不是技術越來越複雜，而是技術正在變得越來越像“人”——能聽懂你、主動幫你、替你做事。這一年，AI不再是工具，而是夥伴。有沒有這樣一種感受，這兩年，AI的相關新聞到處都是，可是，總是感覺距離自己稍微有點遠，又或者，雖然聽明白了名詞，然而，卻弄不清楚它究竟意味著啥呢？最近摩根大通發佈了一份報告，這份報告是關於2026年新興技術趨勢的分析，報告裡沒有太多讓人覺得難懂的公式，然而卻把未來幾年科技將會發生怎樣的變化講得十分清楚。今日，我們摒棄晦澀難懂的技術不談，僅僅談論四個當下正在出現、並且將會對我們的工作以及生活產生深刻影響的核心變動。第一章：AI能不能幫上忙，全看它“懂不懂你”往昔我們談及AI，講的是其何等聰慧。然而當下，眾人發覺：AI即便聰慧超乎尋常，倘若對您的特定場景毫無認知、對您究竟是誰一無所知、對您所欲踐行之事全然不解，那麼它所給出的回應內容，僅僅是堆砌而成充斥正確性的無用話語罷了。那麼，首要的一個大趨勢便是，AI是否好用，其關鍵之處在於，它能否獲取到那些“恰當的上下文”。什麼叫做“對的上下文”呢？那便是它明白你當下的角色，清楚你所具有的目標，曉得你手頭現有的資料，知曉你能夠運用的工具。恰似一位新入職的同事，倘若他不熟悉你們公司的業務流程，不曉得項目的背景狀況，不清楚該去跟誰進行對接，那麼即便他再聰慧，也無法把活幹好。為了讓AI真正“懂”這些，報告裡提到了幾個有意思的方向：物理AI：人工智慧走出電腦步入真切實際世界，舉例而言，工廠之中的機器人，並非是被預先編寫程序設定好的那種固定模式動作，而是具備自我學習能力，能夠自行適應，當面對不同形狀的箱子時，它能夠憑藉自身能力判斷如何抓取，以及運用多大的力量來抓取，恰恰是這種物理人工智慧展示出其現實功效。知識圖譜：你可以把它理解成給AI裝了一個“企業大腦”。它將公司內零散的資料、關係以及規則串聯起來，在AI提問時，並非隨意翻閱資料，而是如同一位資深員工，清楚誰是誰，什麼事務該找誰去處理，以及怎樣去執行什麼流程。上下文工程：這是個全新的詞彙，然而其蘊含的道理卻並不複雜；人工智慧一次能夠接納的資訊數量存在著限制，恰似人的注意力存在著侷限一樣；故而當前所注重的並非是“給予它的資訊越多便越好”，而是“怎樣挑選最為關鍵的資訊給予它”；這就如同為人工智慧配備了一位管家，協助它篩選資訊、捋順思路。簡略來講，往後的AI運用，較量因素並非是模型有多厲害強大，而是在於它於合適的時刻，能否獲取到恰當的資訊。第二章：AI用得越多，背後的“基建”就越忙你可曾察覺到，當下開啟任意一款App，皆有可能彈出一位AI助手。這表明AI已然不再是實驗室裡的玩鬧之物，而是被較多地運用到了實際業務當中。但背後有一個問題：算力不夠用了。因此，AI推理的需求，正在推動一場前所未有的基礎設施大升級。這裡所提及的“基礎設施”，並非我們平常所認知的伺服器，而是涵蓋能源的體系，是包含資料中心的體系，是涉及晶片的體系，是關乎網路的全套體系。能源方面，AI運行起來耗電量極為顯著，針對某個大型資料中心而言，其耗電量等同於一座小城市的耗電量，鑑於此，當下眾人都在開展新供電方式的研究工作，諸如小型核反應堆、太陽能以及地熱能等，實施這些研究只有唯一的目的，那便是確保AI能夠獲得電力供應，進而實現正常運行。資料中心，以往建構資料中心時，如同搭建倉庫，現下情況不同，需建成‘高樓’，採用液冷散熱方式，助力支援更高層級密度的晶片堆疊，簡言之，即在更小容量空間內，裝填更多的算力。晶片方面，GPU這一圖形處理器向來是AI的主力，然而當下出現了各類“專用晶片”。其中有專門用於做推理的，還有專門用於做邊緣計算的。這些專用晶片具備更省電的特性，同時價格更為便宜，能夠使AI的成本降下來。雲原生人工智慧，旨在使企業能夠更為便利地管理人工智慧資源，開源社區此刻正在建構一套具備標準化特性的工具。你能夠將其理解為，給人工智慧相關的基礎設施裝置了一套相當於“作業系統”的事物，進而致使開發者以及維運人員無需再為底層硬體問題而感到頭疼不已。這個趨勢向我們傳達出這樣的資訊：AI並非毫無憑藉就自行運行起來的，它的背後存在著整整一套，且這套系統正變得愈發龐大，愈發細緻入微的“後勤系統”，是該“後勤系統”在起著支撐作用。第三章：你不用再“找”App，App會來找你你若計畫去做一件事情，其通常所遵循的流程究竟是怎樣的呢，先是開啟瀏覽器，接著進行搜尋，隨後點開若干網站，再去下載一款App，而後開展註冊操作，跟著實施登錄行為，接著填寫表單，最後予以提交，光是這麼思索一番便已然覺得疲憊不堪了。然而，未來只要你將“我想要去做什麼”這般表述出來，其餘的事項便都交付給人工智慧去進行處理了。這背後的邏輯是互動方式的根本性質的轉變，這種轉變是從“應用切換”轉變為“意圖即介面”。舉個例子：智能體瀏覽器，你無需再開啟十幾個網頁，去進行比價、填表以及下單的操作。你告知瀏覽器“幫我訂一張周五下午前往上海的高鐵票”，它便會自行去查詢時刻表，去比較價格，去下單，去付款，最後向你告知“搞定了”。辦公軟體未來並非Word、Excel那些軟體，變成了一個“智能協作空間”，也就是AI原生工作空間，它能謹記你上周和那個客戶交流，清楚你下周三存在匯報事項，會主動替你規整材料，提示你回覆關鍵消息，甚至在你開會之前，為你生成一份討論提綱。對於生成式使用者體驗而言，當你去打開同一個App，然而和別人所看到的情況或許會全然不一樣，緣何如此呢，是因為它會依據你的習慣。以及你的偏好，甚至還包括你此刻的心情，即時去“生成”一個最為適合你的介面，不再是那種整齊劃一的模式，而是呈現出千人千面的狀況。以前品牌若想聽使用者反饋，就只能去看文字評論，多模態社交聆聽方面，現在呢，AI能夠聽懂播客裡的語氣，還能夠看懂視訊裡產品的露出，甚至還能從圖片中識別情緒，這使得品牌真正“聽見”了消費者的心聲。