Chris Lee 李書沸解構《AI 超級週期》：從能源、HBM 到台積電，看懂五層產業鏈就抓住 80% 的投資機會

2026 年年中，四大雲端廠商今年合計 CapEx 確定突破 7,000 億美元、明年上看 1 兆美元以上，這是人類史上規模最大的基礎建設投資週期之一。與此同時，半導體與 AI 股才剛經歷第三次震盪，記憶體、光互連板塊在高點後大幅回調，市場對「上游投入到底能不能被下游變現」的疑慮再度浮現。就在這個節點，168X 再次邀請到現任 Merkle 3s Capital 共同創辦人、AI 基金 XResearch 創辦人，曾任 OKX 執行長、火幣財務長的 Chris Lee（李書沸）。

Chris Lee 在他的新書《AI 超級週期：五層產業鏈視角下的 AI 基礎設施投資》中，逐層拆解能源、晶片、記憶體、光互連、雲端這「五層產業鏈」，再加上以 Crypto 為核心的「第六層」。在這場訪談中，他給出一個相當鮮明的核心判斷：AI 真正的瓶頸不是晶片，而是電力；而投資的本質，就是找到供應鏈中最稀缺的節點，並在市場還沒有完全定價之前進場。 他也不諱言自己的持倉與心法：重倉記憶體、視台積電為「能讓我睡得著覺」的資產，並反覆強調配置比選股更重要，看懂產業鏈就看懂了 80% 的投資機會。

👉 全球資金湧入半導體產業，台股站在最前線。168X 團隊出身台北，我們在 Telegram 開了 AI 半導體研究討論群，持續分享值得關注的資產和前瞻資訊，歡迎加入！

本文為 168X（@168X_Fortune）節目精華摘要，一個深度連結東方智慧與西方創新的頂尖對話平台，聚焦 AI、區塊鏈、機器人、太空科技及生物工程等尖端領域，探索技術、資本與人文智慧將如何重塑人類文明未來。

主持人：Mr. Z（@168MrZ）· Victor（@vcmktasa）& 來賓：Chris Lee 李書沸（@ViewsOfChris）

收聽訪談：原 X Space 音檔 | YouTube 版（音質更佳）

本文目錄

• 一、研究框架：三段跨界經歷，投資的本質是找到供應鏈最稀缺的節點
• 二、為什麼不寫「AI 十大名單」：授人以魚不如授人以漁
• 三、五層加一層：為什麼 Crypto 是 AI 的神經系統
• 四、寫完書後最大的轉變：AI 真正的瓶頸不是算力，是電力
• 五、輝達 vs ASIC：CUDA 護城河與差異化並存，蛋糕變大而非誰取代誰
• 六、HBM 是 AI 的真記憶體：記憶體為什麼正在脫離週期股
• 七、光互連與雲端 CapEx：AI 基建的鐵三角與需求源頭
• 八、三足鼎立與 2028：大模型格局，以及 Scaling Law 撞牆的觀察訊號
• 九、應用層與超級週期：百花齊放與三年死亡率，下游不賺錢上游還能撐多久
• 十、台積電：繞不開的最終贏家，也是最大的地緣風險
• 十一、中國平行技術棧：美國制裁反而逼出一套獨立體系
• 十二、監管：真實的風險，但不是科技革命的終點
• 十三、Web4：AI Agent 需要的支付、算力與激勵三層基礎設施
• 十四、風險排序：中美永久脫鉤才是最可能推翻全書的變數
• 十五、輝達五兆美元估值：會是下一個 2000 年的思科嗎？
• 十六、5+1 配置框架：回報大部分來自配置，別在同一個風險上加五倍槓桿
• 十七、給讀者的話：世界不會停步，唯有心法與框架能帶你走下去

一、研究框架：三段跨界經歷，投資的本質是找到供應鏈最稀缺的節點

Mr. Z：Chris 哥曾經歷香港的傳統金融圈、OKX、火幣、加密基金，現在又把研究重心放到 AI 基礎設施。是哪一個時刻，讓你意識到過去這些看似不相關的經歷，其實都指向同一套「基礎設施投資」框架？為什麼是現在把它寫成一本書？

Chris：這其實不是一個時刻，而是一個累積的結果。我早期做傳統金融，看的是企業的基本面：現金流、資產負債表、行業格局，很傳統的 Porter’s five forces（波特五力）模型，還有我們今天講的護城河等等。後來在 OKX 當執行長、火幣當財務長，面對的加密貨幣市場，波動比現在還要劇烈，但底層的邏輯其實沒什麼改變：誰掌握了基礎設施，誰就掌握了話語權。交易所就是加密世界的基礎設施，所以頭部交易所能吃到 85% 的市場利潤。你看幣安，2025 年一年的利潤，後面幾家加起來都不如它一家。

後來我創立了 Merkle 3s Capital，還有 XResearch，把研究中心放到 AI 產業鏈，發現同樣的邏輯再次出現。你看輝達（NVIDIA），它其實已經拿走了大部分半導體行業的利潤，因為它掌握了 AI 訓練的基礎設施、CUDA 的生態；台積電為什麼不可替代，因為它掌握了先進製程還有封裝的設施。所以三段經歷看似不相關，其實告訴我們的是同一件事。

投資的本質，就是找到供應鏈中最稀缺的節點，然後在市場還沒有完全定價之前進場。這一點很重要。 所以這本書其實是一套方法論，比較系統性地應用在 AI 產業鏈上面。

至於為什麼是現在？因為 2026 年，我們看到 AI 的基礎設施投資已經從故事，進入真金白銀的階段了。四大雲端廠商合計的年度資本支出，今年肯定超過 7,000 億美元，明年是 1 兆以上，這是人類歷史上最大的基礎建設投資週期之一。如果現在不寫，等這一輪走完之後，那就是事後諸葛了，沒太大意義。這本書就是把我們內部投研的一些東西整合起來跟大家分享，在亞馬遜上如果你是會員，其實是免費可以看的。比較抱歉的是現在只有繁體版，但如果你看得懂簡體，繁體一點都不困難；我們也有英文版，日文版大概這禮拜上線，下禮拜還有韓文版。我希望跟大家分享一些框架的東西，走完未來到 2030 年這條投資的道路。

二、為什麼不寫「AI 十大名單」：授人以魚不如授人以漁

Mr. Z：市面上很多投資書會直接列出推薦標的，但你選擇先建立一張完整的產業鏈地圖，再談每一層的投資 Playbook。為什麼你認為給讀者一套框架，比直接告訴他們買輝達或台積電更重要？

