。同時，我們也會從中點出台股的長線投資機會，包含記憶體、太空衛星概念股，以及受惠於 Trainium 發展的 ASIC 設計服務大廠。

📣 閱讀更多：2026 AI 帶動散熱題材！散熱概念股有哪些？散熱三雄漲翻天！

瓦數與晶圓，主宰 AI 週期的兩大物理極限

要理解目前的市場格局，我們必須先認識 Gavin Baker 這位在華爾街享有盛譽的資深半導體與科技投資人。他曾在富達 ( Fidelity ) 管理超過 170 億美元的龐大資產，現為 Atreides Management 的首席投資官。在 2026 年的 Sohn 投資大會以及 Invest Like the Best 深度訪談中，他提出了一個極具顛覆性的框架：驅動下一階段 AI 發展的底層邏輯，已經從軟體演算法的迭代，轉向了瓦數 ( Watts ) 與晶圓 ( Wafers ) 這兩個最基礎的物理條件。

Gavin Baker 認為，目前的 AI 基礎建設熱潮是美國資本主義歷史上最非凡的時刻。許多投資人擔心目前的市場就像是 2000 年的網路泡沫，但他明確指出兩者的根本性差異。當年的網路基礎建設大量依賴高槓桿與債務融資，企業在沒有實質獲利的情況下盲目擴張；而如今的 AI 投資則是建立在各大科技巨頭強勁的營業現金流之上。微軟、 Google 、 Amazon 與 Meta 等巨頭每年產生數百億美元的自由現金流，這意味著只要企業的現金流不枯竭，這場 AI 軍備競賽就不會因為資金鏈斷裂而戛然而止。

在這個框架下，真正能阻止市場無限制過熱的，恰恰是實體製造與能源供應的瓶頸。瓦數代表著資料中心的電力供應與散熱能力，晶圓則代表著台積電等先進製程晶圓廠的實際產出。這兩個物理極限，就像是為高速行駛的 AI 列車安裝了天然的限速器，從而拉長了整個產業的成長週期，也改變了投資人評估風險的方式。

被市場嚴重低估的黑馬， Amazon Trainium 的逆襲

在探討 AI 晶片市場時，絕大多數人的目光都集中在 Nvidia 的 GPU 以及 Google 的 TPU 上。然而， Gavin Baker 提出了一個直接挑戰市場共識的判斷：當下最被低估的 AI 晶片不是別人，正是 Amazon 的自研晶片 Trainium 。他甚至斷言， Trainium 對於 2026 年的意義，特別是下半年 Trainium 3 真正開始大規模放量之後，就如同 TPU 對 2025 年的意義一樣深遠。

要理解這個判斷，我們需要深入探討目前最前沿的 AI 模型架構。當前主流的頂尖 AI 模型，大多採用了混合專家模型 ( Mixture of Experts , 簡稱 MoE ) 的架構。這種架構的特色在於，它將龐大的神經網路拆分成多個專門的子網路，每次推論時只啟動相關的專家網路。這種設計雖然大幅提升了模型的運算效率與參數量，但也帶來了一個巨大的技術挑戰：不同的運算節點之間需要進行海量、低延遲的資料交換。

為了解決這個資料傳輸的瓶頸，基礎設施必須具備一種被稱為交換式擴展網路 ( Switched Scale-up Network ) 的架構。 Gavin Baker 敏銳地指出，放眼目前全球市場，只有兩家公司擁有真正在大規模運作的交換式擴展網路：一個是驅動 Nvidia GPU 的 NVLink 系統，另一個就是 Amazon 專為 Trainium 打造的底層網路架構。這構成了 Amazon 在 AI 晶片領域極深的技術護城河。

相較於 Nvidia 晶片的高昂售價， Amazon 透過大量部署 Trainium 晶片來支撐其 AWS 雲端服務以及自身的 AI 應用，能夠顯著降低算力成本。 Gavin Baker 透露，許多頂尖的 AI 新創公司實際上是在跨平台靈活分配算力的。他們可能用 Nvidia 的晶片來訓練最核心的模型，但將大量的日常推論任務或特定模型的開發轉移到 Trainium 或 TPU 上。

這種趨勢對於台灣的半導體供應鏈來說，蘊含著巨大的投資機會。 Amazon 等雲端巨頭積極發展自研晶片，背後高度仰賴台灣的 ASIC 矽智財與設計服務公司。例如，世芯-KY ( Alchip ) 長期以來就是北美雲端服務供應商的重要合作夥伴。當 Trainium 3 乃至未來的 Trainium 4 在 2026 年迎來放量期，這些協助雲端巨頭進行晶片後段設計與量產的台系 ASIC 廠商，將成為這波去 Nvidia 化趨勢下的實質受惠者。