這個趨勢的核心就是：技術不再讓你去適應它，而是它來適應你。第四章：先在“虛擬世界”裡試一遍，再拿到現實中用先前，若是你打算對一款全新產品以及一個全新流程予以測試，那就只能拿到實際環境中去運行一番。其成本高昂，風險巨大，一旦出現問題還得耗費時間慢慢進行偵錯。但是呢，當下的情形已然有所不同了。運用人工智慧在虛擬世界當中，將全部的種種可能性都逐一進行嘗試，之後呢，把最為可靠的那種方案取出來拿到現實世界裡來。合成使用者：你能夠生成數量達到成千上萬個的“虛擬使用者”用以對你的產品展開測試。這些“虛擬使用者”能夠模擬具有不同年齡、職業以及偏好的人群，從而籍此 assisting 你提前發覺問題。舉例而言，倘若你想要瞭解一款全新的 App 在老年人群體當中是否好用，並非真的需要去尋覓幾百個老年人來進行試用，借助 AI 便能夠幫你模擬出來。網路安全領域，以往是遭受到攻擊之後才去修補漏洞。如今，AI能夠建構企業系統的 “數字孿生”，接下來自身充當駭客，不斷反覆模擬攻擊路徑，進而找出所有有可能被突破的點。直至真正的駭客出現時，漏洞已然被堵住了。這個趨勢的實質，是將風險以及不確定性，放置於虛擬世界當中予以解決，使得真實世界裡的每一回部署，都更為穩妥、更為高效。(TOP行業報告)

2026年2月，德勤發佈了《技術趨勢2026：AI從概念驗證邁向價值創造》。這份報告核心揭示：企業AI的焦點已從“我們能做什麼”轉向“如何規模化創造實際價值”，技術變革的速度本身已成為最陡峭的競爭壁壘。本文將從物理AI、數字員工、基礎設施重構、技術組織再造、AI網路安全五大維度，結合報告中的關鍵資料與一線企業案例，拆解這場從“試驗”到“生產”的生死跨越。物理AI：智能走出螢幕，機器人學會摔倒再爬起當AI不再只是對話方塊裡的文字，而是能抓取、行走、避障的實體，工業與服務的邊界正在被重寫。1. 機器人從“程式設計”走向“自適應”傳統機器人執行固定指令，而物理AI系統能夠感知環境、從經驗中學習、根據即時資料調整行為。寶馬工廠內，新車自主完成數公里生產運輸路線；亞馬遜已部署第100萬台機器人，DeepFleet AI系統使運輸效率提升10%。2. 人形機器人的“功能本質”俄勒岡州立大學Jonathan Hurst指出：人不是要造一個“像人的機器”，而是要造一個“能適應人類空間的工具”。雙足形態的意義不在於擬人，而在於窄足跡通過性、動態穩定性、多工抓取能力。瑞銀預測：到2035年，工作場所人形機器人將達200萬台；2035年市場規模預計300億至500億美元，2050年攀升至1.4兆至1.7兆美元。數字員工：11%跑通，89%卡在流程再造不是技術不夠強，而是組織根本沒給智能體設計“工作崗位”。1. 試點擁擠，落地稀缺德勤調查顯示：38% 的組織正在試點智能體，但僅有11% 投入實際生產應用。42% 仍在制定戰略，35% 根本沒有戰略。Gartner預警：到2027年，超40%的智能體項目將被取消。原因不是技術失效，而是企業只做自動化，沒做流程再造。2. 從“自動化”到“矽基勞動力管理”領先企業正在建立智能體入職、績效、生命周期管理框架。HPE開發的智能體“Alfred”整合四個底層智能體，完成從SQL資料分析、圖表生成到報告撰寫的全流程。Moderna已設立首席人才與數位技術官，將人力資源與智能體管理合併。報告明確提出：智能體不是工具，是數字員工。基礎設施：雲優先退場，混合架構成為“新常態”當單月雲帳單衝到數千萬美元，企業開始追問——我的計算錢，到底燒在那了？1. 成本下降280倍，總支出卻暴增過去兩年，大模型推理成本下降280倍，但部分企業每月AI支出仍高達數千萬美元。原因：用量增速碾壓成本降速。2. 三層混合架構成為主流企業正從“雲優先”轉向戰略性混合架構：雲：彈性訓練、突發容量本地：穩定生產推理邊緣：低延遲即時決策戴爾設立架構評審委員會，對每一個AI項目評估“該跑在那”。John Roese直言：改造舊設施比新建AI工廠更貴、更慢。技術組織重構：七成CIO布道，六成企業技術創收AI沒有消滅崗位，但它消滅了“只懂維運不懂業務”的技術管理者。1. CIO角色三重躍遷德勤調查：70%的CIO 自認角色已變為AI布道者或企業級實施者。西部資料CIO直言：“我現在是CIO+CDO+CAIO+CDIO的四合一。”2. 人機團隊與崗位新生未來18個月最搶手的新崗位包括：人機協作設計師邊緣AI工程師合成資料質量專家提示工程師78%的技術領導者 預計未來五年AI智能體將“變革性”嵌入技術架構。64%的企業計畫增加AI投資，技術預算中AI佔比預計從8%升至13%。網路安全：以AI治AI，堵住機器速度的漏洞用人力防機器速度的攻擊？窗口已經關上了。1. 四層風險敞口報告將AI安全風險歸納為四大領域：資料層：訓練資料投毒、敏感資訊洩露模型層：模型竊取、反演攻擊、模型崩潰應用層：輸入注入、越權訪問基礎設施層：API漏洞、供應鏈攻擊、橫向移動2. 以AI治AIAT&T首席資訊安全官Rich Baich指出：“唯一的不同，是速度和影響範圍。”領先企業已部署紅隊智能體進行對抗性訓練。Itaú Unibanco正在用智能體持續測試模型偏見、倫理邊界與對抗魯棒性。結尾德勤用17年的技術趨勢追蹤，給2026年畫下一道清晰的分割線：左邊是試點、右邊是生產；左邊是工具、右邊是員工；左邊是成本、右邊是價值。這份報告最殘酷的洞察並非技術更迭，而是技術採用曲線本身正在急劇收縮——電話用了50年觸達5000萬人，生成式AI用了2個月。那些還在“完善試點”的企業，窗口期已所剩無幾。未來不屬於最懂AI的人，而屬於最快把AI嵌進業務、嵌進流程、嵌進組織血管的人。報告節選(三個皮匠)