Chris：你這個問題問得非常好。事實上股票是會變的，而且股票牽涉到兩個很重要的原因：一個叫 market timing，你什麼時候進場很重要；另一個叫 business timing，它的業務能不能在當時爆發起來。因為華爾街都是 seeing is believing，看到你的數據後才會上。我們最近看到的例子就是微軟（Microsoft）：它對資本支出的控制、Azure 雲的毛利率、成長，看到這樣的數據，大家才會進來。所以股票牽涉到 market timing 和 business timing 這兩點，但更重要的是，大方向、框架不會改變。

我們回想 2000 年那份十大科技股的名單，到 2010 年已經面目全非了。但如果我們在 2000 年就理解了從寬頻基礎設施，到平台，再到應用的產業邏輯，我們大概就會知道什麼時候該買哪個層級的資產。 大部分人都是普通的散戶投資人，都遇到同一個問題：我知道買了輝達會漲，但我不知道它為什麼能漲，也不知道什麼時候它的風險報酬會失衡。他們會把「買對了股票」和「理解整個產業鏈」混為一談。

所以我這本書的做法是：先給你一張地圖，再教你在地圖上找路。五層產業鏈包括能源、晶片、記憶體、光互連還有雲端，每一層的供需邏輯、護城河結構、估值驅動因素都不一樣。當你了解這個架構，即使具體的公司換了、龍一龍二換了，你的分析框架還在。而且說實話，直接給一份標的清單，對讀者是不負責任的：同一支股票，適合的買點、倉位、持有週期完全不同，一個保守的退休人士，跟一個全職交易員，不可能用同一套配置方案。所以我們常說授人以魚不如授人以漁，我覺得 fishing skills（釣魚的技術）更重要，讓你自然就懂得怎麼抓到魚，是我寫這本書的初衷。

三、五層加一層：為什麼 Crypto 是 AI 的神經系統

Mr. Z：你把過去幾次科技革命總結成「能源 → 硬體 → 連接 → 雲端／平台 → 應用」，但到了 AI 時代，你又加入了 Web4 × Crypto 這一層。為什麼你認為 Crypto 不是附帶章節，而是可以跟前面五層平起平坐的新基礎設施？

Chris：這個問題問得非常好。第一，我本身是做支付出身的，後來去了 Crypto，所以改變我人生的兩段經歷，一段是支付，一段是比特幣、數位貨幣這一類。我感受比較深的是：每一次科技革命，我們觀察產業鏈的結構其實驚人地相似。先有電，再有晶片，再有網路連線，再有雲端平台，最後才有在上面跑的應用。電力革命是這樣，網際網路革命、行動網際網路都是如此，AI 時代還是這個結構。

但 AI 時代有一個新的變數，就是 AI Agent。它需要一個原生的支付和結算層。我們人類可以用信用卡、用銀行轉帳，但 AI Agent 開始自主交易：買算力、買資料、調用 API，它需要一種 7×24、無需許可、可程式化的支付方式，這恰好就是穩定幣跟智能合約的用武之地。所以 Web3 是去中心化的基礎設施，加上 AI 的自主 Agent，就構成了一個全新的經濟形態。 我們看到 x402 這個協議就是一個好例子，AI Agent 透過 HTTP 的頭部直接完成 USDC 的支付，不需要人類介入；還有 Render Network 的去中心化 GPU 算力、Akash 的反向拍賣市場、Aethir 的邊緣算力，這些專案的共同點，就是在 Crypto 的激勵制度調動之下，把原本不會進入市場的資源調動了出來。

所以我不把 Crypto 當成一個附帶的章節，因為它是另外一個層面。如果說前五層是 AI 的身體，那 Crypto 可能就是它的神經系統：負責價值的傳輸、資源的調度、激勵的分配。 這就是我們常講的「價值網際網路」。

四、寫完書後最大的轉變：AI 真正的瓶頸不是算力，是電力

Mr. Z：寫完這本書後，你自己的觀點改變了什麼？在動筆之前你最看好哪些產業？寫作和查證的過程中，有沒有哪一章讓你的 conviction 大幅提高，又有沒有原本很看好、研究完反而決定降低配置的方向？

Chris：寫完這本書之後，我對自己的了解其實是更好的。給我最大的改變，是能源層的 conviction 大幅提高。動筆之前，我跟大多數人一樣，把重心放在晶片、模型上面，我們當時也去尋找購買了一級半市場的 Anthropic 還有 OpenAI 的股份，特意把很多時間放在晶片方面。後來當我真正去算 Meta 那筆 6.6GW（吉瓦）的能源協議時，我開始意識到一個完全不同的概念。

6.6GW 相當於六座核電站的輸出功率。 如果以台灣家庭夏天用電尖峰時刻來換算，大概是四百多萬到六百萬戶家庭的用電量，差不多就是台北市加新北市夏天尖峰時刻的全部電力需求，而且這是供一家公司專用的。當時我意識到：AI 真正的瓶頸不是算力，是電力。這改變了我整個投資框架的優先級。

另一個轉變，是我對應用層變得非常謹慎。寫書之前我以為 AI Agent 很快就會爆發，研究完之後我發現，AI Agent 的商業化比市場預期要慢，原因很簡單：企業級客戶的採購週期長、合規要求高、數據隱私問題複雜。所以 To C 的 Agent 可能先跑起來，但 To B 需要的時間更長。至於原本看好、但決定降低配置的方向，是那些 AI 軟體公司。我發現很多 AI 軟體，本質上就是在傳統產品上套了一層大模型的介面，護城河太淺、壁壘幾乎為零。相比之下，上游的基礎設施：能源、晶片、記憶體，確定性會高很多，光互連也只是時間問題。所以你看到，最後其實是「能源加上 AI 硬體」有更高的 conviction。

五、輝達 vs ASIC：CUDA 護城河與差異化並存，蛋糕變大而非誰取代誰

Victor：Chris 哥怎麼看輝達 CUDA 的護城河，跟博通（Broadcom）的 ASIC 路線？輝達的壟斷會跟 ASIC 的差異化同時存在嗎？像 Google、Meta、Amazon 這些 Hyperscaler 自研晶片，又會怎麼影響這兩條路線？

Chris：首先，輝達的 GPU 是訓練用的，ASIC 事實上是做推理用的，兩者的功能不一樣。所以這不是「ASIC 會不會取代 GPU」的問題，正確的問題是：不同類型的工作負載，需要什麼樣的算力。

輝達的 CUDA 護城河在於生態。全球數百萬開發者用 CUDA 寫程式碼，數千個框架、函式庫依賴 CUDA，這個生態的切換成本非常高。不是晶片買不起，而是重寫程式碼、重新驗證、重新部署的成本驚人。所以在訓練端，輝達的壟斷短期內是無法打破的。就算 AMD 想挑戰，它永遠是 second best，它也想做自己的生態，但很難。