晶片平台	核心優勢與市場定位	潛在受惠之台股供應鏈方向
Nvidia GPU	絕對的效能領先，主導高階模型訓練，生態系最完整	台積電、鴻海、廣達、緯創、散熱模組廠
Google TPU	內部生態系強大，推論與特定訓練成本極低	聯發科等 ASIC 廠、網通設備廠、光通訊模組
Amazon Trainium	具備交換式擴展網路，最被低估， 2026 迎來大爆發	世芯-KY 等 ASIC 廠、先進封裝測試廠

💰 國泰證券限時優惠！定期定額手續費 1 元！再賺 300 元！

台積電的保守策略，如何拯救全球 AI 免於泡沫化？

在 AI 的瘋狂浪潮中，台積電的角色無疑是最為關鍵的。 Gavin Baker 對台積電的管理哲學給予了極高的評價，甚至認為台積電看似保守的擴產策略，正是拯救全球 AI 產業免於重蹈覆轍、陷入萬劫不復泡沫的關鍵力量。

在市場的熱潮下，晶片設計公司總是希望晶圓代工廠能無限制地提供產能。 Gavin Baker 在訪談中生動地描述了一個情境： Nvidia 的執行長黃仁勳每三個月就會去拜訪台積電一次，並總是希望台積電能將產能翻倍甚至翻三倍。然而，台積電給出的回應往往是極其節制的擴產幅度，例如僅僅增加 5% 的產能。

為什麼台積電要對如此龐大的訂單需求說不？ Gavin Baker 解釋道，假設台積電真的按照客戶的期望，將 CoWoS 先進封裝與最先進製程的產能翻三倍， Nvidia 明年可能真的能賣出高達 1.5 兆美元的晶片。

但問題在於，地球上的電力基礎設施與資料中心建設速度，根本無法在短期內吸收並啟動這麼龐大的算力設備。如果這些高價晶片被製造出來卻只能堆在倉庫裡，或者安裝了卻沒有足夠的電力來運轉，這將會引發極度嚴重的庫存危機與資本浪費，最終導致整個 AI 產業鏈的崩盤。

台積電的管理團隊經歷過半導體產業無數次的繁榮與蕭條。從個人電腦的興衰到智慧型手機的飽和，這群被 Gavin Baker 戲稱為「倔強老人」的台積電高層，深知過度擴張產能的毀滅性後果。他們用嚴格的資本支出紀律與物理上的產能限制，強行壓制了市場的過度貪婪。

因此，對於投資人而言，台積電的資本支出計畫與產能擴張速度，不僅僅是評估台積電自身營收的指標，更是整個 AI 產業是否過熱的最準確風向球。只要台積電繼續保持這種紀律性的擴張， AI 的基礎建設週期就能夠走得更長、更穩健，這也確立了台積電在可見的未來內，依然是台股中最堅不可摧的核心資產。

太空算力的崛起，解決能源瓶頸的顛覆性革命

當我們理解了晶圓產能的物理限制後，接下來要面對的就是瓦數的極限，也就是能源與散熱問題。在 2026 年的今天，建設一個大型 AI 資料中心所面臨的最大挑戰，已經不再是購買晶片的資金，而是如何取得足夠的電力以及如何有效地散熱。

Gavin Baker 提出了一個令人振奮且具備高度前瞻性的觀點：軌道運算 ( Orbital Compute ) ，也就是將資料中心搬上太空，將在未來幾年內成為解決能源瓶頸的終極解方。他預測，在未來兩年內，太空資料中心的商業可行性與經濟效益就會得到明確的驗證；而到了本十年末，也就是 2030 年之前，太空算力將開始在市場上佔據有意義的份額，並對傳統的地面資料中心生態系產生巨大衝擊。

將資料中心放在太空聽起來像是科幻小說，但其背後的物理與經濟邏輯卻十分嚴謹。首先是能源問題。在地球表面，太陽能發電會受到大氣層吸收、雲層遮蔽以及日夜交替的限制；然而，在太陽同步軌道 ( Sun-synchronous orbit ) 上，太空資料中心可以搭載巨型太陽能板， 24 小時不間斷地接收未經大氣層削弱的純粹太陽能，擁有幾乎無限且完全綠色的能源供應。

其次是散熱問題。雖然太空是真空狀態，無法使用傳統的空氣對流或液體冷卻技術，熱量只能透過輻射的方式散發，但太空極低的背景溫度以及先進的熱輻射材料，為高耗能的 AI 晶片提供了全新的熱管理思路。此外，這些在軌道的運算節點將透過高頻寬的雷射通訊技術 ( Laser links ) 相互連接，並與地球上的終端使用者進行低延遲的數據傳輸。

這個趨勢對於投資佈局具有極大的啟發意義。 Gavin Baker 警告，那些目前因為地面資料中心大擴建而股價狂飆的傳統電力設備與散熱零組件公司，在未來七年內可能會面臨巨大的風險，因為市場可能不再需要新建龐大的地面資料中心。相反地，這為台灣的低軌衛星與太空供應鏈打開了全新的想像空間。

