這不是一篇在驚嘆 AI 有多神的文章，而是回到一個老問題：這一波，錢到底被誰賺走？
我用在藥廠、科技硬體與化工待了二十多年的實務經驗，加上幾篇發表在 SSRN 的量化研究，整理出一套看 AI 時代「價值往哪裡移動」的地圖。
如果你關心的不是短線股價，而是 AI 狂潮背後的產業結構與長期 Alpha，這一篇 EP0 會先帶你看懂整個系列的框架。
### 從矽谷到華爾街：重塑 AI 時代的四個結構邏輯
**The AI & Alpha Series｜系列總覽**
作者： Po-Sung (Sinclair) Huang
用科學和資訊精準預測未來的能力——人類不是已經追逐了幾千年嗎？
占星、神諭、水晶球。後來是統計學、量化模型、大數據。每個時代都有人在追同一件事：在事情發生之前，先看到它。
### 那一週——以及為什麼我並不特別震驚
就在我準備發布這個系列的同一週，網路上流傳一個小故事：xAI 的 Grok 被問到美國對伊朗動手的日期，它給了一個具體答案——2 月 28 日。結果三天後真的發生了。
Elon Musk 事後說得很乾脆：「straight pattern recognition」。沒有內線情報，只是把公開可查的訊號整合得更快、更系統。
說實話，我看到這件事的第一反應並不是「哇 AI 太神了」，而是「這好像也沒那麼難」。
十年前我在書店翻到一本原文書，裡面提到一個軟體，只要你 key 入公司的財報、競爭對手資料、新聞，它就能幫你擬定競爭策略、甚至預測對手的下一步。那時我就想：如果把資料餵得夠多、模型夠好，這種「預測」其實不是魔法，是工程。
再往前推，Google 在 SARS 病毒期間或流感季，只要看哪個地區的媽媽開始大量搜尋「小孩怎麼預防感冒」，就知道疫情可能已經在擴散了。這種「從行為訊號反推現實」的邏輯，十幾年前就已經存在。
Grok 這件事讓我停頓的，不是它準，而是：我們早就知道這種預測在理論上是可行的，只是現在工具變得太好用，讓它從實驗室走到日常。
同一週：比特幣暴跌。黃金飆升。全球商品在幾小時內重新定價。烏俄戰場上真正改變局勢的，不是核武，是 AI 驅動的自主武器系統。Physical AI 最殘酷的形式。
那一週，感覺科幻小說變成了日常。也讓我清楚意識到，為什麼我覺得這個系列必須寫。
### 為什麼有我這種背景的人會來寫 AI
我從外商大藥廠起步，看著研發管線把資本燒掉好幾年才產出任何東西。然後是超過二十年的科技硬體業：通訊設備、數據機、光碟記憶體、智慧手機、電信基礎建設。後來又在化工業待了十年。
這些經歷看似分散，但回頭看，它們讓我反覆目睹同一個底層模式：重資本投入 → 產能爬坡 → 結構性的價值重分配 → 某個環節拿走大頭。
藥廠。半導體。化工。每一次，同樣的劇本，只是換了不同的分子、設備和地理位置。
真正讓我停下來想的，不是第三次看到同樣的循環，而是：我意識到連問題都在重複。每一個產業的老闆問我的，都是同一個問題——**這波投進去，錢會被誰賺走？** 問法不同，但本質一樣。半導體的 CFO 在問，化工集團的投委會在問，藥廠的 BD 部門也在問。跨越三個產業、二十年，始終是這一題。
AI 這一波，也是同一個劇本。只是速度更快，幾乎同時打中了所有產業。
當所有人都在對 ChatGPT 能寫信、能過律師考試感到驚嘆的時候，困擾我的問題沒那麼光鮮，但更具體：錢到底流去哪了？供應鏈上的誰，正在悄悄拿走最多的價值？我們以為自己知道的答案，有沒有數據支撐，還是只是直覺？
我把這些問題整理成五篇量化研究，發表在 SSRN。朋友們一直問我論文在說什麼。所以我決定脫下學術的西裝，說人話。