但推理端就不一樣。當模型訓練完成，生產環境的工作負載高度標準化，這時候 Google 的 TPU、Amazon 的 Trainium，還有幫客戶客製化的 ASIC，在特定場合的性價比就可能超過 GPU。Meta 自研晶片，不是因為他們不喜歡輝達，而是當規模到一定程度，客製化的成本優勢就顯著了。 而且大家一定要知道，輝達的 GPU 是供不應求的：即使你願意貴一點買，還是拿不到，所以在性價比考量、加上供應鏈安全性之下，這些大廠一定會做 ASIC 的部署。

所以最終的格局是：輝達繼續統治訓練市場和通用計算，因為通用計算每一次運算的成本是最低的；而 ASIC 在超大客戶的推理場景占據越來越多份額。整體算力市場因此變得更大，不是誰取代誰。 2026 年 AI 半導體的規模大概 1,000 億美元左右，這個蛋糕大到還容得下不同的路線。

六、HBM 是 AI 的真記憶體：記憶體為什麼正在脫離週期股

Victor：講到 Chris 哥書裡的第三章「記憶體層」，我自己觀察到的現象是，記憶體這個行業確實有脫離週期的現象：他們開始跟客戶鎖定長約、鎖定未來利潤，去避免暴賺暴虧；AI 對 HBM 的大量需求，也讓 HBM 在收入裡的占比升高很多，還排擠了 NAND、DRAM 的產能，讓傳統記憶體的價格更穩定。你認為 HBM 是 AI 的真記憶體，想請 Chris 哥多聊聊你對記憶體層的看法。

Chris：我昨天才跟我的 CIO 聊了這個問題，他是一級投行、哈佛商學院背景，在 30 億美金的對沖基金從分析師做起、做了十幾年，對半導體非常理解。現在這個價格，其實已經反映了週期性的存在。打個比方，SanDisk（閃迪）最高大概到過 2354 美元，最低約 976 美元，這樣其實已經跌了 ~60%；現在又跌下去，大概還有 40% 左右的折扣，安全邊際已經存在了。

但這一次，我覺得大家必須有一個觀點：這一次真的不一樣。以前為什麼週期性這麼強？第一，產品真的非常 commodity（大宗商品化），就是規模化、一模一樣的產品；第二，以前生產商很多，高峰期十幾二十家。DRAM 現在只剩大概三家，加上中國大陸那兩家，大概五家；HBM 更只有三家。以前大家犯的錯誤，是市場一好就拚命擴產、拚命賣，到某個節點大家一起虧錢，週期就不斷重複。

但現在不一樣。第一，產品線不一樣了：以前沒有 HBM，HBM 是客製給輝達晶片的，甚至 CPU、GPU 都需要，科技含量很高。而且它的迭代週期是三年一代，要建一座新廠至少 18 到 24 個月，還要無塵室、設備、拉良率，沒辦法這麼快追上需求。馬斯克已經說了，這個需求可能永遠沒辦法滿足，速度是至少十倍、二十倍以上。 所以大家還用週期股的估值去看記憶體，我覺得是錯的。

我們看 SK 海力士、三星、美光（Micron）這三大，HBM 主攻 AI，AI 已經占了他們 45% 到 50% 的收入。也因為產能有限，DRAM 的產能就讓路給 HBM，甚至犧牲了零售端的記憶體，所以連 HDD、西部數據（Western Digital）、希捷（Segate）這種比較便宜的硬碟也全線漲，因為大家都把產能拿去做 AI 了。HBM 的特殊性，在於它是為 AI 訓練推理量身打造的高頻寬記憶體：一顆高階 AI 晶片配的 HBM 容量，是傳統 DRAM 的數倍甚至十幾倍。 它的技術門檻很高，TSV（矽穿孔）、先進封裝、多層堆疊，就這三家寡頭壟斷。

即使長鑫（CXMT）在擴充，也沒這麼快，2027 年連中國大陸市場都滿足不了。有個很好笑的事情：蘋果去找長鑫報 DRAM 和記憶體的價格，它的價格還高過三星。而且估值也很離譜：長鑫的遠期本益比大概 13 到 19 倍，但美光跟 SK 海力士才 5 到 7 倍左右。沒有理由市場更賺錢、競爭更少，估值反而更低。所以以美光為例，市場還在用舊的週期股框架看它，尤其擔心 DRAM，但沒想到 2026 年三大廠產能全部賣光、2027 年也賣光，可能要到 2028 年第四季才稍微緩解。

還有一個變化是產品組合：高階 HBM 的毛利已經拉升到八成以上，美光的 HBM3E 大量出貨，HBM4 也已經量產，今年至少有 10 億美元以上的出貨。而且大家還可以看合約的細節：以前叫長期合約（LTA，long term agreement），只定量、價格可以談；現在叫 strategic customer agreement（戰略客戶協議），價格不能談、要付 20% 到 25% 的訂金，還有懲罰性條款，這就是一個賣方市場。所以對比之下，光互連那些硬體股，如果不是川普說美國 AI 叢集裡的先進製程硬體、光模組必須用美國的，你想它怎麼會漲？但記憶體是貨真價實：需求在那裡，競爭格局也在那裡，只有三家，供應至少到 2028 年才可能僅僅跟得上，甚至以後都跟不上。

七、光互連與雲端 CapEx：AI 基建的鐵三角與需求源頭

Victor：書中第四、五章的光互連層與雲端層，你認為光互連從 1.6T 向 3.2T 升級不可避免，Coherent（COHR）、Lumentum（LITE）是 AI 純度比較高的標的；到了雲端章節，又把四大雲廠商的 CapEx 定義為整條產業鏈的需求源頭。為什麼你把「連接」與「雲端」層放在晶片之後？對這兩層又有什麼看法？

Chris：GPU 叢集的規模爆發性成長，叢集越大，對互連頻寬的要求就越高。訓練一個大模型需要數萬張 GPU 協同工作，GPU 之間要高度通訊，通訊就成了瓶頸。光模組從 800G 升級到 1.6T、再到 3.2T，這是物理上唯一能高速解決這個問題的路徑。所以我把連接跟雲端放在晶片之後，是一個邏輯的承接關係：有了 GPU 需要連接，有了連接需要承載它的資料中心，這三層構建了 AI 基礎的鐵三角。

真正限制 AI 叢集規模的瓶頸是滾動的：今天是 GPU 供給，明天可能是電力，後天可能是資料中心的交付能力。但有一個趨勢是確定的：四大雲端廠商的 CapEx，現在還是整個產業鏈需求的源頭，它就是那個金主。 每年投入七千多億，這些錢會沿著產業鏈往下傳導，買 GPU、建資料中心、布光纖、採購電力。

