AI 概念股是推動美股過去三年牛市（2023-2026 年）的最核心力量。自從 2022 年 11 月 ChatGPT 問世以來，AI 相關股票貢獻了標普 500 指數高達 75% 的回報、80% 的盈餘增長與 90% 的資本支出成長。分析師形容：「AI 概念股已成為美股的心臟。」
進入 2026 年，AI 股票的敘事沒有結束，但表現出現分化。根據 Morningstar 截至 2026 年 5 月 13 日的統計，科技股表現最好的前 10% 平均回報 +93.3%，表現最差的後 10% 平均下跌 -39.3%，兩者相差 133 個百分點，差距幾乎是三年前的兩倍。記憶體公司 Sandisk 年初至今上漲 511%，Seagate 漲 194%，Western Digital 漲 183%；同一時期，超過 75% 的軟件股今年收跌，Atlassian 和 Workday 跌幅都超過 44%。
這種分化說明「買 AI 概念股」已經不夠了，要選對類型。Magnificent 7 七巨頭如今佔標普 500 總市值三分之一，他們的股價表現幾乎決定市場漲跌，但在「七巨頭」之外，AI 受益的邏輯也在向更多公司延伸。
本文就來和你分享 AI 概念股是什麼？整理了截至 2026 年 5 月市值最大、AI 業務佔比最高的 20 檔美股AI股票，分析它們在 AI 浪潮中的定位、最新財務數據與各自的機會和風險。如何投資AI 概念股？為你整理 AI 產業是什麼、2026年的趨勢和表現，投資 AI 概念股有什麼優點和風險？
AI 概念股是什麼？
AI 概念股（AI Stocks）泛指核心業務直接受益於人工智慧技術普及的上市公司股票，凡是能透過 AI 提升生產力、創造新產品或優化業務模式的公司，都可能被視為 AI 股票。
AI 的應用範圍非常廣從語音辨識、影像生成、自動駕駛、雲端運算，到生成式 AI 模型（如 ChatGPT、Claude、Gemini）背後的運算晶片與資料中心基礎設施，每個環節都孕育出不同類型的 AI 投資機會。
因此，能夠被視作 AI 概念股的公司有：
- 提供訓練和推理算力的 GPU 及 ASIC 晶片商
- 製造先進晶片的代工廠與設備商
- 開發 AI 模型或整合
- AI 功能的平台和軟件公司
- 供應 AI 加速器所需元件的記憶體廠商。
廣義的 AI 概念股還包括 AI 定製晶片（ASIC/XPU）設計商、AI 網路基礎設施（高速交換機）、AI 企
業軟件平台，以及以 AI 技術提升核心業務的醫療機器人等。
要判斷一家公司是否真正的「AI 概念股」，核心標準是 AI 業務佔比或直接帶動的收入成長動能，而非只是名義上採用了 AI 技術。
市場上的 AI 概念股大致可分為兩類：
1. 大型藍籌科技公司
這些公司具備龐大的資金與雲端基礎設施，能主導整個 AI 生態系，例如：
- 開發 AI 平台與工具的微軟（Microsoft）、谷歌（Google）
- 提供 AI 運算晶片的輝達（Nvidia）、超微（AMD）
- 將 AI 整合進產品服務的蘋果（Apple）、亞馬遜（Amazon）、Meta（Facebook 母公司）
2. 專注 AI 技術的中小型公司
例如開發生成式 AI 模型的 Anthropic、OpenAI，或設計專用 AI 晶片、演算法的初創企業。它們通常技術創新，但商業化能力有限，且由於大型語言模型（LLMs）訓練需要龐大資料與資本，最後往往需要依附在大型科技公司的生態圈中，才能擴展規模。
AI 概念股推薦：20檔市值最高AI股票（2026）
| # | 公司名稱 （股票代號） | 市值（美元） | 5年回報 |
|---|---|---|---|
| 1 | NVIDIA 輝達 （NVDA） | 5.22 兆 | 1,339.94% |
| 2 | Alphabet（Google） （GOOGL） | 4.64 兆 | 236.64% |
| 3 | Microsoft 微軟 （MSFT） | 3.11 兆 | 77.90% |
| 4 | Amazon 亞馬遜 （AMZN） | 2.86 兆 | 66.29% |
| 5 | Broadcom 博通 （AVGO） | 1.96 兆 | 914.28% |
| 6 | 台積電（ADR） （TSM） | 1.87 兆 | 292.86% |
| 7 | Meta Platforms （META） | 1.55 兆 | 94.48% |
| 8 | Micron Technology 美光 （MU） | 1.01 兆 | 1031.03% |
| 9 | Advanced Micro Devices （AMD） | 7,623.2 億 | 505.82% |
| 10 | ASML Holding （ASML） | 6,411.6 億 | 168.68% |
| 11 | Oracle 甲骨文 （ORCL） | 5,524.3 億 | 160.07% |
| 12 | Palantir （PLTR） | 3,281.4 億 | 559.66% |
| 13 | Arm Holdings 安謀 （ARM） | 3,261.3 億 | 1年回報 134.96% |
| 14 | KLA Corporation （KLAC） | 2,466.7 億 | 540.54% |
| 15 | IBM （IBM） | 2,385.8 億 | 123.40% |
| 16 | Arista Networks （ANET） | 1,939.5 億 | 642.03% |
| 17 | Dell Technologies 戴爾 （DELL） | 1,917.5 億 | 549.84% |
| 17 | Marvell Technology 邁威爾 （MRVL） | 1,716.8 億 | 333.08% |
| 18 | CrowdStrike （CRWD） | 1,688.7 億 | 215.03% |
| 20 | Intuitive Surgical 直覺手術 （ISRG） | 1,551.6 億 | 59.31% |
1. NVIDIA（NVDA）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | NVDA / NASDAQ |
| 市值（2026年5月） | $5.32 兆 （全球的第一家市值破5兆的公司） |
| 本益比 P/E | 32.98x（TTM） / 21.59x（遠期） |
| EPS（TTM） | $6.53 |
| 毛利率（TTM） | 74.15% |
| 自由現金流量（FCF） | $1190.8 億 |
| 近 5 年報酬率 | 1,339.94% |
| ROE | 101.54% |
輝達（NVIDIA）最新的 FY2027 Q1 財報，$816 億的季度收入再度刷新歷史單季最高紀錄，連同數據中心業務的滾滾現金流，讓全網都在刷「超預期」和「黃仁勳砸出 800 億美元回購」。
但詭異的是，這份堪稱完美的成績單送出來後，輝達盤後的股價卻像坐雲霄飛車，先跌超 3%，拉高漲 1%，再度跌回去。明明賺翻了，指引也超預期，市場到底還在不滿意什麼？
要理解為什麼輝達不可取代，就要看它的戰略合作版圖。
2025 年 9 月，NVIDIA 與 OpenAI 簽署意向書，承諾投資高達 $1,000 億美元、部署至少 10GW 的 NVIDIA 系統，打造 OpenAI 下一代 AI 訓練和推理基礎設施，第一階段預計 2026 下半年使用 Vera Rubin 平台上線。同年宣布的 Stargate 計畫，由 SoftBank、OpenAI、Oracle 共同出資 $5,000 億美元在美國建 AI 資料中心，NVIDIA 是核心技術夥伴之一，同框的還有 Microsoft、Oracle 和 ARM。
2026 年 2 月，NVIDIA 和 Meta 簽下跨世代多年期戰略合作，Meta 成為全球第一個在資料中心大規模部署 NVIDIA Grace 獨立 CPU 的公司，這筆合約涉及數百萬顆 GPU 加 CPU，規模以數百億美元計。輝達也與沙烏地阿拉伯 HUMAIN 宣布合作，在沙國建設 AI 工廠，把 AI 基礎設施的觸角延伸到中東主權基金的錢包裡。就連晶片設計夥伴 Marvell，NVIDIA 也在 2026 年 3 月直接砸進 $20 億美元投資，把供應鏈關係升級為戰略股東關係。
因此，NVIDIA 的護城河不只是硬體，它是整個 AI 產業鏈的組織者。但因為巨頭之間相互投資，牽絆太深，因此也引發了市場對 AI 泡沫的隱憂。
Blackwell 架構（B200/GB200 NVL72）供不應求，NVIDIA 對 Blackwell 加 Rubin 兩個世代合計帶來 $1兆收入已明確表態「充分信心」。Blackwell 和 Rubin 的迭代幫下游雲端廠商把 Token 算力成本做到每年暴跌 70%；但微軟、Google 對外出售 AI 服務的 Token 定價沒跟著降，大廠的單位利潤直接被拉高；大廠賺越多，越有動力把今年 AI 資本支出衝到 $7,000 億美元（年增近 80%），回頭繼續跟輝達買晶片。
下一代平台 Vera Rubin 是當前最值得追蹤的催化劑，將 ARM 架構 CPU 與 GPU 整合為單一封裝，專為Agentic AI（代理型 AI）多步驟推理任務設計，目前已有近 $200 億美元可見收入，預計 FY2027 Q3 開始出貨。
CUDA 軟件生態已有超過500 萬名開發者，這個積累超過十年的軟件護城河，比硬件本身更難被替代。NIM（NVIDIAInference Microservices）讓企業快速部署私有 AI 模型，進一步鞏固平台黏性。
產品過硬的實力，讓輝達在對上游供應鏈的採購承諾已暴力拉升至 $1,450 億美元（年初還只有 $952 億），為 Agentic AI 下半場的記憶體牆、CPU 調度和網路連接瓶頸卡位。
不過，這集財報也反映了幾個隱憂， 輝達這季突然把業務板塊集中歸納為資料中心與邊緣計算平台，原本的「計算業務與網路業務」拆分，改成「超大規模客戶（$379 億，環增 $40 億）」與「其他雲客戶（$374 億，環增 $89 億）」。微軟、Google 在推理階段更有動力使用「備胎 ASIC」，改口徑凸顯「其他雲」，很可能是在掩飾超大規模訂單未來邊際放緩的隱憂。
此外，超大規模客戶自研 ASIC 晶片（Google TPU、Amazon Trainium、Meta MTIA）長期分流部分
採購；AMD MI350 系列持續追趕；全球地緣政治局勢和出口管制政策變化帶來不確定性。
遠期 P/E 約26x 在 NVIDIA 歷史估值中屬偏低水平，反映市場對增速可能放緩的擔憂。
黃仁勳在法說會上花大量篇幅解釋 Blackwell 的 10 倍代際成本改善，並抨擊 Groq 等低成本推理晶片「長期只是小眾」，這種主動解釋說明輝達感受到了推理市場性價比競爭的隱形壓力。