### 我看產業資訊的三把尺，和我怎麼用 AI 做研究
在說框架之前，先說說我自己的工作底線——不然你讀完系列，還是不知道這些結論是怎麼來的。
二十年前在投行朋友辦公室看到那一地的厚重報告，給了我一個教訓：真正有用的產業情報，只有三個標準。
- **Reliable（可靠）**：數字從哪來、誰算的、假設是什麼，如果講不清楚，就當它不存在。
- **Relevant（相關）**：這個資訊，會不會真的改變我的決策？很多精美的圖表，只是噪音。
- **Real-time（即時）**：在半導體和 AI 這種節奏下，六個月前的供應鏈狀況，很多時候已經接近考古學。
我現在看任何一份 AI 或半導體報告，腦子裡一定先用這三個 R 過一遍。這也是我寫這個系列時替自己設的底線——如果某個洞見過不了三 R 的門檻，我就不拿它來說服你。
**AI 出現之後，那些當年要靠幾十個 analyst 堆出來的工作，有一大半可以被機器接手。** 所以我現在做研究時，會刻意把「人」和「AI」要做的事拆開來看：
先用人腦畫框架：哪幾個環節是關鍵卡位點、我要看的是技術、財務、產品還是無形資產哪一層。再丟給 AI 當 research assistant：請它幫我整理最近幾年的市佔、毛利率、CapEx、法說會重點，甚至把 ASML、台積電、NVIDIA 的投資人簡報濃縮成摘要。最後回到人：哪些數字彼此矛盾、哪一家在講故事、哪一段供應鏈的利潤分配和我原本的世界模型不一樣——這些判斷，還是只能自己來。
換句話說，AI 幫我把「蒐集」和「初步整理」的成本壓很低，但「選什麼看、不信什麼、怎麼解讀」，仍然是人的工作。這個系列寫給你的，其實就是這一層人類判斷留下來的軌跡。
### AI 並不只在單一地方創造價值。它同時重分配基礎設施、供應鏈、金融訊號、晶片架構與無形資產的權力。
#### 4 個隱藏邏輯——一張尋寶圖
先說清楚這個系列是什麼、不是什麼。
它不是投資建議。它不是預測哪家公司會贏。它是一套框架——用真實數據驗證過的——用來思考當一波技術浪潮重構一個產業時，價值到底往哪裡移動。如果你是投資人，這套框架不會告訴你明天該買什麼，而是幫你判斷：這家公司賺到的，是結構性好處，還是短期故事。
**1. 挖金礦不如賣鏟子**
預測下一波科技爆發，別只盯著應用層。去看資本支出落在哪裡——晶圓廠擴建、設備商訂單、EDA 工具授權量。基礎設施投資訊號，領先應用層爆發 12 到 18 個月。我用三十年的數據測試了這個假說，相關性讓我自己都楞了一下。
但有個陷阱：這個訊號同樣會在衰退之前出現。設備訂單開始下滑，是景氣頂點的早期預警——即使應用股還在每天創新高的時候。
👉 [EP1：為什麼半導體是預測科技大週期的「終極水晶球」？]
**2. 「美國賺聲量，台灣賺底氣」——為什麼這個說法既對又錯**
ChatGPT 引爆的算力需求重塑了半導體供應鏈的價值捕獲格局。演算法、晶片設計、EDA 工具、設備、代工、封測——每一層的價值捕獲邏輯完全不一樣。那些幾乎沒有人在討論的歐洲和日本設備商？在整條鏈裡拿走的利潤，遠比多數人以為的要多。說實話，寫 EP2 的時候，我原本以為台灣一定是這波最大贏家，結果數據迫使我改觀。
👉 [EP2：ChatGPT 效應如何重塑全球半導體供應鏈的價值分配？]
**3. 四十年來賺了大錢的那些策略，突然……不靈了**
推動了四十年 Alpha 的量化訊號——動量、均值回歸、簡單因子模型——在統計上出現了顯著的、結構性不可逆的預測力崩潰。不是緩慢衰退。是斷裂。取而代之的，是跨領域的模式整合——這或許就是像我這樣職涯路徑的人，反而意外有優勢的地方。
👉 [EP3：華爾街的 40 年法則如何被 AI 一夜擊潰？]