至於要多少 AI 收入，才能證明這些 CapEx 不是過度建設？我們看一個例子：Amazon AWS 2026 年 AI 相關的 ARR 大概 150 億美元，CapEx 大概 2,000 億，看起來回報週期很長。但別忘了，AWS 只占亞馬遜總營收的 21%，卻貢獻了 57% 的營業利潤，利潤率遠高於它的電商生意。所以這些 AI 公司的資本開支，其實不是賭博，而是用利潤在買未來。

八、三足鼎立與 2028：大模型格局，以及 Scaling Law 撞牆的觀察訊號

Mr. Z：聊完基礎設施層，我們來看大模型跟應用，這個 Scaling Law 是不是還有效、誰能真正賺到錢。模型每天都在快速變化，但你仍然用「三足鼎立」來描述當前格局。為什麼是 OpenAI、Anthropic、Google 這三家？Meta、xAI、中國模型和開源社群，還不能被放在同一個層級的原因是什麼？

Chris：先說明一下，我這本書大部分講的是在美股上市的公司，整條產業鏈，所以中國大陸或香港上市的公司我講得比較少。這三家公司，是在三個維度上拉開了距離：算力規模、模型能力、商業化路徑。OpenAI 有最大的用戶基礎跟品牌認知；Anthropic 在安全性、企業部署上有獨特優勢，程式碼能力、長上下文處理能力在專業用戶裡口碑極好；Google 有自研的 TPU、有 Search、有全家桶，是唯一一個從晶片到應用全棧自有（full stack）的玩家。

那 Meta、xAI 跟中國模型為什麼還沒進入同一層級？Meta 的 Llama 策略看似成功，但模型品質其實不行，後來它要做一個不同的 AI 商業模式，現在還不清晰，事實上它是把 AI 當成強化社交廣告的工具，而不是獨立的收入來源。xAI 的 Grok 技術上有突破，但生態、商業化還很早，後來也跟 X 做了合併。中國模型市場非常成功，但大多是開源模型，不像 Anthropic、OpenAI 是封閉式模型，這是不一樣的。 以 DeepSeek 為例，它是非常有趣的案例，GLM、Kimi 也都做得很不錯，用比較低的訓練成本做出逼近 GPT-4 的水準，證明在有限條件下，工程效率可以彌補硬體的差距。但中國模型面臨一個結構性問題：美國制裁限制了它拿到最先進 GPU 的能力，這就製造了它發展的上限。我昨天跟 CIO 聊，中國模型真的不錯、性價比高，但最大的問題就是 GPU 會「卡」。

Mr. Z：那為什麼你在大模型章節，把「Scaling Law 是不是會撞牆」跟 2028 年連在一起？你認為 2028 年前後，市場應該觀察哪些證據？如果 Scaling Law 提前失效，哪一層資產會最先受到衝擊？

Chris：2028 年不是隨機選的年份。把現在的趨勢外推到 2028 年前後，幾個關鍵矛盾會同時浮現。第一，高品質訓練數據可能耗盡，我覺得現在已經開始了，網際網路的文本資料差不多被模型吃完，合成資料的品質能否持續提升是個問號。第二，算力投入的邊際收益開始遞減：從 GPT-3 到 GPT-4，模型能力的提升是顯著的，但從 GPT-4 到下一代，同樣的算力投入能不能帶來同樣幅度的提升，也是個大問號。第三，CapEx 需要產生回報：四大雲廠商從 2023、2024 年開始大規模投入，到 2028 已經是四、五年了，如果那時候 AI 的收入增速跟不上 CapEx 增速，市場的忍耐力就會被消耗。

所以我覺得投資人應該觀察五個訊號：模型能力曲線是否還夠陡峭、高品質數據是否持續耗盡、Agent 是不是開始替代真正的工作崗位、原生 AI 公司的收入增速，還有最重要的，四大雲廠商 AI 收入的占比。 如果 Scaling Law 提前失效，最先受衝擊的是雲端的資料中心層，因為它的 CapEx 假設，是建立在算力需求持續指數級成長的前提上；晶片層也會受影響，但程度會較輕，因為即使成長放緩，替代的需求依然存在。

九、應用層與超級週期：百花齊放與三年死亡率，下游不賺錢上游還能撐多久

Mr. Z：那為什麼你一方面看好應用百花齊放，另一方面又警告大多數應用會在三年內死亡？應用層最接近收入，為什麼反而是死亡率最高、最不適合早期投資的地方？你判斷一家公司是真正的 AI 原生應用，還是傳統產品套一層 AI 包裝，最重要的指標是什麼？

Chris：這兩件事其實不矛盾：越是百花齊放的市場，死亡率越高。網際網路早期上萬家 dot-com 公司，最後活下來的不到 5%；行動網際網路早期也一樣。AI 應用層會經歷同樣的過程，而且速度更快，因為 AI 工具降低了創業門檻、也降低了護城河。應用層最接近收入，聽起來很好，但這恰恰是問題所在：離收益近，意味著離競爭也近。 今天你做一個 AI 寫作工具，明天就有一百個類似產品出現，五個肯定做得比你好，技術門檻低、用戶切換成本也低。

我們判斷一家公司是真正的 AI 原生應用，還是傳統產品套了層 AI 包裝，最看的一個指標是：用戶是不是「因為 AI 功能」才來用這個產品，而不是產品本身剛好有了 AI 功能。如果把 AI 功能拿掉，用戶還會不會用？ 如果會，那 AI 只是錦上添花，不是核心價值；真正 AI 原生的應用，AI 就是產品本身。所以我建議應用層可以做主題配置，不適合做核心配置，等賽道跑出頭部玩家再加上去也還來得及。

Mr. Z：如果下游不能賺錢，上游的 AI 基礎設施超級週期還能持續嗎？整本書大量分析能源、晶片、記憶體、資料中心，但最終所有 CapEx 都需要應用層變現。

Chris：這確實是整本書最關鍵的問題，也是我不斷在思考的。AI 股現在已經是第三次震盪，都是同一個原因。我的答案是：短期可以，長期不行。短期來講，AI 這個題材有三層緩衝。第一層是廠商利潤，它有足夠的現金支撐多年的投入，短期虧損也能持續，不過這一點現在已經有點困難了，你看 Google 的自由現金流已經轉負，也不再回購股份、開始發債了。第二層是主權 AI 的需求，它不太受商業回報影響。大家可能不清楚，輝達的主權 AI 加上企業級 AI 的營收已經占 15% 了，而且毛利率跟雲廠商的 AI 基建一樣、甚至更高，很多人忽略了這一點。 第三層是技術迭代本身，每一代模型都需要大量算力做訓練，這是剛需。