台股中有許多深耕微波通訊、高頻印刷電路板 ( PCB )、衛星天線以及雷射通訊零組件的企業。隨著 SpaceX 等公司開始在太空部署運算叢集，這些具備太空規格零組件製造能力的台廠，將迎來除了傳統衛星通訊之外，更為龐大的「太空算力基礎建設」商機。這絕對是長線投資人必須密切追蹤的下一個大爆發板塊。

記憶體週期的逆向思考，為何現在不是賣點？

在談完算力與能源之後，我們不能忽視 AI 基礎建設中同樣關鍵的記憶體板塊。半導體投資界有一條著名的經驗法則：記憶體是一個典型的景氣循環產業，通常呈現四年的週期。當市場情緒極度樂觀、記憶體價格高漲且企業利潤率達到頂峰時，往往就是必須果斷賣出的時刻。

Gavin Baker 坦言，如果單純從過去四分之一個世紀的歷史規律來看，現在 100% 是應該全面拋售記憶體股票的時機。他在 2000 年時曾擔任美光 ( Micron ) 的分析師，經歷過無數次殘酷的記憶體多空循環。然而，他在 2026 年提出了極具洞見的逆向思考：這一次的記憶體週期，極有可能與歷史常態不同，反而更像是 1990 年代中期那種罕見的「真正產能週期」。

導致這種結構性改變的核心原因，在於 AI 對於高頻寬記憶體 ( HBM ) 的龐大需求。 HBM 不僅需要極致的頻寬來匹配 GPU 的運算速度，其製造過程更需要使用到矽穿孔 ( TSV ) 等極度複雜的先進封裝技術。更重要的是，在相同的儲存容量下， HBM 所消耗的原始晶圓面積大約是傳統 DDR5 記憶體的三倍以上。

這意味著什麼？這意味著當三星、 SK 海力士與美光等全球記憶體三大廠，為了追逐 AI 帶來的高毛利，將越來越多的晶圓產能轉移去生產 HBM 時，傳統的標準型 DRAM 與 NAND Flash 產能就會受到嚴重的排擠效應。這種產能的結構性錯置，導致傳統記憶體的供給被硬生生地限制住，難以出現過去那種因為過度擴產而導致的供過於求與價格崩盤。

因此， Gavin Baker 認為，對標 1990 年代中期的產能超級週期，我們現在可能還處於這波記憶體行情的非常早期階段。對於台股市場而言，雖然台灣記憶體廠並非最頂尖 HBM 的主要供應商，但由於國際大廠將產能挪用，台灣的利基型記憶體製造廠、記憶體模組廠以及快閃記憶體控制 IC 設計公司，將能享有更長久的價格支撐與穩定的獲利空間。這打破了市場對於記憶體股必須「見好就收」的刻板印象，為中長線投資提供了新的理論基礎。

AI 商業模式的轉變與營收的指數級爆發

技術的突破與產能的擴張，最終必須有實質的商業營收來支撐，才能避免泡沫破裂。在 2026 年的觀察中， Gavin Baker 特別強調了 AI 商業模式正在經歷一場寧靜但深遠的革命。

過去幾年，大多數的 AI 應用程式都採用了類似傳統軟體即服務 ( SaaS ) 的訂閱制模式，例如每月收取 20 美元的固定費用。這種模式雖然提供了穩定的現金流，但也限制了營收的爆發潛力。然而，隨著企業級應用的深化，頂尖的 AI 模型正在迅速轉向「按量計費」或「按運算量計費」 ( Pay-per-compute 或 Pay-per-token ) 的模式。

這種轉變的意義在於，當 AI 開始真正在企業內部執行複雜的任務，特別是當程式碼編寫 ( Coding ) 成為 AI 最成熟的殺手級應用時，運算量的消耗將呈現指數級的成長。程式碼生成不僅是目前提升生產力最明顯的領域，更被廣泛視為通往通用人工智慧 ( AGI ) 最快的捷徑。當企業發現 AI 寫程式的效率遠超傳統開發流程時，他們會毫不猶豫地為更多的運算量買單。

Gavin Baker 預測，在這種按量計費的模式推動下，諸如 OpenAI 和 Anthropic 等頂尖 AI 公司的營收增長速度將會超乎所有人的想像。他判斷，這兩家巨頭合計營收達到 2000 億美元的時間點，已經比市場預期的還要近得多。這種終端應用的強勁變現能力，為上游的算力投資提供了最堅實的獲利支撐，進一步驗證了這波 AI 浪潮的真實性與持久性。

