KOL Digest
Invest Like The Best · 2026.08.11 週二 · YouTube

Everyone Is Still Undersizing the AI Market | Eric Vishria

看原始內容 4 個主題 · 10 個標的/題材

AI 市場規模嚴重低估:AI 原生應用崛起與傳統 SaaS 配額銷售模式受挫

  • 市場在 2006 年嚴重低估了雲端市場規模,如今對 AI 市場潛力同樣存在嚴重低估,AI 的總體市場規模將大幅超越雲端轉型
  • 傳統 SaaS 企業按舊有銷售配額模型執行正加速摧毀股權價值,而 AI 原生應用正以極高增速吸收市場關注與資本
$SNOW 看多 長期

$SNOW 等企業軟體在 $AMZN AWS 平台上成功打造出比原生雲端服務更有價值的產品。軟體應用層面臨 AI 原生變革,能夠緊密結合客戶痛點與模型能力的應用將贏得巨大市場

AI應用 看多 長期

市場對 AI 應用層潛在規模的估算過於保守,未來 AI 原生應用市場將遠大於傳統雲端軟體。AI 原生軟體快速吸收傳統 SaaS 市場份額,應用層將迎來遠超雲端時代的超大規模商業化機遇

軟體股 看空 中期

傳統 SaaS 軟體公司依賴銷售配額擴張的模式已無法適應 AI 時代,每日按舊計畫執行反而在摧毀企業價值。未轉型 AI 原生的傳統 SaaS 軟體面臨結構性衰退,市場資金加速流向 AI 原生業者

AI 算力基礎設施與電網限制:能源電力成為終極瓶頸與寡頭競爭

  • AI 模型將算力轉化為智慧,對智慧的需求無限導致對電力需求急遽膨脹,電力成為算力擴充的關鍵瓶頸
  • 基礎設施建設涉及昂貴且複雜的供應鏈,包含晶片製造、`2330.TW` 封裝、HBM 記憶體 與電網,未來將形成數個千億美元級寡頭
$NVDA 看多 長期

基礎設施建置呈現寡頭競爭格局,$NVDA 憑藉龐大規模效應與完整硬體生態持續擴大領先優勢。AI 算力基礎設施具極高資本與技術壁壘,巨頭將佔據極高市場份額並產生數個千億美元規模贏家

$TSM 看多 長期

晶片製造與 先進封裝 供應鏈高度集中,`2330.TW` 在全球 AI 硬體供應鏈中佔據不可替代的核心地位。AI 硬體龐大資本支出加速湧入晶圓代工與封裝鏈,製造端寡頭龍頭保持長期強勁需求

AI算力 看多 長期

全球對 AI 智慧需求無限帶動算力資本支出浪潮,市場嚴重低估了基礎設施建置的深度與持續時間。AI 算力需求持續遠超供給,基礎設施層資本支出將維持高強度擴張

重電/電網 看多 長期

電力供應是 AI 算力擴充的最核心實體限制,必須全面投資太陽能、核能與天然氣等所有能源形式。電網基礎設施與能源供給成為 AI 擴充的關鍵瓶頸,多元能源建置與電網升級迎來長期利多

硬體架構新浪潮:AI 生成代碼負載催生新一代 CPU 與晶片設計

  • GPU 與加速器生成龐大代碼後需在 CPU 上運行,導致傳統 CPU 出現嚴重 散熱 與功耗瓶頸
  • 晶片架構開始走向晶圓級晶片與板載 SRAM 設計,減少離晶片 記憶體 存取延遲
半導體 看多 中期

AI 生成代碼使傳統 CPU 遭遇 散熱 瓶頸,為專為 AI 負載設計的新型 CPU 與晶圓級架構創造全新入場機會。AI 運算負載改變驅動半導體架構革新,新一代 CPU 與特殊架構晶片將迎來新一輪成長動能

AI 原生產品開發、垂直領域與具身智能 (Robotics)

  • 傳統產品經理角色在 AI 時代失效,必須深刻理解模型能力邊界與 failure modes 才能設計真正有價值的產品
  • 預訓練模型搭配 post-training 與強化學習成為標準模式,通用大模型基底上可解鎖特定領域湧現能力
  • 具身智能與機器人需垂直整合數據收集與模型訓練,正如 $TSLA 利用車隊數據進行駕駛模型預訓練與後訓練
$TSLA 看多 中期

$TSLA 透過全車隊收集物理世界真實數據進行模型預訓練與後訓練,展現垂直整合在具身智能的優勢。具身智能關鍵在於物理數據閉環與垂直整合,車隊數據飛輪為自動駕駛與機器人提供核心壁壘

機器人 看多 長期

機器人與具身智能正從遙控與模擬邁向預訓練與後訓練模型階段,數據積累將驅動湧現能力。物理世界數據與模型預訓練結合加速機器人商業化落地,具身智能將成為下一個重大 AI 應用範式