但長期肯定不行。如果三年之後，AI 應用層依然無法產生足夠的收入來證明上游的投入是合理的，那就要重新檢視了，就像思科（Cisco）在 2000 年：網際網路的需求是真的，但估值太超前了。所以我認為基礎設施比應用層更值得優先配置，道理跟淘金一樣：當年我們的華人祖先去舊金山淘金，賺最多的是賣鏟子的、賣水的、賣衣服的，後來還出現了 Levi’s 牛仔褲。 前提是產業鏈上游的資產價格不能太離譜。總體來講我還是挺樂觀的，至少在 2028 年或之前，硬體支出這一塊不會減少。

十、台積電：繞不開的最終贏家，也是最大的地緣風險

Mr. Z：你已經在晶片章節談過製程和硬體，但仍然用一整章討論台積電，並把它形容成「全球先進製程的護城河，也是最大的地緣風險」。為什麼台積電不是普通的晶片供應商，而是一個跨越整條 AI 產業鏈的節點？投資人應該如何同時為它的不可替代性和台海風險定價？

Chris：我昨天開會就討論台積電這個案例。你看推特上很多梗圖：GPU 贏了，台積電贏了；CPU 贏了，台積電贏了；記憶體贏了，台積電贏了；光互連贏了，台積電贏了。最終贏家還是台積電，繞不開這一點。它不是一個普通的晶圓供應商，它是整條 AI 產業鏈的節點，如果它出現一個單點故障（single point of failure），整個產業鏈就很慘了。 所以如果不是有地緣政治風險，基本上你要選一支代表 AI、代表半導體的股票，買台積電就可以了。當然也有人說 ASML 也不錯，那就看估值、看業務的分散性和去風險能力。

看數據：台積電 2025 年全年營收約 1,223 億美元，年增 34%；全球 7 奈米以下先進製程代工，台積電占比 90%。輝達、蘋果、Google、AMD、高通，幾乎所有晶片都是台積電製造的，現在真的沒有其他替代。這意味著台積電的良率、產能、地緣政治風險，直接影響整個 AI 產業鏈的供給。台積電 2 奈米工廠單座投資 200 到 300 億美元，2026 到 2028 年合計的 CapEx 會壓制自由現金流，但這種「不得不投」的特性，恰恰就是它的護城河，沒有人能複製這種投資規模和技術積累。

還有一點偏政治：台灣講「護國神山」，我覺得這是一個 figure of speech，一個話語而已。但從台灣的水資源、電力資源來講，事實上是台灣政府和人民支持了台積電的發展和運營；再加上東亞儒家的勤奮文化，才能堆起台積電這種 24 小時的運作。台積電執行長魏哲家（C.C. Wei）自己也說，他是「後無來者」，這確實是。

至於台海的風險定價，我的看法是：這種地緣政治風險是二元的，無論發生是 0、或者發生 100，你能做的只有在配置層面控制倉位，而不是去精準定價一個不可量化的風險。 我講一件事：2027 年中國大陸的國家主席習近平要連任，所以我覺得至少這幾年問題不大。而且中國大陸的領導人非常聰明，雖然可能是一個人說了算，但背後的智囊團有足夠影響力。所以對我個人來講，我的倉位很多放在台積電，它是能讓我睡得著覺的資產。真的有台海戰爭出現時，其實蘋果、輝達、Google、四大雲廠都會受影響，大家都會受影響，我相信會有更好的方案去解決政治上的問題。當然，說 100% 買台積電也不現實，這就牽涉到另一個話題：資產配置。

十一、中國平行技術棧：美國制裁反而逼出一套獨立體系

Mr. Z：這就是 Chris 哥一直講的「心安、眠安、家安」投資法則，我覺得非常受用。那為什麼你認為中國最後還是會形成一套平行的 AI 技術棧？在中國 AI 章節，你把華為、寒武紀與 DeepSeek 放在一起討論，並認為美國制裁的結果，不一定是阻止中國 AI 發展，而可能是迫使中國建立平行的技術體系？

Chris：這其實不是中國的選擇，而是美國制裁產生的一個結果，我覺得是必然的、或者說是他們意想不到的結果：阻止不了中國 AI 發展，反而逼中國建立獨立的技術體系。華為的昇騰 910C 就是最經典的案例：製程不如輝達最新的晶片，用的是中芯國際（SMIC）的 N+2、大概 7 奈米級別，良率也有爭議，大概 30% 到 60% 左右，但它在夠用的場景下已經能工作了，這是重點。華為的 CloudMatrix 384 系統框架，用了更低製程的晶片，透過堆疊來彌補單卡性能的差距，這是功能上的 work around（替代方案），但它能用。

DeepSeek 的故事更有趣：它 V3 的基礎訓練成本其實就 500 多萬美元，推理模型 R1 只用了不到 30 萬美元，做出接近 GPT-4 的水準。而且上個禮拜 DeepSeek 的創始人發了一張圖，說即使它的 token 這麼便宜，回報率十個月就能拿回成本，投入回報比是 6 倍，一塊錢進來變六塊。這證明了一點：在算力受限的條件下，工程效率、演算法創新可以彌補硬體的差距，還能產生不錯的回報。這不是說算力不重要，而是說用足夠的算力做、與用有限的算力做，兩條路是可以平行的。

即使在這麼封鎖的情況下，中國大陸的 AI 發展還是這麼蓬勃，我覺得有一天甚至會跟美國平起平坐、甚至超越美國，這是大概率的事情。我想提醒台灣、香港的年輕人，還有很多海外華人：別低估中國大陸的韌性、人才庫還有這種決心，在舉國體制之下，很多東西真的能做得出來，這不只是民族自信，是真的有這種能力。 那現在最難突破的是哪一點？我覺得是 HBM。華為晶片可以靠成熟製程堆疊、work around，但 HBM 需要先進封裝跟矽穿孔工藝，這是中國半導體目前最薄弱的環節。沒有高頻寬記憶體，再強的算力也發揮不出來，所以這又一次證明了記憶體的重要性。

十二、監管：真實的風險，但不是科技革命的終點

Mr. Z：為什麼監管是真實的風險，但不是科技革命的終點？你在 AI 安全與監管章節的結論是「監管會影響路徑和估值，但歷史上沒有科技革命單純因監管而停止」。為什麼你仍然把它獨立寫成一章？

Chris：其實所有新的發展，包括我們以前在數位貨幣產業，你的創新、發明、進度，都遠遠領先於合規和監管。但基本上監管的路線不會改變：你只有納入監管的框架，才能真正得到發展。所以歷史告訴我們，監管會改變路徑，但不會停止方向。 我們之前講過「紅旗法案」（Red Flag Act），以前英國規定汽車前面要有人舉著紅旗步行、限制汽車工業，結果就把汽車工業的領先地位讓給了美國。網際網路早期有無數關於網路安全、內容審查的爭論，CRISPR 基因編輯技術也面臨嚴格的倫理限制，但最終這些技術都找到了與監管共存的方式，而發展的比任何人想的都快。