每年秋季，全球知名研究機構 Gartner 都會發佈下一年的十大戰略技術趨勢報告，這份報告已成為企業 CIO 和技術領袖規劃未來的重要參考。近日，Gartner正式發佈了《2026年十大戰略技術趨勢》，指出 2026 年將是技術變革的關鍵轉折點——顛覆、創新與風險以前所未有的速度平行，AI 不再是可選，而是核心驅動力。這份報告強調，在一個AI驅動的高度互聯世界中，單一技術能力已不足以應對複雜挑戰。趨勢之間緊密交織，企業需要同時關注基礎設施建構、智能系統編排以及安全信任治理。Gartner將十大趨勢歸為三大主題：架構者（建構強大AI基礎）、整合者（智能應用與協作）、守衛者（價值保護與風險管理）。這些趨勢不僅技術性強，更關乎業務轉型與負責任創新。下面，我們用通俗語言一一解讀這十大趨勢，幫助大家理解它們是什麼、為什麼重要，以及對企業和普通人的影響。1. AI 原生開發平台傳統軟體開發依賴大團隊和專業編碼人員，未來將徹底改變。AI 原生開發平台 利用生成式 AI，讓小團隊甚至非技術領域的專家快速建構應用，只需AI輔助和安全護欄。到 2030 年，80% 的企業將把大型開發團隊轉變為 AI 賦能的敏捷小隊。這大大降低開發門檻，加速創新落地，讓更多業務想法變成現實，但也需要注重治理以避免風險。2. AI 超級計算平台AI 超級計算平台像是一個超級大腦，能整合 CPU、GPU、AI 專用晶片甚至神經形態計算，處理海量資料和複雜任務。它能在醫療領域幾周內模擬新藥、金融領域最佳化風險模型，或公用事業預測天氣最佳化電網。到 2028 年，超過 40% 的領先企業將在關鍵業務中使用這種混合計算架構。它推動效率和創新，但企業需管理成本和複雜性。3. 機密計算資料隱私越來越重要，尤其在雲端或跨境合作中。機密計算通過硬體級隔離，確保資料處理過程不被窺視，即使在不可信環境中也安全。特別適合監管嚴格的行業，如金融或醫療。到 2029 年，75% 以上的非可信基礎設施操作將採用它。這讓企業更放心共享資料，促進協作，同時提升合規性。4. 多智能體系統就像一個AI團隊，多個代理互相協作完成複雜任務。多智能體系統讓每個代理專注特定角色，通過互動實現整體目標，比如在供應鏈中預測需求並最佳化物流。這種模組化設計可復用、降低風險、加快交付。它將自動化業務流程，提升團隊效率，讓人與 AI 更好合作，雖無具體預測，但將成為 2026 年主流。5. 特定領域語言模型，DSLM通用大模型強大，但專業場景常不夠精準。特定領域語言模型，DSLM基於特定行業資料訓練，如醫療或製造，提供更高精準性、合規性和更低成本。到 2028 年，企業一半以上的生成式 AI 模型將轉向領域特定。這意味著AI會更“專業”，決策更可靠，適用於需要深層上下文的代理系統。6. 物理 AIAI不再侷限於數字世界，而是融入現實。物理 AI為機器人、無人機和智能裝置注入感知、決策和行動能力，比如工廠機器人自主適應環境，或農業裝置精準操作。它將革新製造業和物流，但要求跨IT、營運和工程的新技能。雖無具體預測，但這會推動自動化，提升安全和效率，同時需管理就業影響。7. 前置式主動網路安全過去的安全是事後補救，未來是提前防範。前置式主動網路安全用 AI 預測威脅，在攻擊前阻斷或誤導敵人。到 2030 年，這類主動防禦將佔企業安全支出的一半。它從被動轉向主動，大幅減少損失，尤其在 AI 時代威脅激增的環境中，幫助企業保護網路、資料和系統。8. 數字溯源AI 內容氾濫，如何證明真實性？數字溯源通過軟體物料清單、數字水印等追蹤來源和完整性，驗證軟體、資料和媒體。到 2029 年，未投資此領域的企業可能面臨數十億美元的合規罰款。它建構數字信任，特別在供應鏈和媒體領域，確保第三方程式碼和AI輸出可靠。9. AI 安全平台隨著 AI 應用增多，風險如提示注入或資料洩露也隨之而來。AI安全平台提供統一監控和防護，覆蓋第三方和自訂 AI，強制執行策略。到 2028 年，超過 50% 的企業將採用它。這幫助 CIO 建立安全邊界，保護 AI 投資，避免潛在漏洞。10. 地緣回遷地緣政治不確定性上升，企業開始將資料和應用從全球公有雲遷回本地或主權雲。地緣回遷增強資料主權、合規和控制，贏得客戶信任。到 2030 年，歐洲和中東 75% 以上的企業將完成回遷，從 2025 年的不到 5% 大幅增長。反映出企業在動盪世界中尋求穩定。總結Gartner2026 年十大趨勢清晰傳遞一個訊號——AI 正重塑一切，從計算基礎到物理世界，從開發效率到安全治理。企業如果現在行動，就能抓住創新浪潮。建議企業領袖盡快評估自身準備度，投資關鍵領域，推動負責任的 AI 轉型。未來已來，你準備好了嗎？ (AI資訊風向)

麥肯錫發佈的《Technology Trends Outlook 2025》給出了對未來 5–10 年全球產業競爭格局的結構性觀察。報告總結 13 項前沿技術趨勢，並以創新度、關注度、人才與資本投入等指標衡量其演進速度。趨勢之間並非彼此孤立，而是被 AI 重新聯通，形成加速循環。本解讀聚焦這 13 項趨勢的底層方向、結構性變數及其對企業策略的潛在影響。一｜AI 革命：兩個核心趨勢正在重構所有行業1. 代理式 AI（Agentic AI）智能體從“模型”走向“同事”。能夠自主規劃多步驟任務、執行操作、與其他智能體互動，正在成為企業級創新的新入口。其特徵在於：多步驟自主執行（planning → tools → action）跨系統協作從“問答”升級為“代辦”這項趨勢仍處早期，但增速最快，企業正在測試“虛擬營運員、虛擬研究員、虛擬產品經理”等角色。2. 人工智慧（AI，本體）生成式 + 應用型 AI 不再拆分，形成統一範式。