延伸閱讀：
- NVIDIA輝達是做什麽的？如何成AI概念股龍頭？輝達2027 Q1業績
- 15檔資料中心概念股【2026】為何巨頭砸7,000億美元建資料中心？
- AI 泡沫真的來了？什麼原因導致 AI 泡沫化？投資人怎麼辦？
- 2025/2026年全球市值排名最高的30家公司，揭秘全球市值前10大公司
2. Alphabet / Google（GOOGL）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | GOOGL / NASDAQ |
| 市值（2026年5月） | $4.64 兆 |
| 本益比 P/E | 29.22x（TTM） / 30.60x（遠期） |
| EPS（TTM） | $13.11 |
| 毛利率（TTM） | 60.37% |
| 自由現金流量（FCF） | $644.3 億 |
| 近 5 年報酬率 | 236.64% |
| ROE | 34.88% |
外界花了兩年時間預測 AI 會殺死 Google 搜尋，但 Q1 2026 的財報出來之後，這個假設至今沒有成立，反而是 Google 完成了一場置之死地而後生。
Alphabet Q1 2026 整體收入同比增長 22%，Google Cloud 單季增速 +63%，季度利潤首次突破 $200 億，是三大雲端業者中加速最明顯的一個。Gemini 2.0 系列已整合至 Search、Gmail、Workspace、Android 全產品線，AI Overviews（AI 搜尋摘要）月活躍用戶超 15 億。
Alphabet 在 AI 週期的定位是雙重角色：守住 Google 搜尋不被 AI 競品蠶食，同時靠 Google Cloud 和 Gemini 模型收取算力與 API 費用。TPU v6（Trillium）自研 AI 晶片讓 Google 降低對 NVIDIA GPU 的採購依賴，同時以更具競爭力的價格向外部雲端客戶出租算力。DeepMind 持續輸出的研究成果為 Google Cloud 提供差異化的模型能力，是 AWS 和 Azure 短期難以複製的優勢。
AI Overviews 是最大的隱憂是搜尋頁直接給出答案，可能減少用戶點擊廣告的頻率，但目前數據顯示衝擊幅度低於市場初期預期。不過，年輕用戶正在把 Perplexity、ChatGPT Search 當成習慣性的第一個搜尋入口，習慣一旦從新一代用戶這裡開始鬆動，廣告定價的護城河就只剩時間問題。
2026 年 4 月，Google 宣布對 Anthropic 投資高達 $400 億美元，初始 $100 億，其餘依里程碑釋放。這讓 Google 成為 Anthropic 最大的戰略股東之一（Amazon 也投了超過 $130 億）。Anthropic 同時與 Google 和 Broadcom 簽署 多 GW 規模的 TPU 算力合約，從 2027 年起由 Broadcom 設計的 Google 下一代 TPU 提供運算，規模達 3.5GW。Google 的 TPU 生態系統從此有了全球最熱的 AI 模型公司作為最大算力客戶。
Google 既在投資 Anthropic 賺增值，又讓 Anthropic 的算力消耗回流到 Google Cloud，同時 Broadcom 幫 Google 設計的 TPU 也因此有了龐大訂單支撐。這是一個設計得相當精巧的生態系閉環。
DOJ 反壟斷訴訟是另一個無法用財報對沖的尾部風險：可能強制剝離 Chrome 或讓 Android 不能預設 Google 搜尋，結果可能要到 2027-2028 年才塵埃落定，期間每一次庭審都可能成為股價波動的導火線。
延伸閱讀：
3. Microsoft（MSFT）
Microsoft 微軟（MSFT）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | MSFT / NASDAQ |
| 市值（2026年5月） | $3.11 兆 |
| 本益比 P/E | 24.93x（TTM） / 22.64x（遠期） |
| EPS（TTM） | $16.79 |
| 毛利率（TTM） | 68.31% |
| 自由現金流量（FCF） | $729.2 億 |
| 近 5 年報酬率 | 77.90% |
| ROE | 32.74% |
微軟是這波 AI 浪潮裡，貨幣化做得最早也最系統化的大型科技公司。過去一年股價下跌約 8%，不是因為 AI 做得差，而是市場在估算 $1,900 億的年度資本支出，什麼時候真正反映到利潤裡？
微軟對 OpenAI 的累計投資超過 $130 億，加上新協議簽署後持有 OpenAI Group PBC 約 27% 的股份，估值約 $1,350 億。合約條款中寫明 OpenAI 承諾向 Azure 追加採購 $2,500 億的雲端服務；微軟取得 OpenAI 模型和產品的 IP 授權延長至 2032 年，甚至涵蓋 AGI 後的模型。這意味著 GPT-4o、o3 這些模型在可見的未來都是 Azure 的獨家武器，而 Azure Q3 FY2026 年增 40%、AI 業務 ARR 達 $370 億（年增 123%）正是這個排他性的直接變現。
Copilot for 365 讓 Word、Excel、Teams 都能用 AI，對著已有 3 億多名 Microsoft 365 用戶追加銷售，是推廣成本最低的 AI 貨幣化路徑。雲端合約 backlog $6,270 億，年增 99%，說明未來幾年的收入有合約在支撐。
不過，微軟跟 OpenAI 的合作是一把雙刃劍。OpenAI 在 2025 年完成公司結構轉型後加速商業化，並在新協議中拿回了非 API 產品在其他雲端平台上部署的空間。更長遠的問題是：OpenAI 與 Apple 的接觸從未停過，Gemini 也在 iOS 和 Android 上擴大整合。如果 OpenAI 的生態影響力持續擴大，部分開發者和企業直接選擇 OpenAI 原生服務而不經過 Azure，微軟的「中間層」角色就會被稀釋。$1,900 億的 capex 換來的 ROI 路徑圖，是市場在等待微軟清楚說明的事。
延伸閱讀：
4. Amazon（AMZN）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | AMZN / NASDAQ |
| 市值（2026年5月） | $2.86 兆 |
| 本益比 P/E | 31.85x（TTM） / 31.93x（遠期） |
| EPS（TTM） | $8.36 |
| 毛利率（TTM） | 50.60% |
| 自由現金流量（FCF） | -$24.7 億 |
| 近 5 年報酬率 | 66.29% |
| ROE | 29.31% |
Amazon 的 AI 故事沒有一個像「Copilot」或「ChatGPT」那樣清晰的標誌性產品，但它在 AI 時代最聰明的一步，是把全球最熱的 AI 模型公司 Anthropic 變成了自己的「雲端算力最大客戶」。
Amazon 對 Anthropic 的投資已超過 $130 億，2026 年 4 月又宣布可額外增投至多 $250 億美元，視商業里程碑釋放。作為交換，Anthropic 承諾在未來 10 年內向 AWS 採購超過 $1,000 億美元的雲端服務，包括 Trainium 和 Graviton 硬體——這讓 AWS 從「Anthropic 的投資人」升級成「Anthropic 的基礎設施合作夥伴」，Claude 模型的每一次訓練和推理，都在消耗 AWS 的算力資源。
除了對 Anthropic 的壓住，Amazon 本身有三個業務與 AI 有關。
第一，是 AWS 雲端運算服務。Q1 2026 AWS 收入達 $376 億，年增 28%，是 Amazon 整體利潤的最大來源。AWS 的 AI 產品分三層：底層是 Trainium 和 Inferentia 自製晶片（用來搶 NVIDIA 的生意）、中層是 Amazon Bedrock（讓企業選用 Claude、Llama、Mistral 等不同模型的平台）、上層是 Amazon Q（企業版 AI 助理）。這個策略的核心是讓 AWS 成為「AI 模型的百貨公司」，而不是押注在單一模型上。
不過，AWS 17% 的增速在 AI 基礎設施需求爆炸的環境下顯得保守，Azure 和 GCP 的 AI 成長速度持續高於 AWS，市佔差距在縮小。Amazon 自製 AI 晶片（Trainium、Inferentia）的良率和規模化能力是否真的能挑戰 NVIDIA，目前還沒有足夠的公開數據讓市場信服。
第二條是電商 AI 化。Amazon 把 AI 用在廣告定向（Q1 2026 年增 19%）、搜尋排序、競價優化、倉儲機器人調度上（目前部署超過 75 萬台機器人），這些不是直接賣給外部的 AI 產品，但它們讓每個訂單的處理成本持續下降，提高了 Amazon 零售業務的利潤率。
然而，電商業務面對 Temu、Shein 的低價競爭，以及 TikTok Shop 在美國的持續擴張，廣告收入的成長空間會不會被壓縮還需要再觀察。
第三條是 Alexa+ 的重新定位。原來的 Alexa 是個笑話，被外界嘲笑了好幾年，現在 Amazon 在用生成式 AI 重建它，能不能翻身還在觀察。
5. Broadcom（AVGO）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | AVGO / NASDAQ |
| 市值（2026年5月） | $1.96 兆 |
| 本益比 P/E | 80.71x（TTM） / 30.97x（遠期） |
| EPS（TTM） | $5.13 |
| 毛利率（TTM） | 67.82% |
| 自由現金流量（FCF） | $289.1 億 |
| 近 5 年報酬率 | 914.28% |
| ROE | 38.47% |
Broadcom 是全球客製化 AI 加速器（XPU/ASIC）的絕對壟斷霸王，掌握了市場約 70% 的份額。
Broadcom 有兩個主要業務：
- 半導體，但不是 NVIDIA 那種 GPU，而是各種連接晶片、網路交換晶片（Tomahawk 系列）、以及最近快速成長的客製化 AI 晶片（XPU）
- VMware 的企業軟體，Broadcom 在 2023 年以 $690 億收購 VMware 之後，把它的授權模式改成訂閱制，大幅提升了毛利率