AI 監管的特殊性在於它是全球性的博弈：歐盟的 AI Act 強調風險分級和合規，美國傾向行業自主加事後追責，中國的監管更注重內容審查和意識形態安全。這三種模式會導致不同地區的 AI 面臨不同的合規成本，從而改變經營格局，合規成本低的地方會吸引更多人才和投資。我把監管獨立放一章，不是因為我覺得它會終結什麼，而是它是一個必須了解的變數，否則你的投資邏輯會有盲點。比如歐洲的 AI 法案，可能讓某些 AI 應用在歐洲的部署成本上升，這會利好那些在合規上有先發優勢的公司。

舉個例子，特斯拉（Tesla）在歐洲一些地方，不同國家對它的限制不一樣，確實會影響它部署的步調。我在加州的時候坐了 Robotaxi，本來想試無人駕駛，結果進去發現駕駛座上還坐了一個人，因為加州法律規定你必須有一個人；加上馬斯克之前支持川普，民主黨主政的加州肯定會給他麻煩。你看最大的實體 AI（Physical AI）或機器人公司，其實就是特斯拉，所以合規對它的影響有多大，這就是我特意把這章寫出來的原意。

十三、Web4：AI Agent 需要的支付、算力與激勵三層基礎設施

Victor：你上次訪談就提過 Web4 等於 Web3 加 AI 的概念，書中也有專章探討。可不可以再多講講 Web4 是什麼、為什麼 Crypto 可以成為 AI 的第六層？穩定幣、智能合約、鏈上支付對 AI Agent 有多重要？

Chris：Web3 這個詞其實前兩年就有了。我們說 Web1 是 read（讀）、Web2 是 write（寫）、Web3 是 own（擁有），也就是我們講的 Crypto；Web4 再加上 AI。傳統 Web2 的經濟是平台加人，Web3 加上了去中心化和所有權（ownership），但交換的主體依然是人。Web4 的不同在於：AI Agent 成為了經濟活動的參與者，它可以自主購買算力、支付 API 調用，甚至做投資決策。

這就需要三種基礎設施。第一是支付層：穩定幣和鏈上支付。AI Agent 不會用信用卡，但它可以用 USDC，透過 x402 協議即時結算，這個協議其實就是為 AI Agent 的經濟設計的。第二是算力層：去中心化的 GPU 市場，Render Network、Akash、io.net 把散布全球的 GPU 算力連接在一起，用 token 激勵資源的提供者。Aethir 的模式相似，但它聚焦於邊緣計算。第三是激勵層，這其實很重要。

Web3 最吸引人的地方，不是它的科技有多牛，而是它的激勵制度和所有權，這就是我們講的 Tokenomics（代幣經濟學）。 好的 Crypto × AI 專案，用 token 來調動資源、分配收益、建立社區。但我要強調，大部分 AI 代幣沒有什麼基本面，AI 代幣板塊從高點已經下跌 60% 以上。所以判斷一個 Crypto × AI 專案，我最先看的是真實收入：比如 Render Network 的渲染收入、Aethir 的算力租賃收入，跟純靠 token 炒作的專案，本質上是兩種不一樣的物種。這裡先跟聽眾、推特朋友們說一下免責聲明，我只是拿這幾個專案來做例子，不代表我認同或支持它們。

十四、風險排序：中美永久脫鉤才是最可能推翻全書的變數

Victor：書的第十二章特別點出了《AI 超級週期》背後潛藏的一些前提，如果被證偽會有哪些風險。為什麼你要用一整章解釋這些風險？你列出中美分裂、華為晶片良率、DeepSeek 與廉價模型衝擊、輝達估值、電力瓶頸，還有類似思科 2000 年的泡沫，其中哪一個最可能真正推翻全書的核心 Thesis？你會怎麼排序？

Chris：我們做一個框架的時候，一定要有 disclaimer，說清楚哪些地方有侷限、哪些投資論點很可能會出錯。如果你不把 limitation 講清楚，那才是不負責任。這六個風險裡，最可能真正推翻全書 Thesis 的，我覺得是中美永久的脫鉤。原因很簡單：AI 產業鏈是全球化的。台積電在台灣、ASML 在荷蘭、SK 海力士在韓國，輝達的客戶遍布全球，現在連阿里巴巴、騰訊也在買 H200 GPU。如果中美走向完全脫鉤，整條產業鏈真的要被重構，效率的損失巨大，而且短期內無法彌補。

第二大風險，是 DeepSeek 還有其他廉價模型。如果訓練成本持續指數級下降，今天投入的兩千億在建的算力基礎設施，可能幾年後就面臨嚴重的產能過剩，這有點像光纖泡沫：2000 年鋪的光纖，十年後才真正用完。至於華為良率、輝達估值、電力瓶頸、思科類比這些其他風險，我覺得會造成市場回調，但不會推翻結構性的 Thesis；不過在投資上，必須要有清醒的意識。

坦白說這個排序很難做，因為很多是政治層面的、很難量化。但我一直的理論是：allocation（資產配置）。做投資的時候，第一，不一定全部是股票；第二，不一定全部是 AI 股票。AI 股票裡面，現在的主倉位可能是 AI 硬體：台積電、輝達，還有四朵雲；後面的倉位可能是記憶體、光互連；再往後可能還有其他一些標的。 最好的方案，就是用資產配置去把風險降低。但風險越低，回報也越低，所以講到底，我們還是要回到起點（back to square one）：想清楚我們投資的目的到底是什麼。這才是重點，尤其這些事情很多都是我們控制不了的。

十五、輝達五兆美元估值：會是下一個 2000 年的思科嗎？

Victor：剛提到的風險裡有一個是輝達的估值。它現在是 5.3 兆美元的市值，這個市值裡會不會有泡沫成分？雖然 CUDA 護城河、公司體質、產業需求都是真實的，但在這樣的市值下，它的風險報酬比會不會已經不太適合投資人進場？還是它有可能之後變成像思科那樣的網際網路泡沫？

Chris：這個比較其實挺有道理，但也確實有偏差。有道理的地方在於，思科 2000 年跟輝達現在的共同點，是公司基本面非常好，估值可能太超前。但重點是：思科 2000 年的本益比是 200 倍，因為當時大家覺得網際網路的成長是無限的；而輝達現在的遠期本益比大概 19 倍左右，動態的話大概 21 倍。說實在話我不覺得它貴，關鍵是你用什麼樣的濾鏡去看它。

當然，以它現在五萬多億的體量，其實很難再漲了，因為你要漲，就得推動整個指數往上，這也是它很難漲的原因。但它又能持續 deliver，交得出數字、交得出銷售和盈利，所以這一點確實有點不一樣。另外我覺得護城河也不同：思科很大一部分是賣硬體，賣的是標準化的路由器、交換機，技術門檻低、競爭對手容易進去；但輝達是 CUDA 的生態，深度綁定了數百萬開發者的軟硬體平台，這個生態的切換成本，遠高於網路設備。