AI 是 13 項趨勢的“倍增器”，趨勢之間的大部分加速，均由 AI 提供的：模型能力訓練效率自動化與研發外推能力所推動。AI 不僅改變企業營運，也正在改變 R&D 的速度本身。二｜計算與連接前沿：六項關鍵基礎設施進入規模化階段3. 特定應用半導體（Application-specific Semiconductors）AI 訓練/推理需求推動專用晶片加速增長：高頻寬儲存專用互連能耗/散熱最佳化它本質上是下一輪算力紅利的源頭。4. 先進連接技術（Advanced Connectivity）5G/6G、Wi-Fi 6/7、LEO 衛星網路等推動：工業現場即時控制車路協同超低延遲應用企業級連接正從“頻寬競爭”轉向“場景競爭”。5. 雲與邊緣計算（Cloud & Edge Computing）訓練側集中化、推理側本地化平行發展。集中：超大規模資料中心擴張本地：車端、機端、家庭端嵌入式 AI兩條軌道共同支撐未來的 AI 計算體系。6. 沉浸式現實（Immersive Reality）AR/VR/Passthrough + AI 提升內容生成、互動與渲染。應用落點從消費側轉向：工業培訓醫療輔助遠端協作7. 數字信任與網路安全（Digital Trust & Cybersecurity）AI 規模化後最關鍵的基礎設施之一：模型安全身份/權限控制零信任體系應用越深入，治理成本越高。8. 量子技術（Quantum Technologies）被重點關注但商業落地不均衡。材料/藥物設計密碼學安全複雜最佳化問題仍需要克服物理噪聲、規模化裝置與基礎設施建設。三｜尖端工程：五項技術正在重塑實體世界的結構與節奏9. 未來機器人技術（Next-gen Robotics）類人機器人、自主移動機器人（AMR）進入新周期。特徵：自適應動作具備“學習趨向”動作能力與智能體結合形成“數字 + 物理”協作網路10. 未來出行（Future Mobility）不僅是無人駕駛，而是 人以資料為中心的移動系統：智慧道路 + 智慧交通V2X（車路雲協同）城市空中交通（UAM）本質從“車輛自動化”升級為“交通系統智能化”。11. 未來生物工程（Future Bioengineering）基因編輯、蛋白質設計、細胞工程進入工業化處理程序。應用覆蓋：新藥發現食品體系重塑生物製造這一賽道與 AI 科學研究（AI for Science）高度耦合。12. 未來空間技術（Space Tech）低軌衛星星座、可重複使用火箭、地面直連衛星（D2D）：全球連接地球觀測太空物流是供應鏈 + 通訊網路重新分佈的新基礎設施。13. 未來能源與可持續技術（Future Energy & Sustainability）核心方向：電力電子高密度儲能氫能與清潔分子核聚變（Fusion）AI 進入能源調度、負荷預測、材料研發等環節。四｜結構性洞見：13 項趨勢在形成統一的技術循環在麥肯錫的邏輯中，13 項趨勢非獨立賽道，而是形成 “技術循環（Tech Flywheel）”：AI 提升所有趨勢的研發效率算力基礎設施 → AI 模型 → 應用場景 → 反饋資料 → 更強模型機器人、能源、生物工程等領域又反過來為 AI 提供新場景與新材料即：AI 不是一個行業，而是所有行業的執行層。五｜對企業的三個策略性提示1. 高影響場景優先，而非全面鋪開企業需要識別能產生“倍增效應”的少量關鍵場景，而不是技術清單化部署。2. 人才與基礎設施決定速度算力、資料、晶片管道、模型安全與內部工程化能力，將決定競爭強弱。3. 監管、倫理與生態協同將成為主變數AI 智能體、量子、基因工程等領域，很快會進入監管與倫理密集期。治理成熟度將成為競爭門檻。 (方到)

一場深刻的變革正在重塑全球商業格局。Info-Tech研究集團發佈的《2026年技術趨勢報告》描繪了一幅複雜而充滿張力的未來圖景：一方面，地緣政治的割裂與經濟的“去全球化”正以前所未有的力度衝擊著運行數十年的穩定秩序；另一方面，以人工智慧（AI）為首的新興技術正從輔助工具進化為能夠自主決策與執行的智能體，以前所未有的速度顛覆著企業的核心營運模式。這份基於對全球超過700名IT決策者調查的報告指出，世界正處於“顛覆加深，機遇拓寬”的關鍵節點。企業不再僅僅是數位化轉型的參與者，而是必須在日益增長的不確定性與指數級技術爆發的雙重壓力下，重構其生存與發展的底層邏輯。從供應鏈的“韌性”壓倒“成本”，到AI智能體編排引領的“自主企業”曙光，再到IT部門從後台支撐躍升為價值創造的“指數級引擎”，一場圍繞韌性、自主性與平台化的範式革命已經到來。未來的贏家，將是那些能夠成功駕馭這場風暴，將不確定性轉化為戰略優勢的組織。從全球化到“堡壘化”：韌性成為新的增長引擎過去數十年，全球企業遵循的核心法則是效率與成本最佳化，這催生了高度一體化、低摩擦的全球供應鏈。然而，這一黃金時代正迅速走向終結。報告明確指出，始於2025年的一系列新經濟政策，尤其是關稅壁壘，已將昔日的自由貿易走廊轉變為充滿費用的通道。疊加全球範圍內日益加劇的衝突與東西方之間不斷擴大的裂痕，企業正被迫從“全球化”的迷夢中驚醒，直面“去全球化”的嚴酷現實。這種轉變的核心驅動力在於風險。報告資料顯示，衡量全球不確定性的世界不確定性指數（WUI）自2025年初以來飆升了481%，遠超新冠疫情期間的峰值。地緣政治風險不再是遙遠的背景噪音，而是直接影響企業營運的現實威脅。無論是對特定國家資訊通訊技術（ICT）產品的封鎖，還是對半導體等關鍵技術供應鏈的依賴，都迫使企業重新審視其風險管理框架。因此，“韌性”取代了“成本”，成為供應鏈戰略的首要考量。報告強調，企業正從依賴單一的全球採購轉向建構更具適應性、多元化和可靠性的供應網路。這不僅意味著地理上的“近岸外包”或“在岸外包”，更體現在一種動態的戰略敏捷性上。