前面提過，Broadcom 和 Google 的合作關係可以追溯到 2016 年，Google 用於訓練 AI 模型的 TPU（張量處理器）的晶片設計，一直由 Broadcom 在幕後操刀。2026 年這個關係被大幅強化：Anthropic 與 Google 和 Broadcom 簽署協議，為 Anthropic 的下一代 Claude 模型建立從 2027 年起的 3.5GW 規模 TPU 算力供應，
Broadcom 不只是在幫 Google 設計晶片，現在直接以「Ironwood Racks」成品形式賣給 AI 公司，從零件供應商升格為系統解決方案供應商。Anthropic 更早在 2025 年 1 月承諾，通過 Broadcom 採購價值 $210 億美元的 Google TPU，訂購近 100 萬顆 TPU v7p，交付期至 2026 年底。
Broadcom 是 AI 概念股裡最被低估的一個，因為它做的事情不夠性感，但非常賺錢。
FY2026 Q1 AI 收入達 $84 億，年增 106%，Broadcom 預估它的三個超大型 AI 晶片客戶（Google、Meta 和一個未披露的客戶）未來幾年的可服務市場規模（TAM）在 $600-900 億之間。
但要警惕，Broadcom 的 AI 業務高度依賴幾個大客戶，任何一個決定換供應商或自建能力，都會造成不小的衝擊。二是 VMware 整合風險，部分大型企業客戶公開表達對新訂閱定價的不滿，流失率如果超預期，軟體板塊的收入就不如預期穩定。
目前，最大的客戶 Google 就有展現出擺脫對 Broadcom 的依賴。最新的第七代 Ironwood TPU 上，谷歌為了砍成本，首度引入了台廠聯發科共同設計。推理成本優化版（代碼：Zebrafish），成本比博通方案便宜了 20% 到 30%！在下一代 TPU v8 訓練晶片（Sunfish）上，更是定調由博通負責高成本的訓練端，聯發科負責龐大的推理端。
此外，谷歌目前已經正式與 Marvell 展開新一輪 AI 推理晶片的談判。一旦落定，博通將從「獨家統治」被降格為「主要供應商之一」。這對享受極高溢價的科技大盤股而言，殺傷力是系統性的。
6. 台積電（TSM）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | TSM / NYSE |
| 市值（2026年5月） | $1.87 兆 |
| 本益比 P/E | 31.39x（TTM） / 21.83x（遠期） |
| EPS（TTM） | $2.30 |
| 毛利率（TTM） | 61.87% |
| 自由現金流量（FCF） | $1056.0 億 |
| 近 5 年報酬率 | 292.86% |
| ROE | 31.21% |
台積電（TSMC）是整個 AI 半導體生態系統的心臟。沒有它，NVIDIA 的 Blackwell、Apple 的 M 系列、AMD 的 MI300 統統生產不出來。但這個不可或缺的地位，讓台積電成了最難被定價的公司之一，因為它的終極風險不是業務競爭力，而是一個海峽。
它的商業模式是純晶圓代工，自己不設計晶片，只負責製造。這個看起來「只是代工」的定位，其實構成了一道幾乎無法逾越的護城河：先進製程（3nm、2nm、未來的 1.6nm）需要 $200-300 億美元以上的建廠投資，還需要數十年的製程工藝積累，全球能做到台積電同等水準的只有三星，但三星的良率和客戶信任度長期落後。
這使台積電2026 年第一季收入359 億美元，年增 40.6%，毛利率 66.2%，持續維持在高位。
兩個風險方向：一是地緣政治，台灣海峽的緊張局勢是所有持有 TSM 的投資人心裡最大的黑天鵝，台積電在美國亞利桑那州建廠是對沖，但短期不影響台灣廠的主要地位；二是客戶集中度，Apple 和 NVIDIA 合計佔台積電收入超過 30%，任何一個遷廠或壓縮訂單都有影響。
此前，因為關稅風暴，台積電向美國低頭，投資美國建廠。目前，台積電正在進行有史以來最大規模的海外建廠計畫。亞利桑那 Fab 21 Phase 1 已投產，正在為 NVIDIA 的 Blackwell AI 處理器和 Apple 的最新晶片生產 4nm 製程，這是台積電對美國客戶最重要的一個地緣政治信號。
這不只是一個製造業投資計畫，而是美國政府、NVIDIA、Apple、台積電共同構建的「AI 時代半導體供應鏈主權」的戰略佈局。
然而，由於台灣廠集中了全球幾乎所有最先進製程的生產能力，投資者需要把地緣政治風險納入考量。寫此外，亞利桑那廠的工程師培訓和良率爬坡進度已多次落後原定時間表，「地緣風險對沖」的邏輯目前更依賴政治判斷而非製造現實。美國廠的生產成本也高於台灣廠，即使有政府補貼，成本結構的差異讓部分客戶有疑慮。
延伸閱讀：
7. Meta Platforms（META）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | META / NASDAQ |
| 市值（2026年5月） | $1.55 兆 |
| 本益比 P/E | 22.20x（TTM） / 18.59x（遠期） |
| EPS（TTM） | $27.49 |
| 毛利率（TTM） | 81.94% |
| 自由現金流量（FCF） | $482.5 億 |
| 近 5 年報酬率 | 94.48% |
| ROE | 36.72% |
Meta 不僅是全球最大的社群媒體巨頭之一，近年更斥巨資投入 AI 基礎設施，涵蓋「自研晶片（MTIA）」、「超大規模資料中心」、「超級運算叢集」以及「能源基礎設施」的全面布局。
2026年9月推出的 AI 助手 Muse 更是讓 Meta 股價單日大漲11%。用戶可以借助它建立客製化AI工具，由它自主完成網路操作，、讀取用戶在Facebook Marketplace和Instagram上的社交內容，並連接Gmail、蘋果和Google日曆、OpenTable等第三方服務，甚至能透過瀏覽器造訪其他網站。相比之下，去年4月發布的舊版Meta AI應用主要聚焦圖像和短影音生成，個人化程度低很多。Muse提供免費基礎版本，但每月20美元或100美元的訂閱套餐可以解鎖更多每週使用額度，它也已經接入Meta旗下WhatsApp，代表實際用戶規模可能遠超過獨立應用的下載數據。
Muse可能成為Meta潛在的、極具爆發力的新用戶活躍驅動因素，並有望透過廣告、訂閱以及交易收入分成，為公司帶來可觀的全新變現機會。Meta實質上建立了一個直接面向消費者的代理工廠，這會帶來巨大的效率提升和算力乘數效應。對執行長祖克柏來說，Muse的早期成績某種程度上印證了他把個人化AI助手推向大眾消費市場這個戰略構想正逐步落地，支撐這個願景的大規模數據中心建設與AI研究投入，也有望逐步轉化為商業回報。
Meta 和 NVIDIA 的多年期戰略合作，讓它成為全球第一個在資料中心大規模部署 NVIDIA Grace 獨立 CPU 的公司。這個合約涉及數百萬顆 GPU 加 CPU，也促使 Meta 今年高達 $650 億的 AI 資本支出計畫。Meta 不只是在買算力，而是把整個 AI 基礎設施架構做深度綁定。
其次是和 CoreWeave $210 億的算力合約，Meta 包下 CoreWeave 的 AI 雲端算力服務直到 2032 年，相當於把 AI 推理算力的一部分外包給了最大的 AI 算力租賃商。
Meta 也直接把 AI 最部署在廣告系統裡。Advantage+ 廣告工具可以自動生成廣告素材、定向目標受眾、優化出價策略，讓廣告主省了大量創意和運營成本，Meta 的廣告 CPM 和轉換率也提高了。
在模型層面，Meta 的策略是開源 LLaMA 系列，免費讓全球開發者使用。這聽起來很慷慨，但背後邏輯是 LLaMA 普及了，Meta 在 AI 生態系統裡的話語權和人才吸引力就更強，同時也能反過來汲取社群的改進成果，降低自身 AI 訓練成本。LLaMA 4 在多項基準測試上已達到頂尖水準。
Q1 2026 收入 $563.1 億，年增 33%，每日活躍用戶（DAU）達 35.6 億，廣告業務利潤率接近 40%。Reality Labs（VR/AR 部門）仍在燒錢，累計虧損超過 $600 億，但市場現在已幾乎不計入這塊的正面預期。
Meta 目前主要面臨兩重風險。一是監管，歐盟對 Meta 的資料隱私罰款從未停過，如果美國的隱私立法收緊，廣告定向效果會下降，直接打擊 CPM；二是 TikTok 在廣告市場的持續競爭，尤其是對 25 歲以下用戶的注意力爭奪，Reels 的用戶黏性還在驗證中。
8. Micron Technology（MU）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | MU / NASDAQ |
| 市值（2026年5月） | $8,469.3 億 |
| 本益比 P/E | 35.33x（TTM） / 8.01x（遠期） |
| EPS（TTM） | $21.26 |
| 毛利率（TTM） | 58.44% |
| 自由現金流量（FCF） | $102.8 億 |
| 近 5 年報酬率 | 854.11% |
| ROE | 28.47% |
Micron 在 AI 浪潮的切入點是 HBM（高頻寬記憶體），目前全球最熱門、也最難生產的 AI 記憶體。
HBM 跟普通 DRAM 最大的差別是頻寬。普通 DDR5 記憶體的頻寬大概是 50-100 GB/s，而 HBM3E 可以達到 1,200 GB/s 以上。為什麼 AI 訓練需要這麼高的頻寬？因為 GPU 在矩陣運算時，最大的瓶頸不是算力本身，而是資料輸入輸出的速度。NVIDIA H100 每顆就搭載 80GB 的 HBM3，整個 AI 資料中心的 HBM 需求是天文數字。
全球能生產 HBM 的廠商只有三家：SK Hynix、三星、Micron。SK Hynix 目前是 NVIDIA 的主要 HBM 供應商，Micron 雖然起步慢，但在 2024-2025 年間積極搶市，目前已拿到部分 NVIDIA 訂單。管理層透露 HBM3E 8-hi 的生產良率達標、正在爬坡。
FY2026 Q2（截至 2026 年 2 月）收入 238.6億美元（上一季為136.4億美元，去年同期為80.5億美元），HBM 收入佔整體記憶體收入的比重快速上升。
但是，記憶體是一個週期性產業，DRAM 和 NAND 市場的供需波動非常劇烈，如果 AI 需求增速放緩，或是三家廠商同時擴產過頭，記憶體價格就會崩，Micron 的利潤率也會跟著崩。在 HBM 競爭下，SK Hynix 和三星都在大量投資 HBM 新產能，Micron 需要持續在良率和技術上跟上，稍一落後就會被搶單。
延伸閱讀：
9. AMD（AMD）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | AMD / NASDAQ |
| 市值（2026年5月） | $7,623.2 億 |
| 本益比 P/E | 155.90x（TTM） / 53.77x（遠期） |