總結，將市場敘事轉化為台股投資框架

綜合 Gavin Baker 在 2026 年的深度解析，我們可以清晰地看到， AI 的發展格局已經進入了一個由實體物理限制主導的新階段。瓦數與晶圓的雙重約束，不僅避免了產業走向自我毀滅的泡沫，也為投資人描繪出了一幅全新的板塊輪動藍圖。

這篇文章的核心價值在於提醒投資讀者，在面對 AI 議題時，不要單純被市場的情緒追價所引導，而應該建立起看懂產業擴產速度與物理限制的判斷力。我們將上述的觀點總結為以下的可操作投資框架，並特別為關注台股的投資人標示出潛在的受惠板塊：

Gavin Baker 核心觀點	產業趨勢與物理限制邏輯	台股相關受惠板塊與投資機會
Trainium 被嚴重低估	交換式擴展網路架構優勢，雲端巨頭加速自研 AI 晶片佈局以降低成本。	ASIC 矽智財與設計服務大廠 ( 如世芯-KY )、先進封裝供應鏈。
台積電保守擴產救市	限制晶圓供給，防止高階晶片過剩，拉長 AI 基礎建設週期，避免短期泡沫。	台積電為核心持股，具備極高確定性；相關半導體設備耗材廠穩定成長。
太空算力商業化在即	解決地面資料中心能源與散熱極限， 2030 年前將瓜分地面運算設施市佔率。	低軌衛星概念股、太空級 PCB 廠、微波通訊與雷射通訊零組件供應商。
記憶體身處真實產能週期	HBM 排擠傳統 DRAM 產能，導致供給結構性受限，打破傳統四年循環法則。	利基型記憶體製造廠、記憶體模組廠、儲存控制 IC 設計公司。

總而言之， AI 仍在成長的初期，但真正決定勝負的戰場已經從雲端演算法延伸到了硬體製造與太空軌道之上。透過理解 Gavin Baker 的分析，我們能夠在這個充滿不確定性的市場中，找到那些具備深厚護城河與長線成長潛力的優質資產，從容應對未來的每一個產業週期。

常見問題解答 ( FAQ )

1. 為什麼 Gavin Baker 認為現在的 AI 熱潮與 2000 年的網路泡沫不同？

Gavin Baker 強調， 2000 年的網路泡沫主要由高槓桿與大量債務融資推動，許多企業缺乏實質營收。而目前的 AI 基礎建設熱潮，是由微軟、 Google 等科技巨頭強勁的營業現金流所支撐。只要這些公司的核心業務持續獲利， AI 投資就不會輕易中斷，兩者的財務基礎有著本質上的差異。

2. 什麼是交換式擴展網路 ( Switched Scale-up Network ) ，為什麼它對 Trainium 這麼重要？

交換式擴展網路是一種能讓大量晶片進行極低延遲、高頻寬資料交換的底層基礎設施。這對於運行目前主流的混合專家模型 ( MoE ) 至關重要。全球目前僅有 Nvidia 和 Amazon 的 Trainium 擁有成熟的此類網路，這構成了 Trainium 強大的技術護城河，也是 Baker 認為它被嚴重低估的原因。

3. 為什麼台積電不順應 Nvidia 的要求大幅擴產？

如果台積電大幅擴產， Nvidia 可能會在短期內賣出海量的晶片。但全球的電力與資料中心基礎設施無法在短期內負荷這些晶片運作，這將導致嚴重的庫存堆積與資本浪費，進而引發 AI 產業的泡沫破裂。台積電保守的擴產策略，實際上透過物理限制穩定了整個市場的供需平衡。

4. 什麼是太空算力 ( Orbital Compute ) ，它為了解決什麼問題？

太空算力是指將資料中心部署在太空軌道上。這主要是為了解決地球表面建設大型 AI 資料中心所面臨的電力與散熱極限。在太空中，資料中心可以透過太陽能板 24 小時獲取無限制的能源，並利用太空環境進行熱輻射散熱，再透過雷射與地球通訊。

5. 根據傳統經驗，記憶體類股現在應該要賣出，為什麼 Gavin Baker 認為還可以抱著？

雖然傳統的記憶體景氣循環指標顯示目前處於高點，但 Gavin Baker 指出，由於生產高頻寬記憶體 ( HBM ) 需要消耗傳統 DDR5 三倍以上的晶圓產能，這產生了嚴重的排擠效應。這種結構性的供給限制，使得傳統記憶體不會像過去那樣輕易出現產能過剩，因此目前的週期更長、更具韌性。

6. AI 公司的計費模式轉變，對未來的營收有什麼影響？

頂尖的 AI 模型正在從單一的月租訂閱制 ( SaaS ) 轉向按運算量計費 ( Pay-per-compute ) 的模式。隨著 AI 寫程式等高耗能應用的普及，企業對於算力的需求將大幅增加。這種按量計費模式將能直接反映使用量的成長，推動 OpenAI 等公司的營收呈現指數級的爆發。