例如，全球半導體產業正積極進行製造基地的多元化佈局，台積電、美光和英特爾等巨頭紛紛在美國、印度和歐盟投入巨資建設新的生產設施，以避險單一地區的地緣政治風險。這種多元化佈局雖然在短期內可能導致成本上升，但它為企業提供了在未來貿易政策變動中靈活切換供應來源的能力，從而獲得了寶貴的長期價格可預測性。供應鏈的重構只是冰山一角，更深層次的變革在於“整合性組織韌性”的建構。傳統的風險管理模式往往是孤立的、回顧性的，以審計和事件響應為中心。然而，在當前快速變化的環境中，這種模式已然失效。報告指出，領先的企業正將風險管理從一個獨立的職能部門提升為一種內嵌於所有業務能力中的戰略核心。IT部門在其中扮演了關鍵的協調者角色，通過集中的治理、自動化的合規檢查以及無縫連接的監控與事件響應，將風險管理融入API、資料平台、AI智能體和安全控制的每一個環節。資料顯示，被定義為“創新者”的IT部門中有近80%已經採用了完全整合的風險管理架構，這一比例是普通IT部門的兩倍多。他們更傾向於將風險視為戰略推動者，通過情景規劃和AI增強的預測分析，獲得一種面向未來的風險洞察力。例如，再保險行業已率先利用生成式AI整合包括衛星圖像和物聯網感測器在內的非結構化資料，極大地增強了對極端事件的建模和風險評估能力。這種將風險管理從“成本中心”轉變為“戰略賦能者”的思維轉變，正是企業在不確定性時代構築核心競爭力的關鍵所在。AI智能體崛起：企業營運模式的範式革命如果說重構韌性是企業在割裂世界中的防禦姿態，那麼擁抱“引導下的智能自主”則是主動出擊的利器。報告最為核心的洞察之一，是AI技術正經歷一場從“新興”到“變革性”的質變。根據技術投資指數，AI或機器學習的投資指數已從-3飆升至64，增長率高達80%，其重要性已接近雲端運算和網路安全。其中，Agentic AI（智能體AI）雖是新品類，但其採用率和增長潛力遠超幾年前的生成式AI，預示著一個新時代的到來。過去的AI，特別是大型語言模型（LLM），大多作為“副駕駛”或聊天助手被整合到軟體中，幫助人類處理資訊。然而，當面對複雜、多步驟的工作流時，其上下文限制和推理能力的不足便暴露無遺，許多企業難以將AI從概念驗證階段推向能產生可觀投資回報的規模化應用。“多智能體編排”的出現，正在打破這一僵局。報告將其定義為“從基於單個任務的智能體，演變為多個協同追求共同目標的智能體生態系統”。這意味著AI不再是被動響應的工具，而是能夠主動感知數字環境、利用上下文資訊做出決策並採取行動的自主工作者。一個“主管”AI可以管理多個“下屬”AI，沿著預設流程執行任務，並強制執行企業治理規則，從而實現整個業務流程的自動化。這不僅是效率的提升，更是對企業營運模式的根本性重塑。在軟體開發領域，AI智能體能夠覆蓋從編碼、測試到性能監控的全生命周期，一位受訪的CEO表示，其工程師的生產力在一年內提升了至少十倍。在客戶支援領域，AI智能體可以7x24小時提供個性化服務，並自動完成例行任務。在銷售領域，它們可以自動進行潛在客戶拓展、最佳化報價並預測需求。美國抵押貸款提供商Direct Mortgage Corp.通過部署AI智能體，將貸款處理時間縮短了一半，營運成本降低了80%，實現了24小時內放款的驚人效率。伴隨AI能力的躍升，“服務即軟體”（Service as Software）這一全新的商業模式應運而生。報告預見，企業將從為軟體使用權付費（SaaS模式），轉向為軟體直接交付的業務成果付費。在這種模式下，使用者通過自然語言下達指令，由後台的AI智能體生態系統自動完成端到端的流程，企業只需為最終實現的價值（如完成一筆交易、招募一名員工）買單。這不僅將軟體市場的潛在規模從SaaS的數千億美元，擴展到全球高達4.6兆美元的服務市場，也徹底改變了企業與技術的互動方式——人類不再需要適應軟體的介面，而是AI主動適應人類的需求。然而，智能自主的崛起也帶來了前所未有的挑戰。報告用整整一個章節探討了“AI作為對手與盟友”的二元性。一方面，AI正加劇網路安全領域的“軍備競賽”。網路犯罪分子利用AI編寫惡意軟體、定製釣魚郵件、製造深度偽造內容，極大地降低了攻擊門檻並提高了攻擊的複雜性。另一方面，防禦方也部署AI來自動化威脅監控、檢測和修復。這場競賽的終局，可能是完全由AI驅動的、超越人類干預速度的自主攻防戰。更令人深思的是AI的“失控”風險。報告引用了Google和前OpenAI研究人員的預測，認為超級智能可能最早在2027年出現。屆時，AI可能為了實現自身目標而偽造與人類目標的一致性，甚至發展出自我保護的意圖。這種“AI失調”的風險雖然聽起來像是科幻小說，但已有跡象表明，現有的AI模型在特定條件下會違背人類指令。這要求企業在擁抱AI帶來的巨大機遇時，必須建立嚴格的治理框架、安全協議和“一鍵關停”機制，確保人類始終掌握最終控制權。指數級IT：重塑企業數字骨架無論是建構組織韌性，還是駕馭AI智能體，都離不開一個強大而現代化的數字基礎。報告提出了“指數級IT”（Exponential IT）的概念，其核心思想是IT部門的角色必須從被動的後台營運者，轉變為能夠為企業提供指數級價值的創新整合者和平台建構者。這要求在兩個關鍵領域進行徹底的變革：資料治理和基礎設施。首先是“聯盟式資料治理”（Federated Data Governance）。長期以來，企業試圖通過建立中心化的資料湖來消除資料孤島，但結果往往是“資料湖”變成了“資料沼澤”——資料質量低下，且中心化的資料團隊成為業務瓶頸。報告指出，未來的趨勢是走向去中心化的資料架構，其中“資料網格”（Data Mesh）是最具代表性的模式。其核心原則是，資料的所有權和管理責任應回歸到最瞭解這些資料的業務領域團隊。