| EPS（TTM） | $3.05 |
| 毛利率（TTM） | 50.28% |
| 自由現金流量（FCF） | $56.1 億 |
| 近 5 年報酬率 | 505.82% |
| ROE | 6.53% |
AMD 是 AI 概念股裡最讓人糾結的一個。它擁有業界公認「唯一像樣的 NVIDIA 替代方案」，但股價表現遠落後於 NVIDIA，原因就在於軟體生態。
AMD 的 MI300X 在 2024 年率先推出 192GB HBM 配置，在推理長上下文的場景下性能甚至優於同期的 H100，吸引了 Meta、Microsoft、Oracle 採購。
Q1 2026 資料中心收入 $58 億，年增 57%，Microsoft 把 MI450 大規模部署在 Azure 上，EPYC 伺服器 CPU 同時在蠶食 Intel 的市佔。
軟體生態是 AMD 最大的短板。NVIDIA 的 CUDA 積累了 15 年，AMD 的 ROCm 雖然持續改善，但對很多開發者來說，遇到問題時可以找到的資源和社群支援遠少於 CUDA。AMD 在努力推動 ROCm 與 PyTorch、TensorFlow 的整合，但跟 CUDA 的差距短期內難以抹平。
此外，AMD 的客戶訂單的可預測性相對低，AMD 的大客戶裡有不少也在測試 Google TPU 和 Amazon Trainium，多元化採購意味著 AMD 的份額存在波動。
10. ASML（ASML）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | ASML / NASDAQ |
| 市值（2026年5月） | $6,411.6 億 |
| 本益比 P/E | 39.26x（TTM） / 31.48x（遠期） |
| EPS（TTM） | $41.58 |
| 毛利率（TTM） | 51.32% |
| 自由現金流量（FCF） | $93.7 億 |
| 近 5 年報酬率 | 168.68% |
| ROE | 49.73% |
ASML 是整個半導體行業護城河最深的公司，沒有之一。它製造的 EUV（極紫外光）光刻機是全球唯一能生產 7nm 以下晶片的設備，台積電、三星、Intel 都在排隊等機器，軟體全球能製造這種機器的廠商，只有 ASML 一家。
製造一台 EUV 光刻機需要同時掌握雷射、光學、精密機械、真空工程、材料科學等多個頂尖領域。這個工程難度讓任何競爭者都要花 10-20 年以上才能追上。一台標準 EUV 機器售價 $1.5-2 億美元，最新的 High-NA EUV 高達 $3.8 億美元。台積電要擴張先進製程生產 NVIDIA 晶片，就必須買更多 ASML 的機器，沒有替代選項。AI 帶動的先進晶片需求直接轉化為 ASML 的長期訂單。
第一季總淨銷售額為88億歐元，毛利率為53.0%，淨利為28億歐元。ASML預計2026年第二季總淨銷售額將在84億歐元至90億歐元之間，毛利率將在51%至52%之間。
ASML 已被荷蘭政府禁止向中國出口 EUV 機器，DUV 出口限制也在持續收緊，中國這塊市場的收入基本在持續縮水。需求週期不線性是另一個問題：EUV 設備交貨期長達 12-18 個月，如果台積電、三星縮減資本支出，ASML 的訂單數字可以在一個季度內從 €70 億跌到 €25 億，股價跟著大幅震盪。
ASML 是整個半導體行業裡護城河最深的公司之一，沒有之一。
它製造的 EUV（極紫外光）光刻機是目前全球唯一能生產 7nm 以下晶片的設備。製造 EUV 光刻機需要結合光學、雷射、精密機械、材料科學等多個領域的頂尖技術，全球只有 ASML 能做到，三星和台積電都是它的客戶，Intel 也在用。一台 EUV 機器的售價在 $1.5-2 億美元，最新的 High-NA EUV 更高達 $3.8 億美元。
AI 帶動的先進晶片需求，直接轉化成對 EUV 設備的訂單。台積電、三星要擴張先進製程產能，就必須買更多 ASML 的機器。2026 年 Q1 訂單金額 €39 億，雖然比市場預期略低，但全年指引仍在 €300-350 億的範圍。
兩個風險方向：一是地緣政治，ASML 已被荷蘭政府禁止向中國出口 EUV 機器，中國是 ASML 的第三大市場，出口限制收緊讓這部分收入持續萎縮，中芯國際等中國廠商被迫停留在成熟製程；二是需求週期的延遲，EUV 設備的交貨期長達 12-18 個月，如果晶圓廠突然縮減資本支出，ASML 的訂單確認到出貨之間會有時間差，股價容易因此波動。
11. Oracle（ORCL）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | ORCL / NYSE |
| 市值（2026年5月） | $5,524.3 億 |
| 本益比 P/E | 34.47x（TTM） / 25.52x（遠期） |
| EPS（TTM） | $5.57 |
| 毛利率（TTM） | 67.08% |
| 自由現金流量（FCF） | -$247.4 億 |
| 近 5 年報酬率 | 160.07% |
| ROE | 133.61% |
Oracle 原先是幫大型企業管帳的老牌資料庫廠商，之後轉型成為 AI 訓練算力的租賃商。
2025 年 1 月，Stargate 計畫正式宣布，由 SoftBank、OpenAI、Oracle 共同發起，計畫在美國投資 $5,000 億美元建設 AI 資料中心，Oracle 是核心股權出資方之一，負責提供大量資料中心建設和算力租賃服務。Stargate 已與 Oracle 就 4.5GW 的 OCI 算力達成新一輪合作，目前全球計畫容量接近 8GW，承諾投資已超過 $4,500 億美元，進度領先原定時程。
Oracle 的雲端業務（OCI，Oracle Cloud Infrastructure）一直被視為 AWS、Azure、GCP 三強之後的第四選擇，但 AI 訓練對算力的需求爆炸之後，OCI 的策略優勢顯現了：它的定價比 AWS 便宜，而且它願意按照客戶需求建超大規模的 GPU 叢集（有些合約是 6 萬顆 NVIDIA GPU 起）。OpenAI、xAI（馬斯克的 AI 公司）、Cohere 都是 OCI 的客戶。
Oracle 傳統企業客戶群（大型銀行、政府機構）也在用 Oracle Fusion AI ，追加銷售阻力低。
FY2026 Q3（截至 2026 年 2 月）Cloud 收入 $89 億，年增 44%，雲端合約 backlog 達 $1,300 億，年增幅驚人。剩餘履約義務（RPO）比去年暴增 523% 至 5530億美元，未來收入增長可以預見。
但 Oracle 也面臨著幾個風險：
- 技術差距：OCI 的 AI 工具和開發者生態系統跟 AWS 和 Azure 比還有明顯差距
- 過度依賴基礎設施租用，如果 AI 公司的融資環境惡化，訓練算力的需求短期收縮，Oracle 的 GPU 叢集租用收入會直接受衝擊。
- 舉債 500 億美元，光是與數據中心相關的借貸就超過 650 億美元
- 太依賴 OpenAI 3000 億美元的天價大單。但是，為了履行 OpenAI 的合約，甲骨文得蓋大約 5 個超巨型資料中心園區，數百萬顆 AI 晶片，用電量 4.5GW，超過整個芝加哥家庭用電，前期資本支出是「數百億美元起跳」。但 OpenAI 卻沒有被合約綁定，大約 5 年後是可以重新談、甚至退出的。而甲骨文的租約，是 10 年、15 年。如果 OpenAI 成長放緩、模型訓練效率大幅提升或市場根本消化不了那麼多 AI 成本，甲骨文可能會留下一堆超貴、專用性極高、流動性極差的資料中心資產。
- 自由現金流轉負 -247.36 億美元
12. Palantir（PLTR）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | PLTR / NASDAQ |
| 市值（2026年5月） | $3,281.4 億 |
| 本益比 P/E | 153.87x（TTM） / 86.86x（遠期） |
| EPS（TTM） | $0.89 |
| 毛利率（TTM） | 84.07% |
| 自由現金流量（FCF） | $26.9 億 |
| 近 5 年報酬率 | 559.66% |
| ROE | 24.15% |
Palantir 是這份清單裡估值最讓人抓狂的一個，P/E 長期超過 100 倍。但如果你花時間理解它真正在做什麼，會發現它的業務黏性比大部分 AI 概念股難被替代得多。
它的核心產品是 AIP（Artificial Intelligence Platform），本質上是一個可以把各種 AI 模型、企業內部資料、業務流程整合在一起的作業系統。很多公司買了 GPT 的 API，但最後發現自己的資料是孤島，流程是混亂的，模型用不起來。Palantir 賣的就是解決這個問題的AI 整合能力，收費極高，但客戶往往高度依賴，很難更換。
政府合約是 Palantir 的傳統強項，美國陸軍、CIA、NHS（英國國民健保）都是長期客戶。最近，Palantir 還簽下了重量級客戶，NATO 採用其 Maven Smart System 進行 AI 賦能的戰場指揮決策，北約通信及資訊局（NCIA）在合約簽訂後 30 天內開始部署。美國陸軍同樣是 Palantir 的長期客戶，Maven Smart System 已整合了無人機偵察和敵方通信干擾的 AI 輔助決策能力。
Palantir 是嵌進了客戶最核心的決策流程裡。一旦 Palantir 的系統整合進軍事指揮鏈或企業的核心業務流程，切換成本是戰略級的，不是一個 IT 採購決定能推翻的。Q1 2026 美國商業收入年增 104%，AIP 在企業市場也在快速滲透。
Palantir 的 估值是硬傷。P/E 長期在 100x 以上，把很多未來成長都提前定價了，一旦成長略微不如預期，股價修正幅度會很大。川普政府上台後對部分聯邦機構的 IT 預算有縮減壓力，政府合約端的規模能否維持需要持續觀察；企業客戶從試點到大規模部署往往需要 1-2 年，銷售週期的不線性讓季度業績能見度偏低。
13. ARM Holdings（ARM）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | KLAC / NASDAQ |
| 市值（2026年5月） | $2,466.7 億 |
| 本益比 P/E | 53.46x（TTM） / 40.04x（遠期） |
| EPS（TTM） | $35.33 |
| 毛利率（TTM） | 61.45% |
| 自由現金流量（FCF） | $40.1 億 |
| 近 5 年報酬率 | 540.54% |
| ROE | 111.48% |
