兆美元叢集：算力軍備競賽的投資地圖
一、前言：為什麼現在必須寫這篇
2024 年，全球 AI 資本支出突破 1,500 億美元的門檻。Nvidia 資料中心營收從約 140 億年化暴增至近 900 億年化——這還只是「前菜」。
Leopold Aschenbrenner 在《Situational Awareness》系列中勾勒出一幅令人窒息的圖景：按照目前約每年增長半個數量級（~0.5 OOMs/year）的訓練算力趨勢，到 2028 年，單一訓練叢集的成本將達到數千億美元，耗電量相當於一個美國中型州；到 2030 年，我們將迎來兆美元叢集——需要超過美國 20% 的發電量。
這不是科幻。證據已經散落在眼前：
- Microsoft 與 OpenAI 正在籌劃千億美元級的「Stargate」叢集，排定 2028 年上線，造價與國際太空站相當。
- Amazon 在核電廠旁邊買下了 1GW 的資料中心園區。
- 科威特據傳正在建造 140 萬張 H100 等效的叢集。
- Zuckerberg 公開宣布 Meta 已買下 35 萬張 H100。
- Sam Altman 被報導正在談判高達 7 兆美元的算力建設計畫。
更關鍵的是：現階段真正的瓶頸不是錢。科技巨頭們的支出意願不是問題，他們找不到足夠的電、土地、執照、和資料中心建設資源。「哪裡可以找到 10GW？」已經成為矽谷的日常話題。
多數投資人仍用「Nvidia 還能漲多少」的框架思考這波 AI 週期。這是錯的。正確的問題是：當人類史上最大的基礎建設週期啟動時，哪些資產被嚴重低估？
答案不只在晶片。更在電力、天然氣、冷卻系統、先進封裝、HBM 記憶體，以及——對，你沒看錯——賓州的瓦斯井。
二、算力擴張路線圖：從 GPT-4 到兆美元叢集
先把整個趨勢放到一張表上。以下是根據 ~0.5 OOMs/year 趨勢推算的最大訓練叢集演進：
| 年份 | 等效 H100 | 成本 | 耗電量 | 電力參照 |
|---|---|---|---|---|
| 2022 | ~10K | ~$500M | ~10 MW | 約 1 萬戶家庭 |
| 2024 | ~100K | 數十億 | ~100 MW | 10 萬戶家庭 |
| 2026 | ~1M | 數百億 | ~1 GW | 胡佛水壩 / 大型核反應爐 |
| 2028 | ~10M | 數千億 | ~10 GW | 美國中型州 |
| 2030 | ~100M | $1T+ | ~100 GW | 美國 >20% 發電量 |
這只是「最大單一訓練叢集」。全球 AI 總投資的規模會更大——因為會有多個競爭者同時建設，而且大部分 GPU 最終是拿來跑推論（inference），不是訓練。
| 年份 | 全球年度 AI 投資 | AI 晶片出貨（H100 等效） | 佔美國發電量 |
|---|---|---|---|
| 2024 | ~$150B | 5–10M | 1–2% |
| 2026 | ~$500B | 數千萬 | ~5% |
| 2028 | ~$2T | ~100M | ~20% |
| 2030 | ~$8T | 數億 | ~100% |
這些數字看起來瘋狂。但換個角度看歷史對照：
- 曼哈頓計畫 + 阿波羅計畫在高峰時期佔美國 GDP 的 0.4%，換算今日約 1,000 億美元/年。
- 1996–2001 年，電信業為了建設網際網路基礎設施，投入了當今幣值近 1 兆美元。
- 1841–1850 年英國私人鐵路投資累計達 GDP 的 40%。若按同比例換算美國 GDP，十年間將是 11 兆美元。
- 中國過去 20 年的投資佔 GDP 比重超過 40%，換算成美國 GDP 規模每年就是 11 兆美元。
- 二戰期間美國借債金額超過 GDP 的 60%，換算今日約 17 兆美元。
換句話說，2027 年達到 1 兆美元的年度 AI 投資——雖然會是歷史上最大規模的資本建設之一——但並不是前所未有。