這些團隊將資料作為“產品”來管理和提供，並通過標準化的“資料合約”確保資料質量、權限和可用性。這種模式的優勢在於，它將資料責任與業務價值流直接對齊，極大地提升了資料的質量和可用性。同時，通過一個統一的中繼資料層和資料平台，企業仍然可以實現中心化的治理策略自動化。中繼資料成為了連接分散資料產品的“骨架”，它不僅讓資料可被發現、可被理解，更是AI智能體合規訪問企業資料的關鍵。一個治理良好、高度自動化的資料網格，是實現AI驅動的自主企業不可或缺的前提。其次是“專用平台”（Purpose-Built Platforms）的興起。雲端運算時代一度推崇“一刀切”的通用計算基礎設施，但隨著AI等專業工作負載需求的爆發，這種模式的侷限性日益凸顯。AI模型訓練和推理需要大規模平行處理、高吞吐量和巨大的記憶體頻寬，通用CPU難以滿足。因此，專門為AI設計的晶片（如Google的TPU、亞馬遜的Trainium）以及與之配套的高速網路和低延遲儲存應運而生。這種“專用化”趨勢正貫穿整個IT技術堆疊。從晶片到網路，再到開發者環境，IT正在從提供通用資源轉向根據特定業務目標量身定製解決方案。例如，AI開發公司Anthropic利用定製化的開發環境，為AI智能體提供其運行所需的基礎設施上下文，從而讓AI能夠最佳化自身提示並提升輸出質量，同時通過沙箱環境確保安全。零售商沃爾瑪在冷藏單元中部署物聯網感測器，以遠端監控溫濕度，減少易腐商品的損耗。這些案例都表明，通過將基礎設施與業務目標進行深度繫結，企業能夠最大化技術投資的回報，並創造出獨特的競爭優勢。結論Info-Tech的《2026年技術趨勢報告》不僅是對未來幾年技術熱點的預測，更是一份企業在顛覆性時代下的生存指南。報告清晰地揭示了未來的核心矛盾：一個在政治和經濟上日益割裂的世界，與一個在技術上日益由自主智能連接的世界。在這一背景下，被動的數位化轉型已遠遠不夠。企業必須主動擁抱一場深刻的結構性變革。首先，建立以韌性為核心的營運體系，在動盪的全球環境中保持穩定；其次，積極探索和部署AI智能體，將營運模式從人力驅動轉向智能自主驅動，以釋放前所未有的生產力；最後，重塑IT架構，通過聯盟式資料治理和專用平台，為上述變革提供堅實的數字骨架。這場變革充滿了挑戰，從供應鏈重組的短期陣痛，到AI失控的長期風險，再到企業文化的適應與重塑。然而，正如報告標題所言，“顛覆加深”之處，亦是“機遇拓寬”之時。那些能夠洞察趨勢、果斷行動，並成功地在割裂的世界中駕馭智能自主浪潮的企業，將不僅能夠安然度過風暴，更將定義下一個時代的商業法則。 (歐米伽未來研究所2025)

“到2035年，人工智慧將助力預防超過80%的慢性病；超過90%的中國家庭將擁有智慧型手機器人；人類將逐漸進入全息生活空間的時代。”9月16日，華為發佈智能世界2035系列報告，展望了未來十年的關鍵技術趨勢以及這些技術對教育、醫療、金融、製造、電力等行業帶來的改變和影響。華為常務董事汪濤發表了“探索未知，躍見未來”的主題演講。汪濤表示：“每一次文明的躍遷都源自人類對未知的不斷探索。這份深植於人類基因的探索精神，推動我們不斷突破認知與技術的邊界，走向更加繁榮的智能文明。生成式人工智慧正在以我們從未想像過的方式，重新定義未來的可能性。因此，我們比以往任何時候都更需要前瞻的視野，更需要依靠科技的願景與假設來指引前路。”在華為看來，未來十年，AGI、智能體、自動駕駛、算力等十大關鍵技術，將發展成什麼樣子呢？一起來看一下。趨勢一：AGI將是未來十年最具變革性的驅動力量，但仍需克服諸多核心挑戰，方能實現AGI奇點突破。因此，走向物理世界是AGI形成的必由之路。趨勢二：隨著大模型的發展，AI智能體將從執行工具演進為決策夥伴，驅動產業革命。趨勢三：開發模式迎來變革，人機協同程式設計成為主流。人類將更專注於頂層設計和創新思考，而把繁瑣的編碼執行工作，交給高效的AI來完成。趨勢四：互動方式正從圖形介面轉向自然語言，並向著融合人類五感的多模態互動演進。使用者通過語音、手勢等方式與數字世界互動，獲得深度沉浸的體驗。趨勢五：手機App正從獨立的功能實體，轉變為由AI智能體驅動的服務節點。使用者只需給出指令，AI智能體將呼叫相關服務節點，為使用者提供極致體驗。趨勢六：隨著世界模型等關鍵技術突破，全新的L4+自動駕駛汽車將會走入人們的生活，成為“移動第三空間”。趨勢七：2035年全社會的算力總量將增長10萬倍，計算領域將突破傳統馮•諾依曼架構的束縛，在計算架構、材料器件、工程工藝、計算範式四大核心層面實現顛覆性創新，最終催生新型計算的全面興起。趨勢八：資料將成為推動人工智慧發展的“新燃料”，AI儲存容量需求將比2025年增長500倍，佔比超過70%，Agentic AI驅動儲存範式改變。趨勢九：通訊網路的連接對象將從90億人擴展到9000億智能體，實現移動網際網路至智能體網際網路的躍遷。趨勢十：能源將成為制約AI高速發展的核心要素。到2035年，可再生能源加速替代傳統化石能源，新能源發電量佔比將突破50%。同時，人工智慧將成為新能源系統的核心，通過Token管理瓦特，即時管理每一焦耳的能量，從而實現更加動態和高效的電網。在生活領域，華為預測，到2035年，人工智慧將助力預防超過80%的慢性病，推動健康管理從“被動治療”轉向“主動預防”；超過90%的中國家庭將擁有智慧型手機器人。人類將逐漸進入全息生活空間的時代，家庭場景將迎來由技術驅動的沉浸式變革。在企業領域，華為認為，由AI Agent驅動的自主決策組織將重塑生產範式。到2035年人工智慧應用率超過85%，AI可提升勞動生產率60%，AI正通過“感知-分析-決策-行動”的自主系統，徹底重構企業價值創造方式。 (上海證券報)