ARM 從來不製造任何晶片，而是授權 CPU 架構的設計藍圖，讓 Apple、Qualcomm、NVIDIA、三星、聯發科拿去設計，每賣出一顆就繳版稅。這個模式下，ARM 不需要建廠，但能從全球幾乎所有行動裝置的晶片銷售裡抽成。
ARM 也在 Stargate 計畫的技術夥伴名單裡，與 Microsoft、NVIDIA、Oracle、OpenAI 並列。這說明 ARM 架構已成為 AI 基礎設施的組成部分，而不只是行動裝置的標準。NVIDIA 的 Grace CPU（搭配自家 GPU 做成 Grace Hopper 超級晶片）是 ARM 架構，NVIDIA 的 Vera Rubin 下一代平台同樣沿用 ARM。AWS 自研的 Graviton 4 是 ARM 架構，在性價比上優於 Intel Xeon；Apple M 系列在 AI 推論效能上持續進步。
每一顆新設計的 ARM 晶片用的是 v9 架構，版稅費率比舊的 v8 更高。隨著 v9 滲透率提升，即使全球晶片出貨量沒有大幅增加，ARM 的版稅收入也在成長。
FYE 2026（截至 2026 年 3 月）ARM 的全年版稅收入增加 21% 至 26.13 億美元，授權收入年增 25% 至 23.07億美元。
但是要注意 RISC-V 的威脅。RISC-V 是一個開源的 CPU 指令集架構，任何公司都可以用，不需要向任何人繳授權費。Google、Qualcomm、一批中國企業都在積極投資 RISC-V 生態。目前它在嵌入式和特定 AI 加速器的控制核心上已有真實應用，但在需要複雜作業系統支援的手機和伺服器市場替代 ARM 的難度仍然很高。其次，軟銀作為最大股東持有大量持股，出售套現的壓力會週期性地製造股票供給端壓力。
14. KLA Corporation（KLAC）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | KLAC / NASDAQ |
| 市值（2026年5月） | $2,466.7 億 |
| 本益比 P/E | 53.46x（TTM） / 40.04x（遠期） |
| EPS（TTM） | $35.33 |
| 毛利率（TTM） | 61.45% |
| 自由現金流量（FCF） | $40.1 億 |
| 近 5 年報酬率 | 540.54% |
| ROE | 111.48% |
KLA 是半導體設備公司裡相對小眾但極其關鍵的一個。大部分人知道 ASML 做光刻機，但晶圓代工廠生產晶片的流程裡，製程控制和缺陷檢測同樣不可或缺。KLA 的設備專門用來在晶圓製造的每一個步驟後，檢查有沒有任何微觀缺陷。
7nm 的電路寬度比一根頭髮細了 1 萬倍，一個肉眼看不見的缺陷就可能讓整片晶圓報廢。台積電、三星、Intel 在推進先進製程時，越往下走良率越難控制，對 KLA 這類缺陷檢測設備的依賴就越高。
KLA 在製程控制設備市場的份額超過 50%，全球沒有任何一家競爭對手能在覆蓋廣度和技術深度上同等替代。AI 帶動的先進製程擴產讓訂單能見度持續改善。FY2026 Q3（截至 2026 年 3 月）收入 $33 億，年增 21%。
AI 帶動先進製程擴產，直接等於 KLA 的訂單增加。KLA 在製程控制設備市場的份額超過 50%，幾乎沒有真正意義上的競爭對手能同等替代。FY2026 Q3（截至 2026 年 3 月）收入 $34.15 億，超越指引。
然而，KLA 的業務高度依賴台積電、三星、Intel 的建廠節奏——景氣好時這三家大量擴產，KLA 的訂單就好；一旦景氣下行、縮減資本支出，KLA 的訂單跟著萎縮。半導體設備公司本質上是「資本支出放大器」，對景氣週期的敏感度高於一般科技公司。中國出口管制在持續壓縮 KLA 的中國市場收入，同時增加合規成本和訂單不確定性。
15. IBM（IBM）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | IBM / NYSE |
| 市值（2026年5月） | $2,385.8 億 |
| 本益比 P/E | 22.49x（TTM） / 20.16x（遠期） |
| EPS（TTM） | $11.31 |
| 毛利率（TTM） | 58.36% |
| 自由現金流量（FCF） | $116.6 億 |
| 近 5 年報酬率 | 123.40% |
| ROE | 37.22% |
IBM 是這份清單裡唯一一家超過一百年歷史的公司。而恰恰是這份老牌讓它情誼獲得市場信任。過去，銀行、保險公司、政府機構的 IT 基礎設施從 30 年前就在跑 IBM 的大型主機，資料和流程的替換成本極高。IBM 現在的策略是把 AI（watsonx 平台）嫁接到這個現有的企業客戶群，不是說服它們「換掉全部系統」，而是「在你現有的 IBM 環境裡加上 AI」。
watsonx 的幾個核心賣點是：資料在企業自己的環境裡（不需要上傳到 OpenAI 的雲端，對金融和醫療機構來說合規問題少），支援開源模型（Llama、Granite），而且有 IBM 的服務團隊幫你整合。2026 年 Q1 軟體收入年增 11% 至 71 億美元，AI 和自動化合約累計書面訂單突破 $70 億。
IBM 也是 AI Alliance（開放 AI 聯盟）的創始發起方之一，與 Meta、Hugging Face、AMD、Intel、NASA、CERN 等超過 50 個機構共同推動開源 AI 生態的發展。這個聯盟的核心邏輯是對抗 OpenAI 和 Google 的閉源模型壟斷.IBM 和 Meta 都認為開源 AI 生態更健康，而 IBM 的 watsonx 平台和 Granite 系列模型都是在開源框架上建立的。
IBM 與 NASA 合作開發了地理空間 AI 基礎模型（Geospatial Foundation Model），用衛星影像訓練的 AI 用於氣候監測和農業評估，在非商業 AI 應用領域建立了差異化的案例。
但 IBM 的成長速度跟 AI 概念股的平均水準差太遠，10% 的軟體成長更接近防守型部位而不是成長押注。二是 Consulting 部門（佔收入 35% 以上）的利潤率受 AI 自動化侵蝕，諷刺的是 IBM 的 AI 工具如果真的有效，很可能會讓自己的顧問服務需求下降。
16. Arista Networks（ANET）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | ANET / NYSE |
| 市值（2026年5月） | $1,939.5 億 |
| 本益比 P/E | 52.93x（TTM） / 40.67x（遠期） |
| EPS（TTM） | $2.91 |
| 毛利率（TTM） | 63.54% |
| 自由現金流量（FCF） | $53.2 億 |
| 近 5 年報酬率 | 642.03% |
| ROE | 32.17% |
Arista 是 AI 資料中心基礎設施裡的隱形推手。AI 訓練叢集裡，幾萬顆 GPU 需要高速互連，才能在訓練時同步傳輸梯度、同步更新參數。這需要極低延遲、超高頻寬的網路交換機。它的軟體定義網路（SDN）架構讓客戶有更大的靈活性去調整網路拓撲，在大規模 AI 訓練的動態資源需求下是個優勢。
NVIDIA 主推 InfiniBand（透過收購 Mellanox），聲稱在低延遲同步上比 Ethernet 更優。Arista 的應對是聯合 AMD、Intel、Meta、Microsoft、Google 等成立 Ultra Ethernet Consortium（UEC），推動為 AI 叢集優化的新 Ethernet 標準，希望在延遲效能上縮小與 InfiniBand 的差距。Arista 的 CloudEOS 在 Microsoft、Meta、Google 的資料中心大量部署，這些超大型雲端廠商本身都是 UEC 的成員，有動機支持 Ethernet 標準在 AI 叢集裡的推廣。
這也導致 Arista 的前幾大客戶（Microsoft、Meta）佔收入比例很高，任何一個大廠決定自研交換機或轉向 Cisco，都會明顯影響 Arista 的業績。
Ethernet vs. InfiniBand 的路線之爭，NVIDIA 主推自己的 InfiniBand（透過收購 Mellanox），作為 AI 訓練叢集的互連標準，如果市場朝 InfiniBand 而不是 Ethernet 傾斜，Arista 的 AI 叢集商機會縮小。
目前，其 Q1 2026 收入 $27.09 億，年增 35.1%，管理層在法說會上表示 AI 相關訂單佔比在快速上升。
17. Dell Technologies（DELL）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | DELL / NYSE |
| 市值（2026年5月） | $1,917.5 億 |
| 本益比 P/E | 34.01x（TTM） / 22.43x（遠期） |
| EPS（TTM） | $8.68 |
| 毛利率（TTM） | 20.00% |
| 自由現金流量（FCF） | $85.5 億 |
| 近 5 年報酬率 | 549.84% |
| ROE | 42.93% |
Dell 是 AI 伺服器基礎設施熱潮裡最直接的受益者。它不設計晶片，核心業務是把 NVIDIA GPU 組裝成 AI 伺服器，賣給企業和雲端業者。這個聽起來像「組裝工」的生意，實際上需要供應鏈管理能力、散熱工程、機架設計、系統整合等相當高的技術積累。更重要的是，Dell 有龐大的企業銷售團隊和長期建立的採購關係，很多傳統企業在採購 AI 硬體時，Dell 將是首選。
Dell 和 NVIDIA 共同建立了 Dell AI Factory with NVIDIA 的聯合品牌方案，把 Dell 定位從「賣 GPU 伺服器的組裝商」升級為「從 PC 到資料中心的完整 AI 基礎設施提供者」。2026 年 GTC 大會上，Dell 宣布基於 NVIDIA Vera Rubin NVL72 架構的下一代 PowerEdge 伺服器，單台提供 3.6 exaflops 的 AI 算力，面向超大規模資料中心部署，預計 2026 年下半年全球量產。
Dell 也是 Stargate 資料中心建設的基礎設施供應商之一，Stargate 在美國各地建設 AI 資料中心需要大量 AI 伺服器，Dell 的企業銷售網絡和供應鏈整合能力讓它成為這波建設潮的直接受益方。
FY2026 Q4（截至 2026 年 1 月）ISG（基礎設施解決方案）收入 $608 億，年增 40%，AI 伺服器的 backlog 持續累積。除了硬體，Dell 也在推 APEX 即服務模式，試圖把一次性銷售轉為訂閱收入，提高毛利率。