Aschenbrenner 給出的這些數字並非「AGI 信徒」的獨家幻想。AMD 自己預測 2027 年 AI 加速器市場達 4,000 億美元，換算總 AI 支出超過 7,000 億——跟這張表的量級基本吻合。Sam Altman 被報導正在談判高達 7 兆美元的算力建設計畫，當時被嘲笑為「天方夜譚」，但如果你跑完這些數字，它其實沒那麼瘋。
問題不是「要不要花這些錢」，而是「誰先花到位」。更尖銳的問題是：你的投資組合有沒有曝險在這條軌道上？
三、需求端：AI 營收能支撐這種投資嗎？
這是所有投資人最核心的焦慮。如果投入了數兆美元但 AI 無法變現，那這整個敘事就會崩潰——就像 2000 年的 dot-com 一樣。
到目前為止的答案是：每一輪 10 倍的投資都獲得了相應的回報。
- OpenAI 營收從 2023 年 8 月的 10 億年化，到 2024 年 2 月已達 20 億年化——大約每六個月翻倍。
- 按此趨勢，2024 年底 / 2025 年初應達 100 億年化，這還沒計入下一代模型帶來的爆發。
- Microsoft 自家估算已有約 50 億美元的增量 AI 營收。
$100 億 → $1000 億的關鍵里程碑
Aschenbrenner 提出一個值得盯著看的里程碑：何時一家大型科技公司的 AI 營收年化達到 1,000 億美元？
這個問題為什麼關鍵？因為這些公司（Microsoft、Google、Meta）目前的總營收在 1,000–3,000 億美元之間。當 AI 營收達到 1,000 億，它就不再是「新業務線」，而成為核心增長引擎。
很多人覺得這是天方夜譚。但做個簡單的算術：
- Microsoft Office 有約 3.5 億付費用戶。
- 如果其中三分之一（約 1.2 億人）願意每月多付 100 美元購買 AI 功能？
- 這就是 1,440 億美元的年化營收。
- 對一般上班族來說，這只是每月省下幾小時的生產力——未來兩年的模型完全有能力提供這個價值。
如果單純按 OpenAI 每六個月翻倍的節奏外推：2025 年初達 100 億年化 → 2026 年中就能達 1,000 億年化。
當 AI 營收達到 1,000 億等級時，資本市場的敘事會根本性轉變。這些公司的營收增長預期會被大幅上修，股價會反映未來 AI 成為主要盈利引擎的情境。
我們可能很快看到第一家市值 10 兆美元的公司。連帶效應是，這些巨頭將願意發行史上最大規模的公司債來加碼 AI 基建。利率市場、美元流動性、甚至美國國債收益率曲線都會被這波資本需求重新定義。
超越 1,000 億之後：白領勞動力的再分配
如果我們真的走在通往 AGI 的路上，回報將不是線性增長，而是跳躍式的。全球白領工作者每年的薪資總額是數十兆美元——如果一個「可遠端工作的 AI 員工」能取代哪怕一小部分的認知型工作（想像一個真正自動化的 AI 工程師），單是這一項應用就能支撐起兆美元叢集的成本。
即使商業化不如預期，國家安全的考量也會推動政府介入。屆時我們看到的可能不是單一企業的投資，而是國家級的曼哈頓計畫式 AI 專案。
四、供給端瓶頸：電力才是真正的約束
多數人直覺認為晶片是最大瓶頸。這是錯的。電力才是。
幾個關鍵事實：
- 美國過去十年的總發電量增長不到 5%。
- 公用事業公司剛剛才把未來五年的增長預期從 2.6% 上調至 4.7%——這連冰山一角都算不上。
- 單一兆美元叢集需要 100GW，相當於美國約 20% 的發電量。
- 新建一座 GW 級核電廠需要 10 年。
單是要找到 2028 年 10GW 等級叢集所需的電力，就已經是業內人士夜不能寐的問題。到了 2030 年的 100GW？這不只是蓋一個倉庫擺 GPU 了——它需要數百座配套的發電廠。可能得靠國家級聯盟才能做到。
唯一可行的快速方案：天然氣
Aschenbrenner 的分析指出，美國有充裕的天然氣資源可以解決這個問題——這個方案又快又便宜：