關於輝達的風險報酬何時失衡，我的判斷有幾個。第一，客戶集中度過高：前五大客戶如果營收超過 60%、到 75%，任何一個客戶的自研計畫都會嚴重影響預期，但這一點已經在改變，就是主權 AI 和企業級 AI 這一塊。第二，推理市場的份額下降：ASIC 在推理端的份額持續上升，成長故事會被打折，但整個市場還是會往前走，很可能到最後是「一比九」，一是訓練、九是推理，甚至比例更低，但整個市場的餅更大。

另外還有一件事，就是輝達去投資下游的客戶、讓客戶有錢來買自己的產品，這個叫循環融資，很多人覺得這有風險。但說實在話，如果它現在有這麼多現金流，它就應該往下面投。大家看 Google 的財報也忽略了一點：Google 很大的收入來源就是投資收益。另一點大家可能都沒看到的，騰訊最大的收益從哪裡來？騰訊曾經是中國大陸兩個最大的 VC 之一，另一個是阿里巴巴。所以輝達這樣做，我覺得絕對合理。

順帶提一下 CapEx：明年四大雲廠還是會過 1 兆，但 2028 年我覺得比較困難，四大雲我猜肯定要要停，不然股價撐不住，因為都是上市公司；除了甲骨文（Oracle），Larry Ellison 是很狠的人，而且每次都賭對。但只看四大雲也不合適，還要看 AI 主權算力。除了 Mag 7 這種最有錢的公司，另外最有錢的就是政府本身，你看阿聯酋（UAE）、沙烏地阿拉伯這些，沙漠地帶都在鋪 AI 叢集，而且他們現在做得比較好，比如放到海底下，減少散熱的功耗，石油、很多東西也比較便宜。

總體來講，輝達我覺得還好，20 倍本益比不算貴，明年它還在成長，就掉到十幾倍了，還有生態。大家下結論的時候值得看一點：把它的收入拉出來，看哪些只是 repeating order（重複訂單），有沒有其他的收入來源。我對輝達還是挺看好的，但它已經是一個 AI 的 Beta 了。如果要在台積電和輝達之間二選一，我肯定選台積電。

十六、5+1 配置框架：回報大部分來自配置，別在同一個風險上加五倍槓桿

Victor：書的最後一章特別細談配置。你把投資組合分成核心倉、衛星倉、主題配置，並針對不同風險偏好設計不同組合。在你的五層加一層架構下：能源、晶片、連接與記憶體、雲端與資料中心、模型與應用，再加上 Crypto，你會怎麼配置這些不同的層，並盡量減少「重複承擔同一個 AI CapEx 風險」？

Chris：先聲明，這不是投資建議，只是我們自己作為一種學習的分享。有一點很重要：投資的回報，絕大部分來自配置，選股只決定大概 10%。研究不斷反覆證明這一點：長期回報的變異，資產配置的貢獻大於個股選擇、大於市場選擇。 但大部分投資人把 90% 的精力放在「哪支股票會漲」，只用 10% 放在組合的配置上，我覺得這其實應該反過來才對。

五層加一的配置方法，核心思想是避免重複承擔同一個風險，這是重點。能源、晶片、記憶體、光互連、雲服務商看似不同產業，其實有同一個驅動因素，就是 AI CapEx 的增速。如果你在每一層都配最大倉位，你不是在分散風險，而是在同一個主題上加了五倍槓桿。 所以我覺得合理的配置是：跨層的龍頭，護城河深、現金流穩定，比如台積電、輝達、GE Vernova、雲服務商這一類，這種資產可以配 6 成以上，當作核心；衛星配置大概二到三成，放單一集中度高的，比如記憶體的美光、光互連的 Coherent；主題配置放高風險高回報的前沿方向，比如 Crypto × AI、核融合等等。不同風險偏好的投資人，調整的是比例而不是方向：保守型可以把核心配到 80%，進攻型可以把主題配到 20%，但框架本身是通用的。

比如我自己有一個組合，整個組合都是記憶體那幾家公司，因為我信心比較大、心臟也比較能承受。這個金額對普通人來說是非常大的，但我們做了很深的研究。我不喜歡那種吹「現在買什麼」、過一個禮拜又買別的，我覺得那樣賺不了大錢：如果你一個禮拜前選這支股票，一個禮拜後又不要它，那就有很大的問題。 就好像你正常喜歡一個人，你是希望好好相處好幾年、深入了解之後奔向一輩子的，而不是今天喜歡、兩個禮拜後就 dump 掉，那你不是喜歡她，你是花心，根本沒有欣賞她的本質。我只是打個比方，別誤會我在教大家泡妞，泡妞我是最不行的一個人。

我是一個比較保守、願意謙虛的人，我是會一直覺得自己不行、我還有空間能再往上，這跟很多人不一樣，可能也是我以前做實業出身的關係。但是有一點：當你越是謙虛保守的時候，你會擔心哪裡會出錯；可是當你該重注的時候，你就要重注。只是有一件事，不要用槓桿。 我自己也用過槓桿，去年上半年用槓桿賺了很多錢，下半年全部虧回去了，後來我就學了幾點：你不會永遠錯，也不會永遠對，但你要看清自己的 edge、自己的能力圈在哪裡，把自己限制在裡面，然後不要用槓桿，這樣再怎麼跌，你心裡都是很安穩的。

十七、給讀者的話：世界不會停步，唯有心法與框架能帶你走下去

Mr. Z：書的結尾你寫到「看懂產業鏈，就等於看懂 80% 的投資機會，剩下的交給時間、紀律跟運氣」。最後想請教 Chris 哥，你寫這本書，最想留給讀者的是什麼？

Chris：其實我一直有在做研究，我的合夥人、CIO 有一整套系統，做得比我更深入，但那些是內部的模型，沒辦法跟大家分享。所以我想，我把這套東西寫成書，放在亞馬遜，現在也很方便，讓大家看完有個大概，然後自己去思考。我第一次上你們節目時，最記得的是兩位主持說了一句話：Chris 哥講最多的是心法。因為這個世界不斷在改變，唯有我們的心法、我們的原則、我們的框架、我們的思維圖，能引導我們走出方向。