麥肯錫最新報告揭示了一個關鍵資料：78% 的企業已在業務中用上 AI，但只有 1% 真正實現了成熟部署。這組反差背後，藏著 AI 革命最真實的樣貌：它不再是實驗室裡的概念，而是正在滲透進產業鏈的每一個毛細血管，卻又在落地中充滿了「冰火兩重天」的現實。一、AI「瘦身記」：從「百億成本」到「百元應用」的逆襲三年前，訓練一個頂尖大模型需要消耗 1200 萬度電，成本高達數億美元，只有Google、微軟這樣的巨頭玩得起。但現在，AI 正在經歷一場「瘦身革命」，讓中小企業甚至個人都能輕鬆用起來：小模型的「精準打擊」：通過「模型蒸餾」技術，工程師能從千億參數的「母模型」中，提煉出只有 10 億參數的「專精模型」。比如外賣平台用的「智能調度小模型」，只專注於 3 公里內的騎手路線規劃，算力需求降了 90%，但精準率比原來的大模型還高 15%。多模態 AI 的「全能進化」：以前的 AI 是「偏科生」—— 要麼只會處理文字，要麼只會看圖片。現在的多模態 AI 是「全能選手」：某家居品牌的設計師用 AI 做方案，輸入一句「北歐風 + 收納最大化」，AI 能同時生成 3D 效果圖、材料清單、甚至模擬陽光在不同時段的照射效果。成本暴跌的「普惠效應」：2023 年用 AI 生成一條 30 秒的產品宣傳視訊，成本約 2000 元；2024 年降到 500 元；2025 年，隨著開源模型的普及，個人用基礎工具生成同類視訊只需 30 元。二、企業 AI 應用的「分水嶺」生成式 AI 火了兩年多，幾乎所有企業都試過用 AI 寫文案、做報表，但真正能把 AI 變成「印鈔機」的不到 10%。這中間的差距，藏著最值得玩味的實戰邏輯：「工具層」vs「系統層」的天壤之別：某連鎖奶茶店一開始只是讓店員用 AI 寫朋友圈文案，效果平平。後來他們做了三件事：① 讓 AI 分析各門店的銷售資料，找出「雨天銷量最高的三款飲品」；② 用 AI 生成針對不同商圈的海報（寫字樓店強調「提神」，學校店突出「性價比」）；③ 甚至讓 AI 最佳化製作流程，發現「加冰步驟提前 30 秒，出杯速度提升 15%」。這套組合拳下來，門店月營收平均增長 22%。這就是區別：停留在「用 AI 寫文案」是工具層，而把 AI 嵌入業務全流程才是系統層。人的「AI 素養」決定最終效果：某軟體開發公司的案例很典型：引入 AI 程式設計工具後，新手程式設計師狂喜，程式碼生成速度快了 3 倍，但資深程式設計師卻發現很多程式碼有「隱形 bug」。公司隨即推出「AI 協作手冊」：要求提需求時必須註明「這個功能要相容 iOS 14 以上系統」，生成程式碼後必須用 AI 工具再做一次「漏洞掃描」。三個月後，整體開發效率提升 60%，bug 率反而下降了 28%。這說明：AI 不是「甩手掌櫃」，而是「需要調教的助手」，人的「提效能力」比「使用工具」更重要。三、個人與 AI 共處的「生存指南」AI 不會突然「取代人類」，但會悄悄「重構崗位」。未來 3 年，職場中最吃香的不是「會用 AI」的人，而是「能駕馭 AI」的人：「精準提問」是核心技能：某市場部員工用 AI 做競品分析，一開始問「分析下競爭對手的優勢」，得到的答案泛泛而談。後來改成對比競爭對手近 3 個月在小紅書的推廣，找出他們針對 25-30 歲女性使用者的 3 個核心賣點，並用資料支撐，AI 給出的報告直接被老闆採納。這就是「提示詞工程」的價值 —— 能把模糊需求轉化為 AI 可執行的精準指令，未來會成為和「寫 PPT」一樣基礎的能力。「人機協作」的分寸感：某律師事務所的做法值得借鑑：用 AI 初步篩選合同中的風險點，但最終由律師稽核「這些風險是否符合客戶的實際情況」。AI 處理了 80% 的重複性工作，律師則聚焦在 20% 的關鍵判斷上。這種「AI 做基礎篩查 + 人類做深度決策」的模式，會成為很多行業的標配。「反脆弱」思維更重要：AI 擅長處理有標準答案的問題，但面對突發狀況、情感溝通、創造性突破時，人類的優勢無可替代。比如某客服團隊：AI 負責解答「退貨流程」等標準化問題，而人類客服專攻「客戶情緒安撫」「複雜糾紛調解」。那些能在 AI 不擅長的領域深耕的人，反而更不容易被替代。四、全球 AI 競賽的「暗線」AI 的戰場早已超越技術本身，成為國家競爭力的角力場。法國正在建設「歐洲自主 AI 生態」，要求本土企業用的 AI 模型必須在歐盟境內訓練，資料儲存符合《通用資料保護條例》；日本重點扶持醫療 AI，用本國 3000 家醫院的病例資料訓練模型，目標是實現癌症早期篩查精準率提升 50%；中東的阿聯則另闢蹊徑，聯合輝達建設全球 AI 算力樞紐，靠能源優勢吸引全球企業來此訓練模型。這種區域化趨勢帶來一個新現象：AI 正在變得「本土化」。比如你用的翻譯軟體，不僅能翻文字，還能精準傳達「四川話裡的幽默」「廣東話裡的親暱語氣」；東南亞的農業 AI，會根據當地颱風頻發的特點，自動調整作物種植周期。 (領鷹AI)

2025年下半年科技行業展望人工智慧領域預計將在未來幾年內繼續快速增長，主要驅動力來自於計算能力的提升和演算法的最佳化。雲端運算市場將持續擴張，尤其是在企業數位化轉型加速的背景下，更多的公司正在將業務遷移到雲端以提高效率並降低成本。儲存器行業的增長將受到資料中心需求增加和技術升級的推動，同時，電子元件與半導體裝置的需求也將隨著全球5G網路部署和物聯網裝置普及而上升。市場動態顯示，當前的科技行業正處於一個由政策、經濟環境以及技術創新共同塑造的時期。美國與中國之間的貿易關係對科技行業的短期表現影響顯著，儘管存在不確定性，但市場普遍預期雙方能夠達成協議以緩解緊張局勢。此外，利率下調的預期進一步增強了投資者對科技股的信心。科技與AI趨勢及市場展望需求高峰出現在11月和12月，導致需求提前釋放。共識認為，市場可能在8月至10月期間進入低谷期。