如果你想在 AI 浪潮裡找到真正的早期訊號，不用盯著發布會或分析師報告——去看設備商的訂單。
這篇用三十年的半導體產業數據，說明為什麼「矽的流動方向」會提前 12 個月告訴你，科技大週期的下一步往哪走。
如果你還沒看過 EP0 的系列框架，建議先讀那篇再來這裡。
### 跳脫軟體迷思，從底層基礎設施看懂下一波科技投資的領先指標
作者： Sinclair Huang
每次看化工產業分析師的報告，很多人會一頭霧水。
圖表一堆、術語滿天飛、預測還常常互相矛盾。但我在化工待了十年後發現一件事：抓住幾個簡單原則，有時比陷入那堆複雜資訊更有效。
半導體也是一樣的道理。
### 乙烯教我的事
乙烯裂解廠。聽起來很無聊對嗎？
但它是整個石化供應鏈的起點。聚乙烯、PVC、乙二醇——幾乎所有你每天摸到的塑料，源頭都是這個分子。全球石化產值的三到四成，從這裡開始。
我在化工產業做的是另一個領域，但身邊有不少朋友在乙烯相關的廠子裡。飯局上、LINE 群裡，聽他們講多了，慢慢拼出一個規律：追蹤乙烯裂解廠的資本支出，就等於拿到了整個化工景氣的早期預警器。
邏輯很直接。蓋一座裂解廠動輒幾十億美元，從拍板到投產要兩三年。沒有人會在沒看到訂單的情況下做這種決定。所以當全球開始密集新建產能，代表供應鏈內部已經看到需求了。
但這裡有個殘酷的循環——高投入帶來產能洪水，洪水壓低價格，然後大家開始縮手。歐洲近年能源成本飆升，已宣布關閉超過千萬噸產能。這不是壞消息，這是底部訊號。
**資本支出的高峰，常常是景氣頂點的預告。資本支出的低谷，常常是下一波反彈的起點。** 不是因為錢「造成」了景氣——而是因為，這是內部人對未來最誠實的一票。
### 換個產業，同一個劇本
我自己大多數時間都在電子科技業。通訊設備、智慧手機、電信基礎建設，轉了一圈又一圈。
每一次，我都看到同樣的故事：硬體的資本支出週期，永遠走在軟體爆發之前。
化工朋友那邊聽來的，跟半導體這邊親身經歷的——表面上完全不同的產業，底層邏輯幾乎一樣。
高 CapEx → 產能洪水 → 價格壓縮 → 低 CapEx → 市場再平衡。
這個循環，一遍又一遍地上演。
### 那個一直在腦子裡轉的問題
這些年跨了好幾個產業，有一個問題一直沒離開我的腦子：
如果基礎設施的資本支出真的是最可靠的領先指標，那我能不能用數據把它驗證出來？
不是靠感覺，不是靠經驗。用數字說話。
我花了幾個月，爬梳了三十年的半導體產業數據，從設備商的出貨量、晶圓廠的擴建計畫，到封測產能的變化。
說實話，動手之前我預期的領先時間大約是六到九個月——因為那是我在化工業，從旁觀察朋友們「老闆點頭到設備下單」的那段時間感受出來的節奏。夠用，但不會太驚人。
結果出來讓我自己都愣了一下：設備商收入領先整體產業 CapEx 的時間，接近 12 個月，而且跨越多個週期的相關性都很強。那一刻我有點懷疑是不是自己的模型有問題，重新跑了一次。還是 12 個月。
換句話說，**你今天看到 ASML 或 Applied Materials 的訂單在動，明年的產業方向就已經寫好了。**
這就是我在 SSRN 發表這篇研究的出發點（SSRN: 6285318）。我想用三十年的數據，把這個直覺變成可以驗證的東西。數據說：可以。
### 最簡單的一句話
如果只能說一句話總結：
**「矽的流動方向，決定了資金的流動方向。」**
當半導體設備出貨量飆升、先進製程產能開始結構性突破，這往往預示著 12 到 18 個月後，整體科技市場將迎來爆發。
反過來也一樣。當底層硬體投資降溫——就算 AI 概念股還在每天漲——週期反轉的風險已經在靠近了。
2000 年的網路泡沫就是這樣。上游設備訂單先掉了，但終端股價還在創新高。你知道後來怎麼了。
現在是 2026 年初。真正值得看的問題不是下一個 AI 應用是什麼，而是：設備商的訂單簿現在在加速、在高原、還是在悄悄軟化？那個答案，比任何分析師的目標價都更值得參考。
### 往下看一層
每個人都在找下一個 OpenAI、下一個超級應用。
但我這篇研究想說的其實很簡單：降低預測錯誤最好的方法，是往下看一層。
不是只看硬體製造，而是理解整條鏈——演算法、晶片設計、EDA 工具、設備、代工、封測。每一層有自己的邏輯。但如果你能看懂底層的資本訊號，你就比大多數人早半步知道風往哪吹。
你在自己的行業裡，現在看到的資本支出訊號，是在告訴你加速還是收縮？
🔗 想看完整的數據模型？SSRN 論文免費下載，數學控有福了：https://ssrn.com/abstract=6285318
### 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。
← 上一篇：[EP0：AI 狂潮下的真正贏家是誰？系列框架總覽] 👉 [EP0 https://vocus.cc/article/69b35b40fd89780001025aa1]
→ 下一篇：[EP2：ChatGPT 效應如何重塑全球半導體供應鏈的價值分配？] 👉 [EP2 連結]
### 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)
這篇是中文版，英文完整版發佈於 Medium 與 Substack：
https://medium.com/@sinclairhuang/ep1-why-semiconductors-are-the-ultimate-crystal-ball-for-tech-investment-cycles
#半導體 #科技投資 #AI基礎建設 #資本支出 #科技週期 #領先指標