我打個比方：好幾個男生追一個女生，一個男生會覺得他的對手是另外那堆男生，其實不是，真正的對手只有一個，就是那個女生。你要做的是把自己做好、打通透。所以你必須有一個「抓手」（著力點）。我希望這本書給大家看到整個產業鏈，它就是一個抓手，一套能用五年的思考模式。AI 這個超級週期，我覺得會到 2030 年左右，現在 2026，你還有四、五年，這本書可以給你一個指引。我希望你打開這本書，不是去問「2026 年 6 月輝達股價是多少」，而是當你看到一個新的科技週期時，怎麼去拆解這條產業鏈、怎麼判斷每一層的結構、怎麼找到真正的護城河。比如 ServiceNow、Salesforce，誰有護城河，或者 CRM 到底有沒有護城河。

另外一點，是怎麼在狂躁中保持紀律。我現在推特也寫得比較少，寫的多半是 state of fact（陳述事實）。舉個例子：昨天晚上 DeepMind 一位創辦人離開了，所有人都說 Google 不行了、股價跌了 5%。你覺得跌 5% 合理嗎？你有想過他為什麼要出去嗎？你知道 Google 也投資了他的公司嗎？這麼大的公司，一個人走了之後，Google 的模型、research、YouTube、雲就都沒了嗎？肯定不是。還有一些散戶很少接觸的機構訊息，機構講機構話，你聽起來很有道理，但一個銷售說出來的東西，對你真的有用嗎？所以怎麼保持自己的紀律很重要。

還有一點，每做一筆投資，我們必須有一顆「北極星」：知道這個標的在產業鏈的哪個位置、未來的產業格局會怎麼樣，這樣心裡才有底。哪怕我的進場點不是最好的，它總有機會回來。 很多人買比特幣也是這樣，有多少人看過白皮書、做過 research？知道現在比特幣的成本是多少、哪個量化因子對它影響最大？絕大部分人不是。你看推特上那些 KOL 說得很懂，說實話他可能也想幫人，但很多時候夾雜了自己的東西。所以我以前很喜歡「休館三天」，三天不上推特，因為這會影響我們自己的判斷。

那 AI 超級週期會結束嗎？也許會，但下一個週期量子計算、生物科技一定也會來。到時候，這套產業鏈的分析框架、風險管理的思維、配置的邏輯，其實還是適用的。看懂產業鏈，就看懂 80% 的投資機會，剩下的確實要交給時間、紀律和運氣，而且需要很大的運氣。 我剛畢業的時候，有個人告訴我，人的一輩子會遇到三個貴人，我到現在大概遇到了兩個，非常感恩，讓我變成億萬富豪，也許還有機會遇到第三個。

芒格（Charlie Munger）說過一句話很好：壞人每一次都必須成功。 大家可以去看 Netflix 那部《毒梟》（Narcos），毒販每次都成功，但他們想收手的時候，失敗一次就出事了，不是被仇敵殺了，就是被抓了。但我們正常人不一樣，我們好好鑽研一個行業、一個標的，是可以賺到一份超額回報的。你要做的是什麼？是怎麼守住這份財富，傳承下去，給家裡人、給自己安心。能做的就是三點：心安、眠安、家安，這是我們身為華人、身為中國人，儒家文化的一個生命的格言。

坦白說我還是比較保守、願意謙虛的。我去了矽谷，有個人問我：Chris，你好歹也算是個老大吧？我說我不是，我覺得自己頂多是二三流的。他問我為什麼這麼謙虛、不像有些人講話那麼「屌」。我跟他說：這其實挺好的，你只要聽就好了，聽完之後你就知道他們是怎麼樣的，然後你自己再做決策，這樣更好。所以聆聽、看書，比一切都重要。多看段永平的書，看看芒格，這些書可能很舊了，包括《雪球》（Snowball）也很舊，但這些人的執念：對善良、韌性的堅持，看待一件事情的本質，對真理的追求，我覺得很重要。段永平有一句說得好：認清楚自己，如果你不把自己認清楚、不知道能力圈在哪裡，你肯定會出事。

有錢不一定開心。我見過身家上百億美金的老闆，也見過三四百億人民幣身家的，到最後，就像馬斯克說的，錢未必那麼重要，但身體健康是最重要的。所以去掉投資邏輯的第一個 101，就是把身體顧好。做投資，就是要做到心安、眠安、家安，然後順勢而為，傳承有序，有個美好的人生。祝福各位，AI 加油，我們自己也加油。

Mr. Z & Victor：謝謝 Chris 哥，也感謝各位聽眾。這集內容之後會發布到 X、Substack、YouTube 跟 Spotify 等各大通路。如果你喜歡這集，歡迎關注 168X 的 X 與 YouTube，把節目分享給更多對宏觀、AI 與硬科技感興趣的朋友，我們下集再會。

👉 全球資金湧入半導體產業，台股站在最前線。168X 團隊出身台北，我們在 Telegram 開了 AI 半導體研究討論群，持續分享值得關注的資產和前瞻資訊，歡迎加入！

👉 閱讀更多：

Chris Lee 李書沸「選擇比努力重要」：從幣圈 OG 到重押記憶體三巨頭，AI 牛市回調預測、Web4 與年輕一代的機會

Rick：實現 AGI 的路上要克制！梁文鋒不追小兔、Alphabet 獻祭自己，買模型不如買記憶體

投資TALK君：看對 AI 不代表看對標的！下半年「軟硬雙修」怎麼配？從大科技、英特爾到軍工與醫療

親手設計過永續合約，Owen 硬核拆解定價機制與莊家遊戲！一套宏觀到微觀框架，Q3 為何依然要重倉 AI？

qinbafrank：FOMC 前夕「沃許沒你想的那麼鷹」！美伊停戰重置宏觀邏輯，SpaceX 與半導體下半年怎麼走？

3X Long Labubu × AI 產業挖掘機：六月 AI 半導體急殺後，下一個 Alpha 藏在哪？

Rick 推演 AI「加速正在被加速」：從 MLCC、機器人、生命科學到 Crypto，如何佈局人類史上最大財富轉移？

qinbafrank 拆解美股回調級別，AI 真正風險是什麼？從軟體股、Marvell 光互連、Nokia 到 SpaceX 看資金輪動

鐵柱解構中國半導體產業鏈：從長江存儲、CPO、功率半導體到華為韜定律

AI 冷戰的賣鏟人：超越登月的新軍備競賽，「錢進台股」第二幕才剛要開始

丙午馬年「三駕馬車」投資法：美股、台股、比特幣三市場配置策略

台股衝上全球第六：海外投資人怎麼買台股？有哪些必須關注的股票？

關於 168X

168X 是一個深度連結東方智慧與西方創新的頂尖對話平台，致力於探索科技、資本與人文智慧將如何重塑人類文明未來。節目聚焦於 AI、區塊鏈、機器人、太空科技及生物工程等前沿領域，與全球領袖和思想建構者展開對話，以獨特的東西雙軌視角，揭示未來財富與創新的核心動力。節目由 ex-banker Mr. Z 與研究員 Victor 主持。

Website | X | YouTube | Apple Podcasts | Substack