Dell 的整體毛利率大概在 22% 左右，跟 NVIDIA 的 74% 完全不是一個數量級，NVIDIA GPU 佔整機成本的大頭，Dell 對 NVIDIA 定價沒有太多話語權。企業採購 AI 伺服器有時候是集中一次大量下單，導致 Dell 的季度業績波動明顯，某一季爆表、下一季可能消化庫存，短期業績預測非常困難。
18. Marvell Technology（MRVL）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | MRVL / NASDAQ |
| 市值（2026年5月） | $1,716.8 億 |
| 本益比 P/E | 68.87x（TTM） / 55.09x（遠期） |
| EPS（TTM） | $3.07 |
| 毛利率（TTM） | 51.02% |
| 自由現金流量（FCF） | $14.0 億 |
| 近 5 年報酬率 | 333.08% |
| ROE | 14.61% |
Marvell 是做客製化 AI 晶片（ASIC）最受注目的廠商之一，跟 Broadcom 是直接競爭關係。黃仁勳在2026年 Computex 大會上還欽點 Marvell 有可能成為「下一家兆美元公司」。Marvell 究竟為何受黃仁勳青睞？
它的主要 AI 業務是替 Google、Amazon、Microsoft 這些超大型雲端業者設計「自用的 AI 加速晶片」。這些公司不滿足於只買 NVIDIA 的 GPU，想要針對自己的模型架構訂製晶片，達到更高的效能和更低的每次推論成本。Marvell 提供的是晶片設計服務和 IP，客戶拿到設計後交台積電生產。這個模式的特點是收入高度綁定幾個大客戶，但黏性也很高。
此外，Marvell 也做光連接模組（electro-optics），這是 AI 資料中心裡機架與機架之間高速傳輸的關鍵零件，需求隨 AI 資料中心規模擴張而成長。
2026 年 3 月，NVIDIA 宣布向 Marvell 投資 $20 億美元，並與 Marvell 達成 NVLink Fusion 合作。Marvell 將為 NVIDIA AI Factory 生態系統提供客製化 XPU 和 NVLink Fusion 兼容的 Scale-Up 網路晶片，讓客戶在使用 NVIDIA 生態系統的同時，也能整合 Marvell 設計的客製化算力。這個合作把 Marvell 從「NVIDIA 的競爭替代方案」重新定位為「NVIDIA 生態系統的設計合作夥伴」，邏輯上比原來的市場定位更可持續。
NVIDIA 這步棋可謂是一箭雙雕。亞馬遜（Trainium）、微軟（Maia）、Meta（MTIA）和 Google（TPU）為了擺脫對輝達 GPU 的依賴，紛紛轉向客製化 ASIC 晶片的趨勢，黃仁勳的回應不是阻止，而是直接把這群競爭對手的「武器供應商」給收編了。透過 NVLink Fusion 架構，超大型雲端廠（CSP）可以一邊用自己研發的晶片，一邊接入輝達引以為傲的網路技術棧。但這個平台暗藏玄機，每一個機架裡，必須至少包含一個輝達的實體組件（不管是 Vera CPU 還是 ConnectX 網卡）。這意味著，以後超大型資料中心哪怕不用輝達的 GPU，只要用了客製化晶片，每賣出一個機架，依然要乖乖向輝達繳納過路費（ASIC稅）。
黃仁勳這步棋，一舉扶持了 Marvell 去壓制博通，又強行把 Marvell 綁進自家生態收稅。
同時，Google 正與 Marvell 協商共同開發下一代 AI 晶片，包括一款專為推理工作負載設計的新一代 TPU，以及一款專用記憶體處理單元（Memory Processing Unit）。Marvell 在全球超大型雲端廠商中已累計 18 個設計贏單，涵蓋 Amazon 和 Microsoft。
2026 年 2 月，Marvell 完成收購 Celestial AI，獲得其「Photonic Fabric」光學互連技術，解決 AI 資料中心大規模部署時機架間高頻寬、低延遲傳輸的瓶頸，是光連接模組業務的重大技術補強。這項能幫資料中心省下幾百億電費的創新，讓亞馬遜 AWS 甚至不惜直接向 Marvell 簽發認股權證，全力支持其光子織物的規模化量產。大摩評估，這項技術將在 2028 年前後為 Marvell 帶來十億美元級別的剛性霸權收入。
FY2026 Q4（截至 2026 年 2 月）資料中心收入 $16.513 億，翻倍成長，速度相當快。公司預估 FY2026 全年 AI 相關收入可達 $80 億。
但 Marvell 的客製化 ASIC 業務主要依賴 2-3 個超大型客戶，一旦其中一個決定轉向（例如 Google 轉讓更多設計工作給內部或 Broadcom），影響會很明顯。二，是客製化晶片開發週期長，從設計到量產通常需要 2-3 年，這意味著收入認列的不確定性較高，期間只要有任何設計變更，都可能導致量產延遲。
19. CrowdStrike（CRWD）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | CRWD / NASDAQ |
| 市值（2026年5月） | $1,688.7 億 |
| 本益比 P/E | 負數 |
| EPS（TTM） | -$0.65 |
| 毛利率（TTM） | 74.67% |
| 自由現金流量（FCF） | $13.1 億 |
| 近 5 年報酬率 | 215.03% |
| ROE | -5.12% |
CrowdStrike 在 2024 年 7 月製造了全球 IT 史上最大的單一軟體故障，850 萬台 Windows 設備同時藍屏。但一年多過後，ARR 仍在正成長，客戶流失率低得出奇。這反而說明了一件比財報數字更有說服力的事：換掉 Falcon 的成本太高了。
Falcon 是雲端原生的端點安全（EDR）解決方案，通過 AI 模型分析端點的行為模式，自動識別並攔截惡意活動，不依賴傳統的特徵碼庫。
CrowdStrike 與 NVIDIA 建立了 AI 安全合作，把 NVIDIA 的 GPU 加速算力用於 Falcon 平台的 AI 模型推理，讓威脅偵測的速度和精準度進一步提升。在 AI 時代，駭客攻擊的自動化程度和複雜度都在加速提升 Falcon 每天從上兆個端點事件中訓練模型，用 AI 找出「從未見過的攻擊模式」，這個資料壁壘讓後來者很難複製。
FY2026 Q4（截至 2026 年 1 月）ARR 突破 $50 億，年增 24%，Falcon Flex 訂閱讓客戶在單一平台上疊加安全模組，提高了換廠商的複雜度。
但當機事件讓 CrowdStrike 面臨法律賠償和大客戶續約談判的折價壓力，部分企業客戶利用這個把柄要求大幅降價，壓縮了淨收入留存率（NRR）。二是 Microsoft Defender for Endpoint 的持續施壓，定價非常具競爭力，Palo Alto Networks 的平台化策略也在搶同一批預算。CrowdStrike 需要持續在業績數字上證明藍屏事件是操作失誤，而不是系統性缺陷。
20. Intuitive Surgical（ISRG）
| 項目 | 數據 |
|---|---|
| 代號 / 交易所 | ISRG / NASDAQ |
| 市值（2026年5月） | $1,551.6 億 |
| 本益比 P/E | 53.24x（TTM） / 41.17x（遠期） |
| EPS（TTM） | $8.23 |
| 毛利率（TTM） | 66.29% |
| 自由現金流量（FCF） | $28.3 億 |
| 近 5 年報酬率 | 59.31% |
| ROE | 14.37% |
Intuitive Surgical 跟其他 19 家比，是最不像 AI 概念股的一個，但它的業務 AI 滲透程很深。
它做的是手術機器人，主力產品是 da Vinci 系統。外科醫生坐在控制台前操作機械手臂，da Vinci 把人手的動作精確地轉譯到手術器械上，消除抖動，縮小動作比例，讓微創手術能在原本難以操作的空間裡完成。da Vinci 現在的全球裝機量超過 9,000 台，裝一台機器平均售價在 $150-250 萬美元。
但更重要的是裝機之後的生態，每做一台手術，醫院就要換一批只有 Intuitive Surgical 能供應的一次性器械（耗材），這是穩定的經常性收入，完全不依賴新機器的銷售。
AI 在 ISRG 的角色正從「讓機器更精確」往「讓手術更聰明」演進。通過積累幾百萬例 da Vinci 手術的影像和操作資料，訓練模型來輔助手術規劃（預測最佳切除路徑）、術中提醒（識別關鍵神經和血管位置）、以及術後評估。
系統已能在術中辨識關鍵的神經和血管位置、警示外科醫生。下一步是手術路徑規劃的輔助決策和術後效果預測，這些功能一旦進入臨床常規使用，競爭壁壘會比單純硬體更難被複製。da Vinci 5（新一代系統）搭載更高解析度的影像系統和即時力反饋技術，讓 AI 輔助手術的資料品質大幅提升，是下一代 AI 功能的訓練基礎。
2026 年 Q1 收入 $27.7 億，年增 23%，程序量成長 17%，da Vinci 5（新一代系統）的安裝數持續增加。
da Vinci 在前列腺切除、子宮切除等核心術式的滲透率已相當高，未來增長需要靠進入新術式（普外科、肺外科）和新地理市場（中國審批、東南亞擴張），而這些市場的開拓速度遠比美國慢，受更多監管變數影響。Medtronic 的 Hugo 系統和 Johnson & Johnson 的 Ottava 都在積極推進 FDA 認證，雖然短期難以撼動 da Vinci 9,000 台的裝機基礎，但新術式的定價競爭在 2026-2028 年間會逐步浮現。對 ISRG 來說，最重要的是在競爭真正到來之前，用 AI 功能拉開足夠的技術代差。
怎麼評估 AI 概念股：4 個關鍵指標
評估一家公司是否真的是 AI 受益股，而非只是沾邊 AI 話題，以下 4 個維度最有參考價值。
第一，AI 業務佔比或增長動能。公司有多少收入直接來自 AI？NVDA 的資料中心業務佔總收入 88%，這是高度集中的 AI 受益；IBM 的 Watsonx 雖有增長，但佔公司整體收入比例仍小。兩者在 AI 主題中的曝險程度差異很大，適合不同風險偏好的投資人。
第二，自由現金流（FCF）及 FCF 利潤率。估值偏高的 AI 股中，真正能持續產生現金的公司有更強的下行保護。NVDA 的 FCF 利潤率超過 50%、CrowdStrike 約 26%（目標 30%+），這類公司即使市場情緒逆轉，基本面仍能支撐股價。
第三，業績增速趨勢是否在加速。「增速加速」比「增速高」更重要。從 +30% 加速到 +50% 的公司，代表市場需求還在擴大；維持高增速但預期開始下修的公司，股價更難再創高。Palantir 美國商業業務從去年同期 +50% 加速到今年 +133%，是加速的典型；NVIDIA 連續三個季度 YoY 加速同樣是重要信號。
