全部內容
由新到舊
在川普政府的特殊條件下，輝達（NVIDIA）獲得許可向中國出口高效能 AI 晶片 H200。此舉伴隨 25% 的出口附加費和嚴苛審查。文章探討此政策可能面臨的北京與美國國會的阻礙，並分析 NVIDIA 如何透過分流現有庫存、轉向預付款等方法來確保這筆高達 50 億美元的營收「安全落袋」。
在 AI 浪潮下，市場目光大多聚焦在 NVIDIA 的 GPU 與 SK Hynix的 HBM（高頻寬記憶體）之上。然而，在台灣的記憶體供應鏈中，一場風險與機會並存的博弈正在模組廠之間展開。這場賭局的核心不是技術創新，而是對 「供給斷層」 的預判，以及對 「終端需求」 的本質解讀。
隨著 Gemini 3 的成功與 Google 產品全面整合 AI，市場焦點從 NVIDIA GPU 轉向 Google TPU。從財務、產品與商業探討 Google 的 TPU如何重塑 AI 硬體市場，預測市場將走向「分眾化」，GPU仍將主導研發，而TPU 將擴張規模應用。
NVIDIA最新財報亮眼，但市場卻充斥質疑。本文釐清折舊與應收帳款的「假議題」，並深入剖析NVIDIA高達770億美元的表外承諾，揭示其扮演AI產業「中央銀行」的角色，以及在多頭與空頭情境下的不同風險。真正的風險不在資產負債表內，而在於需求端的變化及潛在的算力庫存壓力。
臺灣央行在美國財政部壓力下，為何被迫發表匯率聲明，分析其中牽涉的風險、代價與策略考量。文章並從資金面與技術面預測臺幣匯率的短期走勢。
金管會推出「新制外匯價格變動準備金」，鼓勵壽險業降低外匯避險比例，以節省成本並改善財報。然而，此舉可能導致壽險公司「裸奔」，增加臺幣市場在匯率劇烈波動時的承受壓力。當眾多壽險公司同時擠向有限的避險工具，可能引發市場災難。
探討當前 AI 投資模式的潛在風險，並將其與 2008 年金融海嘯時期的情況進行比較。文章分析了三種 AI 投資模式，指出 AI 產業的融資結構已日益複雜，並潛藏著類似次貸危機的系統性金融風險。
探討美國三大CSP業者與Meta資本支出 (CapEx) 策略的差異，為何CSP業者增加資本支出被視為利多，但Meta卻面臨股價下跌。釐清CSP業者與Meta增加資本支出之根本原因，以及當年Meta對於Metaverse開發的挑戰。
本文針對近期媒體報導的兩家區域性銀行踩雷事件進行分析，深入探討授信部門在徵信過程中的潛在瑕疵，並回顧美國商業銀行的住宅與商業住宅貸款歷史拖欠率。文章比較此次事件與SVB的流動性危機，以及其對市場造成的影響。