**4. 自駕車之戰，真正的戰場不是鏡頭還是光達**
誰的硬體能在真實路況的邊緣情境下，撐住自己的演算法對記憶體頻寬和快取容量的需求，不過熱降頻？自駕車的終局之戰，正在照同一個劇本走。
👉 [EP4：自駕車的終局之戰，其實藏在晶片裡]
**加碼：專利數量是表演**
市場終於開始看穿這件事了。專利數量的邊際價值正在崩塌。真正有基礎性意義的核心專利，溢價卻在擴大。怎麼辨識那些「沉睡的品質」專利——那些看起來價值不高、直到某個新的應用浪潮把它們喚醒的東西——這個能力，才是 AI 時代真正的無形資產估值優勢。
👉 [EP5：為什麼科技公司的專利「數量」不再值錢？]
### 開始讀之前，最後說一件事
我寫這五篇論文，不是因為我已經找到所有答案，而是因為這些問題一直沒離開我的腦子，讓我睡不好覺。有些數據驗證了我的直覺，有些則帶來意外的發現。但正是這種反覆校正的過程，讓我更確定：跨產業的視角才是關鍵。
半導體現場的觀點、交易台的觀點、藥廠實驗室的觀點，看的其實是同一批底層動態。我們誰都沒有完整的圖，但我們可以一起拼。
如果這個系列裡有什麼東西和你從自己的角度看到的不一樣——如果你的數據或經驗顯示不同的結構模式——我真的很歡迎討論。這系列本來就是為了討論而寫的。
這篇是我用中文整理的版本，如果你習慣讀英文，Medium 和 Substack 上也有完整英文版。
### 作者簡介
Sinclair Huang 具跨產業背景，歷經藥廠、科技硬體與化工領域，長期關注技術浪潮下的價值重分配、資本週期與產業結構變化。現專注於研究 AI 對產業鏈與資本市場的結構性影響，相關研究發表於 SSRN。
### AI & Alpha 系列
本文為 AI & Alpha 系列的一部分，共五篇，從實證研究出發，探討 AI 如何重構基礎建設投資、供應鏈議價權、金融 Alpha、晶片架構與專利估值。
### 免責聲明
本文為個人研究與觀察分享，不構成投資或財務建議。所有觀點基於公開資料與作者研究，請自行判斷風險。
### 延伸閱讀（SSRN 論文）
如果你對數據和模型細節感興趣，可以看原始論文：
- EP1 Infrastructure-Led Leading Indicators (Available at SSRN: https://ssrn.com/abstract=6285318)
- EP2 AI-Driven Value Redistribution (Available at SSRN: https://ssrn.com/abstract=6241778)
- EP3 AI & the Collapse of Shallow Alpha (Available at SSRN: https://ssrn.com/abstract=6195878)
- EP4 Architectural Trade-Offs in Autonomous Driving Chips (Available at SSRN: https://ssrn.com/abstract=6184459)
- EP5 Patent Quality vs. Quantity (Available at SSRN: https://ssrn.com/abstract=6157046)
想看我怎麼把這套框架用在實際產業上？可以從 EP1 開始：**「為什麼半導體是預測科技大週期的終極水晶球？」**👉 [EP1 連結]
#AI #半導體 #資本市場 #科技策略
本篇為 EP0「AI 狂潮下的真正贏家是誰？」的中文版。英文完整版本已同步發佈於 Medium 與 Substack。