- 僅賓州 Marcellus/Utica 頁岩就日產約 360 億立方英尺天然氣，足以持續發電近 150GW（聯合循環電廠可達 250GW）。
- 為 100GW 叢集添加產能需要約 1,200 口新井。每台鑽機每月可鑽 3 口，Marcellus 目前的 40 台鑽機在不到一年內就能建起生產基礎。
- 2019 年 Marcellus 有 80 台鑽機，所以增加鑽機不是問題。
- 美國天然氣產量過去十年已經翻倍，繼續這個趨勢就足以支撐多個兆美元資料中心。
- 100GW 的天然氣發電廠總資本支出約 1,000 億美元——這在 AI 基建的量級裡只是零頭。
- 聯合循環電廠可在兩年內建成，燃氣機組更快。
但美國目前最大的障礙是自我設限：
- Microsoft、Google、Amazon 都承諾了綠色資料中心，排斥天然氣。
- NEPA 環評、FERC 輸電線路審批、公用事業監管，把本來幾年就能做完的事情拖到十幾年。
- 結果是：AGI 資料中心正被「推往」中東獨裁政權的懷抱。
這裡是投資者最容易忽略的金礦。當所有人盯著 Nvidia 時，真正的不對稱機會在於：
（1）天然氣生產商——尤其是 Marcellus 區塊的 EQT、Range Resources、Antero Resources。
（2）燃氣輪機製造商——GE Vernova、Siemens Energy、三菱重工。這些公司的訂單能見度正在延長到 2028 年以後。
（3）電力基礎設施——變壓器短缺已經成為資料中心建設的關鍵瓶頸（Eaton、Hubbell、Hitachi Energy）。
（4）冷卻系統——液冷滲透率正在爆發（Vertiv、Super Micro）。
（5）公用事業——靠近天然氣田且有輸電容量的電廠（Vistra、Constellation）。
這些公司目前的估值，完全沒有反映即將到來的需求海嘯。
如果美國不做，誰會做？
這就帶出整篇研報最有地緣張力的一段——中東國家正在用「無限電力」作為誘餌，吸引 AGI 實驗室把資料中心搬過去。這不只是商業決策，而是國家安全問題。（詳見第六章。）
五、晶片供應鏈：TSMC 與先進封裝
先講結論：從純邏輯晶圓的角度，TSMC 現在一年的產能已經夠支撐兆美元叢集（如果所有晶片都倒進一個資料中心的話）。真正的瓶頸在於：
- 先進封裝（CoWoS）——Chip-on-Wafer-on-Substrate
- HBM 記憶體——高頻寬記憶體
這兩項都是 AI 專用的瓶頸，不像邏輯晶圓本來就有大量既有產能可以分配。
CoWoS：TSMC 在蓋「綠地工廠」
CoWoS 的產能短缺已經嚴重到 TSMC 要從零開始蓋全新的工廠（greenfield fabs）來專攻這項產品——這在 TSMC 歷史上極罕見。Nvidia 甚至開始找 CoWoS 以外的替代封裝方案來繞過短缺。
從產業端看過去，CoWoS 的產能瓶頸其實有三層：
第一層是設備交期——ASM Pacific、Disco、Towa 的關鍵設備交期從原本 6–9 個月拉長到 18–24 個月。
第二層是人力——CoWoS 的製程比邏輯複雜得多，需要專業工程師，而這批人才幾乎只能從 TSMC 內部培養。
第三層是良率爬坡——新廠從啟用到量產良率穩定需要 12–18 個月，這段期間的有效產能大約只有名目產能的 40–60%。
所以市場上看到「TSMC CoWoS 產能翻倍」的新聞，實際上真正能交貨給客戶的數量要打折扣。2026 年的緊俏程度會比 2025 年更嚴重，不會緩解。
HBM：三星的缺席機會
HBM3e 目前是 SK Hynix 獨大，Micron 跟隨，Samsung 落後。這是一個被嚴重忽略的結構性故事：
- SK Hynix 幾乎壟斷 Nvidia H100 / H200 / B100 的 HBM 訂單。
- Samsung 在 HBM3e 認證上屢屢卡關，Nvidia 的驗證延宕。
- Micron 雖然技術路線對，但產能相對小。