第四，護城河是否與 AI 強相關。CUDA 軟件生態（NVDA）、EUV 設備壟斷（ASML）、手術機器人 75% 市占率（ISRG）、ARM 架構版稅。這些護城河在 AI 時代難以被替代，讓公司的 AI 受益地位更具持久性。反之，只靠話題而無護城河的公司，在 AI 浪潮退去時風險更大。
2026 年 AI 三大投資主題
主題一：AI 記憶體超週期（HBM 爆發）
HBM（高頻寬記憶體）是 AI 加速器的關鍵元件，但供給長期趕不上需求。NVIDIA B200 每顆 GPU 內建 192GB HBM3E，整個 AI 訓練集群的 HBM 需求以百億美元計。全球只有三家公司能生產 HBM3E：SK Hynix、三星、Micron（本清單 #8）。HBM TAM 預計從 2025 年的 $350 億成長至 2028 年的 $1,000 億，高度集中的供應鏈讓 HBM 廠商在這個週期享有極強的訂價能力。
主題二：Agentic AI 崛起
2023-2024 年的 AI 是「助理型」，你問問題，AI 給答案。2026 年的 AI 是「代理型」（Agentic）。AI 自主規劃並執行多步驟任務，無需人類逐步確認。Palantir 的 AIP 讓政府和企業在私有數據上部署 AI Agent，CrowdStrike 的 Charlotte AI 讓 SOC 實現自動化威脅響應，Microsoft Copilot Agent 讓企業員工把重複性工作交給 AI 去跑。這個轉變把「AI 企業軟件」從選配升為標配，直接帶動企業軟件訂閱的升級需求。
主題三：AI 基礎設施 Phase 2（推理算力普及）
2023-2025 年是「訓練算力爆發期」，超大規模業者砸數千億美元建 GPU cluster 訓練大型模型。2026 年重心轉向「推理算力普及期」。每次 API 呼叫、每次 AI 助理回應都需要算力，且用量遠大於訓練。NVIDIA Vera Rubin 架構針對推理最佳化，ANET 的高速以太網交換機讓算力集群橫向擴展，AVGO 和 MRVL 的 ASIC 為特定推理任務提供更低功耗的替代方案。這個轉變讓 AI 基礎設施投資超週期的持續時間，至少延長 3-5 年。
了解 2025年 AI 發展趨勢
當「星際之門」打開，AI股進入新一輪瘋狂，還是已經到了泡沫臨界點？
2025年的AI世界，已經從兩年前的「炒模型」，轉到「拼基建」與「搶能源」的新階段。
在川普重返白宮後，美國政府為了在人工智慧（AI）領域重新奪回絕對優勢，不僅把AI升格為「國家安全項目」，還在2025年1月推動了 「星際之門（Stargate）」 的超級計畫，由 OpenAI、軟銀（SoftBank）與甲骨文（Oracle）聯手打造，未來四年總投資高達 5000億美元。同時，輝達（NVIDIA）、甲骨文和軟銀將成為AI基礎設施的主力建設者。
10月份，OpenAI三星電子和SK海力士建立策略合作夥伴關係，兩家韓國記憶體晶片巨頭將向「星際之門」供應先進記憶體晶片。
川普政府也大力推動核能與煤炭復興，就是為了支撐AI數據中心龐大的電力需求。
此外，AI 也出現了資本閉環趨勢。最經典的就屬開輝達，用資本投資合作夥伴、客戶，甚至競爭對手，打造一個自我循環的 AI 閉環生態：
- 對 OpenAI 高達 1,000 億美元的投資計畫。建立一個能自我供血的 AI 經濟體，輝達投資 OpenAI，OpenAI 用這筆錢回頭購買輝達晶片，用於大規模資料中心擴建。穩住了需求，也強化了產業鏈的綁定。消息一出，輝達市值單日暴漲 1,600 億美元。
- 持有雲服務商 CoreWeave 約 7% 股份，並簽署 63 億美元 的回購協議，確保雲端算力需求不被浪費
- 投資 50 億美元 給老對手英特爾（Intel），共同優化 GPU 與 CPU 的整合性能
- 而在馬斯克的 xAI 項目中，英偉達則以戰略投資者的身分參與數十億美元級別的 AI 數據中心與能源基建合作。
2025 年 10 月 6 日，OpenAI 宣布將採購並部署多達6吉瓦（GW）的 AMD Instinct 系列 GPU，潛在銷售額高達 900 億美元。但真正引發市場震撼的，不是金額，而是交易結構。
這是一項前所未有的「股權換採購（equity-for-supply）」模式：AMD 向 OpenAI 發行可購買最多 1.6 億股 AMD 股票的認股權證，行權價僅為 每股 0.01 美元。換句話說，只要達成 GPU 部署里程碑，OpenAI 幾乎可以零成本取得股份。
若未來 AMD 股價漲至600 美元，這筆潛在股權價值將達 960 億美元，幾乎等同於整份採購合約的規模。後續股權解鎖則與兩個動態變量相關：OpenAI 的實際 GPU 採購量和AMD 股價表現。
這意味著 OpenAI 只有在「真的買到、用到、並推高 AMD 市值」時，才會獲得股權收益。整份協議有效期至 2030 年 10 月，未達標的股份將自動作廢。AMD 也保留反稀釋與轉讓限制條款，確保控制權不被稀釋。
對 AMD 而言，這是一次極具創意的客戶獲取策略。它不僅鎖定了確定性的硬體銷售，還將「客戶增長」與「公司估值」綁定，實現業績與市值的正向循環。同時，這筆訂單為 AMD 的新一代 MI450 GPU 和 Helios 平台 提供了市場背書，有望在數據中心市場與英偉達正面競爭。
對 OpenAI 來說，這筆交易解決了兩大痛點：
- 供應多元化：在英偉達晶片長期供應緊張的情況下，AMD 成為戰略替代方案。
- 資金壓力緩解：隨著 AMD 股價上升，OpenAI 所持股權價值同步增長，可用於抵銷後續採購成本，形成人工智慧基礎設施的「自我融資循環」。
這樣的投資策略，實際上是一盤「雙贏棋」。對輝達和 AMD 來說，它鎖定了未來幾年的晶片需求、穩定出貨與毛利；對夥伴來說，輝達的資金與品牌背書，降低了融資成本、提升了信用評級。例如 OpenAI，原本融資利率高達 15%，但在有微軟與英偉達共同加持後，借貸成本下降至 6%–9%，甚至改變了穆迪對其風險評級的方向。
市場看法分歧。樂觀者認為這是「下一個互聯網革命」；但也有人警告，這或許是史上最昂貴的「AI泡沫」。
畢竟，當輝達、微軟、OpenAI、甲骨文都在用債務與未來收益堆出AI帝國時，資本市場的熱度與風險，也在同步膨脹。
AI 股票泡沫風險有多高？
這一年，全世界的錢都在往「AI」這兩個字流。從晶片、伺服器到資料中心，巨頭們砸錢的速度快得像一場軍備競賽。
但麻省理工學院（MIT）的研究報告指出95% 的 AI 投資，到目前為止「沒有任何回報」。
巴克萊銀行也提出了另一個更驚人的模型預測：如果未來兩年，「資料中心相關資本支出」縮減 20%，標普500 的每股盈餘（EPS）可能下修 3-4%，但估值（P/E）卻可能暴跌 10-13%。
這代表EPS 小跌一點 × 估值大回調 = 指數跌得比你以為的還狠。
為什麼一個 20% 的投資縮減，會放大成系統性風險？
因為 AI 不是孤立的一個產業，它綁住了整個供應鏈：半導體 → 機櫃 → 機房建設 → 電力 → 工程承包 → 雲端服務，每個節點都像骨牌，一倒全倒。
巴克萊估算，2025 年上半年，美國約有 1% 的 GDP 成長，其實來自資料中心投資。你可以想像嗎？這台「AI 成長引擎」一旦熄火，波及的將不只是科技業，而是整個美國經濟。
如果未來 AI 模型的效率突然大幅提升，同樣的算力能做更多事、成本更低，那麼現在大舉建設的 GPU 與伺服器，就可能變成閒置資產。這就像 2000 年網路泡沫時代的「暗光纖」，為了預期流量鋪的電纜，結果閒了十幾年。演算法一旦進步太快，硬體需求反而會被「吃掉」。
此外，資料中心是名副其實的「電老虎」。按目前的擴張速度，到 2028 年可能占美國相當比例的用電量。若電網升級跟不上、電價飆升或供電瓶頸出現。不是因為沒錢，而是「沒電可用」，那一堆AI建設案會瞬間卡死。
AI 的燒錢速度，已經超越了巨頭的現金流。光是 2025 年，AI 資本支出就高達 3.75 兆美元。問題是這些設備要折舊。伺服器、GPU 會老化、會過時。若 AI 的收益成長趕不上折舊壓力，未來幾年的財報就會被拖垮。美銀估計，到 2027 年：
- Google 的折舊成本比預期多 70 億美元
- Amazon 多 59 億美元
- Meta 多 35 億美元
更慘的是，AI 技術更新太快，這些 GPU 的壽命可能「比手機還短」。
AI 基建的燒錢模式，從「科技巨頭靠現金流」的馬拉松，變成「靠借貸」的軍備競賽。
巴克萊預估，到 2028 年，全球資料中心投資額將達 2.9 兆美元，但科技公司自己最多只能出 1.4 兆，剩下 1.5 兆美元 必須靠私募信貸補上。問題是，這些金主像黑石（Blackstone）、Blue Owl，近期股價疲軟、壞帳風險飆升。要是資金鏈一斷，AI 的「無限提款」神話就會瞬間崩潰。
有趣的是，根據Bloomberg統計，8月以來「AI泡沫」相關的討論聲量下降了85%。當大家不再喊「有狼」，往往就是狼真的已經到了門口。
AI是什麼？
AI，全名叫「人工智慧」（Artificial Intelligence），它的本質不是魔法，而是一種讓電腦模仿人類思考和學習的技術。
人類會觀察、理解、判斷、學習、創造，AI 的目標就是讓機器也能做到這些事。只是它靠的不是直覺，而是資料（data）和演算法（algorithms）。
如果把人腦比喻成一座龐大的神經網絡，那 AI 就是在試著「數位化」這個過程。它讓機器能夠：
- 看見世界（影像辨識）
- 聽懂語言（語音識別）
- 理解內容（自然語言理解）
- 自主行動（自駕車、機器人）
早期的 AI 很「笨」，只能按照人類設定的規則執行。比如：
「看到紅燈 → 停下」
「溫度超過 80 度 → 開啟冷卻系統」
但後來隨著資料變多、運算變快，AI 開始有了「自己學習」的能力，這就是我們常聽到的機器學習（Machine Learning）。
機器學習的邏輯很像人類學習：給它看大量範例 → 讓它自己歸納規則 → 再用新資料測試它懂不懂。
例如，你給它看一百萬張「貓的照片」，它就能慢慢學會什麼是「貓」；下一次你給它一張沒看過的圖，它也能猜出那是貓。
再往下一層，就是深度學習（Deep Learning）。這一層模仿的是人腦的神經結構，用多層「神經網路」去處理資料。深度學習強大到可以讓 AI 自己從混亂的資料裡找出規律，像人類那樣抽象思考。這也是為什麼今天的 AI 能分辨影像、生成語言、甚至畫畫、寫歌。
而到了 2024 年之後，AI 的焦點幾乎都在一個新分支：生成式 AI（Generative AI）。
這類 AI 不只是「理解世界」，還能「創造世界」。它能寫出一篇文章、生成圖像、合成音樂，甚至幫你寫程式碼。ChatGPT、Midjourney、Copilot 這些你聽過的名字，都是生成式 AI 的代表。