這創造了兩個投資主題：（1）SK Hynix 的定價能力和毛利擴張；（2）如果 Samsung 真的追上了，它的營收彈性會非常大——因為它目前的估值幾乎沒有反映 HBM 潛力。
Gigafab 的資本支出密度
一座新的 TSMC Gigafab 造價約 200 億美元，每月產能 10 萬片晶圓。到本十年末，要達到每年數億顆 AI GPU 的規模，TSMC 需要新建數十座這種等級的工廠——加上記憶體、先進封裝、網路設備的配套資本支出，總金額可能超過 1 兆美元。
這裡有個諷刺的觀察：TSMC 自己還不夠 AI-pilled。他們對 AI 業務的長期預測是「只有」50% CAGR——這按 Aschenbrenner 的算法是嚴重低估。
換句話說，連全球最大的晶圓代工廠都還沒完全理解自己面對的需求海嘯。這意味著市場對 TSMC、CoWoS 設備商、HBM 供應商的估值，可能還有一次甚至兩次的上修空間。當 TSMC 自己開始信了，股價會去哪裡？
六、地緣政治維度：算力即國力
Aschenbrenner 最具爭議、也最重要的論點是：AGI 訓練叢集不能建在中東獨裁國家。
這不是偏見問題，而是結構性的國家安全風險：
- 權重被竊取：訓練完的 AGI 模型權重可能被物理接觸路徑的側通道攻擊竊走，流向中國。
- 物理扣押：當 AGI 競賽白熱化，這些國家可能直接扣押資料中心——就像 1970 年代的石油禁運。
- 隱性籌碼：即使沒有實際扣押，美國也會被迫在政策上配合這些國家，失去自主性。
作者用了一個很戳的比喻：「把晶片製造放在台灣像把鈾礦放在國外；把 AGI 資料中心放在中東像把實際的核彈存在國外。」
對台灣、日韓的投資意涵
有趣的推論是：CHIPS Act 雖然想把晶片製造搬回美國本土，但 Aschenbrenner 認為這沒那麼重要。真正關鍵的是 AGI 資料中心本身要在美國（或密切盟友）。
考慮到美國本土建 fab 的成本和進度都遠不如預期，更合理的分工應該是：
- 資料中心 → 美國本土（在德州、路易斯安那、賓州等紅州）
- 晶圓製造 → 台灣、日本、韓國（民主盟友，執行力強）
- 記憶體 → 韓國（SK Hynix 主場）
這對台積電、三星、SK Hynix 都是結構性利多——他們不會被美國政策擠出市場，反而會因為「民主盟友晶片供應鏈」的定位享受更穩定的訂單。
市場給台積電的「地緣政治折價」正在慢慢消解。過去大家擔心台海衝突、CHIPS Act 削弱 TSMC 的戰略地位。但如果 AGI 資料中心集中在美國，而美國又需要盟友 fab 供應，TSMC 的不可替代性反而上升。
長線看，台積電的估值倍數有望從現在的 20 倍 P/E 往 25–30 倍靠攏——這不是因為產業循環，而是因為戰略地位的重新定價。
七、海牛投資框架：受益者地圖
基於前面六章的分析，我們建構一個四層的投資框架。每一層有不同的風險報酬特性，投資人可以按自己的風險偏好選擇曝險組合。
Layer 1：核心受益者（已 priced in，但還有空間）
- NVIDIA（NVDA）：AI 晶片之王。賣方預估過度保守——按 Aschenbrenner 的算法，CY25 營收會超過 2,000 億美元（vs. 賣方共識 1,200–1,300 億）。
- TSMC（TSM）：代工獨佔。地緣政治折價有機會反轉。
- SK Hynix（000660.KS）：HBM 獨大，定價能力強。
Layer 2：供應鏈深水區（被低估）
- CoWoS 設備：ASM Pacific Technology、Disco、Towa。TSMC 擴產直接受益。
- HBM 測試：Teradyne、Advantest——HBM 產能倍增意味著測試設備需求倍增。
- 光學元件：Coherent、Lumentum——高頻光通訊是資料中心互聯的關鍵。
Layer 3：電力與基建（嚴重低估）
- 燃氣輪機：GE Vernova、Siemens Energy、三菱重工。訂單能見度延長到 2028+。