生成式 AI 的背後靠的是一種叫「Transformer」的深度學習模型。它的原理很簡單：先讀入海量資料（例如整個網路的文本），然後學會語言之間的關聯，最後再根據提示生成新的內容。
這樣的訓練規模是以前 AI 做不到的。一個大型語言模型（LLM）可以包含幾千億個參數，訓練一次要花上幾百萬美元和數以千計的 GPU。
簡單來說，AI 是一種讓機器「模仿人類智慧」的技術；機器學習是讓 AI「學會歸納」的腦；深度學習是讓它「能理解複雜事物」的神經網；生成式 AI 則是讓它「開始創造」的靈魂。
未來的 AI，會越來越接近「主動思考」與「自主決策」的狀態，也就是所謂的 Agentic AI。它不只是回答問題，而是能幫你解決問題、自己安排任務、甚至與其他 AI 合作。
AI與供應鏈的關係
開發 AI 中不乏需要供應鏈，顧名思義就是需要原料、晶片開發、組裝、軟體開發等服務鏈，最終才能組成一個 AI 產品，這中間可以劃分成：上、中、下游三個部分。
AI 的上中下游可以用硬體和軟體來劃分，硬體供應通常屬於中上游；軟件開發則屬於下游端，以下分別介紹三者有提供的服務和代表公司。
- 上游端：通常為設計晶片、關鍵零組件的企業，這些零件包括 GPU、CPU、DRAM、晶圓代工、晶片設計服務、封測、電源供應器、PCB、連接器、散熱等等，其中較知名的上游企業有：台積電、Nvidia、Intel、AMD、Micron、Samsung 等等
- 中游端：通常為組裝廠、品牌廠，較知名的企業有：HP、DELL、LENOVO、鴻海等等
- 下游端：通常為 AI 軟體開發商，譬如亞馬遜（Amazon）、微軟（Microsoft）、Meta、Google Cloud、OpenAI、DeepMind 等等
AI 在發展過程中，從硬體到軟體缺一不可，這也讓一些與 AI 開發相關的企業有機會發展，間接造成其在這股 AI 浪潮下，股價可能會有所變動。
AI產業的介紹與表現
根據最新統計，全球人工智慧（AI）市場規模在 2024 年已達到 2,792 億美元，預計到 2033 年將飆升至 3.49 兆美元，年複合成長率（CAGR）高達 31.5%。這樣驚人的增速，背後的推動力來自各大科技巨頭持續投入的研究與創新，讓 AI 技術不再只停留在實驗室，而是全面滲透進汽車、醫療、零售、金融、製造等產業。
換句話說，AI 正在從「科技概念」變成「產業核心」。未來十年，無論是自駕車、智慧醫療、AI 金融顧問，還是自動化工廠，都將成為這波 AI 革命的重要戰場。
觀望 2023 年至今的變化，世界已經承認 AI 是一場不可逆轉的未來了，就連像亞馬遜（Amazon）、谷歌（Google）、蘋果（Apple）、臉書（Facebook）、微軟（Microsoft）這樣的大公司也都正在大力投資 AI 技術，期許這些 AI 技術能對企業的運作有利，甚至也有個大型企業利用 AI 技術給予客戶更好的服務體驗，譬如麥當勞在 2020 年投資了 3 億美元收購了特拉維夫（Tel Aviv）的新創企業，利用 AI 為客戶提供個人化的服務。
如果要加快 AI 發展的腳步，訪問過往歷史資料數據的能力將成為很重要的技術。由於數據儲存和利用逐漸變得越來越重要，也越來越方便，醫療機構、政府機構以及其他機構也早已開始大量建構數據，但在 AI 時代中，能夠更快速訪問到大量數據的技術將成為評斷 AI 實力的標準之一，這也加速了 AI 的持續創新。
另外，機器深度學習和人工神經網路的進步也推動了 AI 在航空、醫療、製造、汽車等領域的諸多應用。人工神經網路的原理比較像是識別過往相似的模型，提供修改後的解決方案，譬如 Google 地圖（Google Map）就一直在利用人工神經網路改善地圖服務，讓地圖利用更具效率。
在 2020 年疫情爆發期間，新冠病毒影響了許多企業和人類的正常運作，而許多科技巨頭和新創企業開始致力於預防並對抗該病毒，間接也對 AI 的發展提供了一個助力，譬如中國科技巨頭阿里巴巴就開發了一種診斷方法，可透過胸部 CT（計算機斷層掃描）檢測新冠病毒病例；另外 Lunit 開發了一種用於胸部 X 射線分析的 AI 解決方案，用來簡化確診病例的管理。
除了對抗病毒提供了 AI 發展的助力以外，在家工作的模式（WFH）也刺激了 AI 發展，許多科技公司在這期間發現機會，為了擴大自身的業務範圍，將產品及服務推向了全世界，例如 Zoom、Shopify、Google 等等。此外 Google 為了能讓客戶方便的連絡上他們，因此開發了一款 AI chatbot（AI 聊天機器人），為客戶回答在疫情期間可能會遇到的各種問題。
AI 的發展其實已經行之有年，只不過在 2022 年底 ChatGPT 上線後，才被大家重視，當時也觸發 Google 的高度警戒，導致 Google「被迫」要趕快研發自己的 AI 技術，直到 2023 年 7 月發明了自家的 Bard AI，不止 Google，許多科技巨頭公司面對這波 AI 趨勢，也得趕快開發出自己的 AI 技術，免得被這浪潮淹沒淘汰。
如何投資AI股票？
上述 20 家有在發展 AI 的公司，很有可能在未來成為一大潛力，投資人或許可以考慮將之納為未來的選股之一。但要如何投資到這些公司呢？
其實要投資到這些公司並不難，尤其是美國的公司更簡單，只需要註冊一個網路券商就可以開始投資了。
國際投資人可以使用 Interactive Brokers（簡稱 IB），參與150個市場的投資（IB 也在2023年7月開通了台股交易服務！）
上述提到的20支股票也都能在 IB 找到，非常適合想要開始投資 AI 概念股的投資人。
如果你對投資還不熟悉，暫時還不想投入資金進行真實的交易，但是卻想要試試看買入自己心儀的股票，測試自己的投資策略是否能夠為自己帶來預期的回酬，那麼你可以考慮使用虛擬投資賬戶進行交易。
IBKR Global Trader App 的虛擬投資賬戶一開始就給投資者一百萬美元的虛擬資金，讓投資者即不需要入金，也能夠進行交易，並且根據投資組合的表現進行調整。一直到投資者對自己的策略有了信心，才入金在真實的投資賬戶進行交易。
如果你想要開設一個 IB 賬戶，可點擊以下連結進行開戶。
馬來西亞人則可以使用 Webull、moomoo、FSMOne、CGSI、Rakuten Trade、M+ Global 等受馬來西亞證券監督委員會（SC）監管的平台找到美股 AI 概念股。
注意，我們僅分享投資渠道，並不是買賣建議。
推薦閱讀：
- AI ETF值得投資嗎？8檔美股和台股AI ETF推薦
- AI手機是什麼？9檔AI手機概念股投資佈局、市場前景、優缺點全解析
- 精選8家AI PC概念股，看懂AI PC是什麼？應用、市場前景和產業鏈
- AI巨頭插旗核電，帶飛10檔核能概念股+3檔核能ETF，核能鈾價升！
- 美股七巨頭 Magnificent 7 是什麼？值得投資嗎？科技七雄最全分析
- 最新美國5大科技巨頭公司不再是尖牙股FAANG，而是MAMAA
常見問題（FAQ）
AI 概念股有哪些？美股 AI 受益股的主要類別是什麼？
廣義的 AI 概念股可以分為四大類。一是算力基礎設施股，包括 GPU 設計商 NVIDIA 和 AMD、ASIC 定製晶片商 Broadcom 和 Marvell、晶片代工廠台積電（TSM），以及設備商 ASML 和 KLA；二是雲端和 AI 平台股，包括 Microsoft（Azure）、Google（Cloud）、Amazon（AWS）、Oracle（OCI）；三是 AI 應用和軟件股，包括 Palantir（AIP）、CrowdStrike（Falcon）、IBM（Watsonx）；四是 AI 記憶體和特殊元件股，包括 Micron（HBM 記憶體）和 Arm Holdings（IP 架構授權）。Meta、DELL、ANET、ISRG 則是跨類別的特殊案例。
2026 年 AI 股票的估值已經很高，現在進場還合理嗎？
AI 股估值確實普遍偏高，但「高估值」本身不是賣出或不買的唯一理由。重點是增速能否支撐估值。以 NVDA 為例，遠期 P/E 約 26x 遠低於 2023 年的 70-80x，業績高速增長讓估值在消化中。相比之下，P/E 超過 100x（如 PLTR 約 151x TTM）的個股，需要更長時間靠業績消化估值。進場前應先釐清持有週期和能承受的波動幅度。注意，以上均為分享，非投資建議。
AI 概念股中，哪類的風險相對較低？
台積電（TSM）和 ASML 的受益邏輯最直接且難以繞過，不論哪家公司的 AI 晶片設計贏得市場，最終都需要台積電製造、都需要 ASML 的設備。這類基礎設施型 AI 股的護城河最難被單一技術顛覆。但地緣政治（台積電的台海風險）和出口管制（ASML 的中國禁售）是不能忽視的外部風險。ISRG 作為醫療機器人龍頭，在 AI 股中防禦性最強，受整體 AI 算力需求波動的影響最小。
注意，以上均為分享，非投資建議。
NVIDIA 和 AMD，兩者的核心差異是什麼？
兩者最大的差距不在硬件，而在軟件生態。NVIDIA 的 CUDA 已有超過 500 萬名開發者和超過 10 年的積累，絕大多數 AI 訓練和推理框架都優先支持 CUDA。AMD 的 ROCm 在快速迭代，但兼容性和工具鏈成熟度仍落後。即使 AMD MI350 在純硬件效能上接近 NVDA Blackwell，客戶從 CUDA 遷移到 ROCm 仍有摩擦成本。AMD 更擅長的是 CPU（EPYC 在伺服器市場持續搶奪 Intel 份額），CPU+GPU 雙引擎是 AMD 與 NVIDIA 差異化的地方。
結論
AI 概念股在 2026 年仍是增長最快的股票類別之一，但清單中 20 家公司的風險收益特徵差異顯著。NVDA、TSM、MSFT 代表的是「護城河深、受益確定性高」的核心持倉型；PLTR、MU、ARM 代表的是「高增速、高波動、高估值」的成長型；IBM、ISRG 代表的是「防禦性 AI 敞口、增速相對較低」的穩健型；MRVL、CRWD、DELL 則是 2026 年最值得追蹤的新興受益者。
沒有哪一檔股票同時滿足「確定受益 AI」「估值合理」「風險最低」三個條件。進場前建議先確認自己的持有時間框架、能承受多大的短期波動，以及這些股票在整體投資組合中應佔多少比重。
本文所有數據以 2026 年 5 月為基準，股市瞬息萬變，建議在進場前核實最新財報數字。標有「需核實」的欄位，請對照各公司官方 IR 頁面或最新 10-Q/10-K 財報確認後再使用。
利益披露聲明
本文含合作連結/內容，當你通過我們的推薦連結開戶並入金，我們將獲得小部分佣金。但是，這不會影響內容的專業性和中立性，所有證券服務商與金融投資平台都經過獨特評測框架，進行完整測試與理解。最重要的是，我們不會因為券商付費而只給出正面評價。
免責聲明
此文章內容僅作為教學、分享及參考的用途，而非專業的投資建議。由於個人的情況及需求不同，你可以咨詢你的理財規劃師，以取得專業的建議。