- 天然氣生產：EQT Corp（Marcellus 最大）、Range Resources、Antero Resources。
- 電力基礎設施：Eaton、Hubbell、Hitachi Energy——變壓器嚴重短缺。
- 冷卻系統：Vertiv（液冷龍頭）、Super Micro（整機方案）。
- 公用事業：Vistra（核電 + 燃氣，直接供應資料中心）、Constellation Energy。
Layer 4：選擇權（高風險高報酬）
- Samsung Electronics（005930.KS）：如果 HBM 追上了，估值彈性巨大。
- SMR 核電：NuScale、Oklo——如果監管鬆綁，10 年內會是重要補充。
- 氫能冷卻 / 直流輸電：下一代資料中心的潛在技術路線。
- 核心曝險（NVDA、TSM、SK Hynix）佔組合 40–50%——這是 beta，漲幅跟整個主題高度相關。
- 供應鏈深水區佔 25–30%——這是 alpha 來源，市場定價尚未充分反映。
- 電力與基建佔 20–25%——最被低估的一層，也是最不對稱的機會。
- 選擇權部位佔 5–10%——高凸性、可能歸零但上漲空間大。
八、風險因素與下行情境
我們也必須誠實面對下行風險。以下是四個會顛覆整個框架的情境：
風險一：演算法突破降低算力需求
如果 Transformer 之後出現新的模型架構，能用 1/10 的算力達到同樣的智慧水準？這不是零機率事件。Mamba、RWKV、以及一些稀疏化研究都有可能帶來效率突破。
緩解：即使算力需求減半，總體投資也只會延後 1–2 年，不會消失。而且歷史上，效率提升通常帶來需求的倍數增長（Jevons Paradox）。
風險二：AI 營收增長放緩，資本支出週期中斷
如果 AI 產品的商業化速度不如預期——企業採納慢、消費者付費意願低——大型科技公司可能大幅削減 2026–2027 的資本支出。
緩解：這是最需要密切追蹤的變數。海牛建議每季檢視：（1）Microsoft AI 業務的增量營收披露；（2）OpenAI 營收年化數字；（3）Meta / Google 資本支出的指引變化。
風險三：監管急劇收緊
美國、歐盟、或中國可能因為 AI 安全問題突然祭出嚴厲監管，要求訓練許可、算力配額、模型審查等。
緩解：目前看來這個風險被 AGI 競賽的地緣張力沖淡——美國不太可能主動綁住自己的手腳。但需要注意歐盟的 AI Act、中國的算力管制。
風險四：台海衝突
最大的尾端風險。如果台海發生軍事衝突，TSMC 的產能會被瞬間癱瘓——全球半導體供應鏈會進入混亂狀態。
緩解：海牛的基本情境是台海維持「不安定但不衝突」的現狀。但投資組合中應該保留一些對沖工具：（1）美國本土 fab 相關公司（Intel、TI）；（2）日韓晶圓代工（Rapidus、Samsung Foundry）；（3）記憶體備選供應鏈（Micron、Kioxia）。
九、結論與操作建議
我們正站在人類史上最大規模資本支出週期的起點。這不是泡沫——這是一場結構性轉變。
關鍵的認知差距在於：市場還在用「AI 股票還能漲嗎」的框架思考，而正確的框架是「整條供應鏈哪裡有瓶頸、哪裡被錯配、哪裡有 alpha」。
過去 18 個月，Nvidia 的驚人漲幅已經是明牌。接下來 18–36 個月真正的超額報酬，會在這些地方產生：
- 電力基建：燃氣輪機、變壓器、公用事業——被嚴重低估的一層。
- 天然氣生產：Marcellus 區塊，尤其是 EQT。
- 先進封裝與 HBM：CoWoS 設備商、HBM 測試供應鏈。
- 地緣定位重估：TSMC 的戰略折價反轉。
Niels Bohr 在 1944 年聽說曼哈頓計畫的規模時，對 Teller 說：「我跟你說過，如果不把整個國家變成一個工廠，這件事是做不到的。你們現在正是這樣做。」
今天的算力競賽，本質上就是把整個工業體系變成一個工廠。投資者的任務不是預測誰會贏，而是確保你的組合曝險在這個轉型的正確一側。
在所有人看 K 線的時候，我們看供應鏈。