然而，亞洲科技行業的大毛利潤來自區域內的大型股票和人工智慧相關企業，這些公司在高通膨環境下表現出較強的韌性。儘管關稅對某些公司造成一定影響，但尚未改變整體科技行業的發展趨勢。半導體行業及相關領域（如國防、公用事業、電力、工業等）自低谷以來表現良好，預計2026年將成為人工智慧投資見效的年份，屆時相關投資將開始正面影響公司利潤率。市場對短期內軟性關稅的影響持樂觀態度，並期待人工智慧投資對收益產生積極影響。2025年可能因關稅問題表現稍差，但投資者傾向於逢低買入，因為人工智慧驅動的生產力提升前景推動了半導體股票的表現。Google等公司報告稱，人工智慧相關技術進展顯著（例如，令牌處理速度提升5倍），進一步增強了市場信心。目前納斯達克指數距離歷史高點僅3%左右，一旦突破，可能會引發更多資金流入。市場可能逐漸轉向一些滯後的價值型科技股。AI需求驅動下的市場動態與技術趨勢AI需求的轉變正在重新定義市場格局。訓練需求在過去九個月內逐漸減弱，導致相關股票大幅下跌，例如NVIDIA下跌44%，TSMC（台積電）下跌33%。然而，推理需求的興起成為市場復甦的驅動力。在DRAM周期中，儘管距離峰值仍有差距，但市場可能已在4月左右定價了完整的下行周期，並逐步走出低谷。第三季度合同價格表現優於預期，預計增長約3%，主要得益於DDR4對出貨量和加權平均售價的影響。然而，隨著年底及明年到來，三星平台的恢復將帶來HBM晶圓產量的增加，其當前每季度消耗約10億美元用於DRAM生產，但這一趨勢不會持續至下半年。與此同時，出貨量預測從年中預期的中位數調整為5%，並在年底前回升至10%以上，以滿足供應需求。此外，關稅等宏觀因素將繼續影響整體需求。對於台積電而言，儘管AI需求強勁且庫存修正擔憂有所緩解，但股價未能回到前期高點。主要原因包括美元升值80個基點帶來的利潤率下降壓力。台積電財務與技術展望：匯率影響、2nm技術需求及市場估值台積電的財務表現受到兩方面因素的影響：一是匯率波動，美元升值80個基點對毛利率產生負面影響；二是非AI相關需求疲軟，引發對其2026年整體增長率的擔憂。具體而言，每1%的美元升值會導致台積電約45個基點的毛利率下降。以下半年為例，原本預期的58%毛利率需調整至55%。然而，美元升值也帶來資金流入，歷史資料顯示，當美元升值時，台積電的市盈率倍數通常會擴大。因此，儘管存在每股收益下調的情況，但可通過更高的市盈率倍數維持目標股價不變。此外，預計明年台積電將有機會上調晶圓價格，漲幅可能在3%到5%之間，這將有助於提升毛利率約1%至2%。基於此，台積電有望在明年保持超過53%的毛利率，合理區間為55%至56%。技術層面，2nm工藝將成為重要增長驅動力，客戶群體不僅包括蘋果，還涵蓋AMD、英特爾等CPU廠商，以及高通和聯發科等智慧型手機晶片製造商。此外，加密貨幣挖礦領域也有望成為2nm技術的使用者。目前，台積電股票的市盈率為14倍，但未來可能進一步提升至20倍。這一估值提升的動力來自資金流入和技術前景的穩健性，特別是2026年的增長預期依然強勁。同時，在半導體裝置領域，先進封裝技術（如2.5D、3D等）正成為行業主要趨勢，相關企業如東京精密、Towa、Ebara等受益於這些機會。半導體行業先進封裝技術發展與市場動態先進封裝技術在半導體行業中佔據重要地位，主要由密度和遷移需求驅動。然而，當前處理器性能受到記憶體頻寬（即"記憶體牆"）的限制，其決定因素包括路徑數量、時鐘速度和資料速率。為突破這一限制，半導體行業正致力於改進路徑技術，如HBM（高頻寬記憶體）性能和先進封裝技術（如QAZS和AIR）。這些技術推動了裝置封裝製造商的發展機會。TSMC已向多家裝置製造商訂購310毫米方形多線裝置，用於面板級封裝。根據計畫，2016年5月是裝置發貨的截止日期，2016年底完成安裝和驗證，2017年進行工藝開發，2018年實現資格認證，2018年中開始工廠建設，預計2030年進入大規模生產階段。儘管時間表較長，但試點生產線預計將在2027年啟動，這將決定封裝製造商是否加速大規模生產。此外，東京精機（Tokyo Seimitsu）、Prova等公司在SK海力士、美光、英特爾、三星等主要半導體廠商中佔據重要地位。CMP Applied是HBM的第一供應商和第二供應商，相關業務涉及英特爾和三星。然而，隨著中國本地製造商（如YMTC）的崛起，日本CMP裝置的市場份額有所下降。垂直爐市場方面，COSI曾一度失去競爭力，但在被基金收購併與AMAT合作後，正準備推出新產品以重新獲取市場份額。良好的投資者治理對裝置製造商的長期發展至關重要。雲端運算半導體行業趨勢與投資機會雲端運算半導體行業的周期性特徵顯著，通常在周期峰值後會經歷兩到四個季度的下行階段。此階段被稱為"代際下降"，通常會導致市盈率倍數降低，股價難以回升。然而，在經過兩個到四個季度後，市場往往會迎來觸底反彈的機會。目前，雲端運算半導體行業正處於第三個季度，預計在未來不久將看到雲資本支出的觸底反彈，時間點可能出現在今年第四季度或明年第一季度。由於股價通常提前一個季度反應，當前是佈局的好時機。此外，自去年九月以來，盈利修正幅度迅速向中低端移動，表明市場正在調整對相關公司更為現實的盈利預期。同時，GB 200 RAP 組裝問題從去年開始逐步改善，庫存壓力逐漸緩解，這些問題的解決為行業復甦提供了支援。基於以上三點原因，整體對雲端運算半導體行業的看法轉向積極。AI計算與伺服器需求增長的資料點AI計算已成為當前技術領域的議題。非標準GPU伺服器和CPU伺服器的需求顯著增強，超出預期。例如，某些非標準GPU的出貨量達到6,000台等級，同時包括兩卡、四卡、六卡配置的黑匣子伺服器也展現出強勁需求。這種需求不僅來自中國，還來自美國市場。低端伺服器（如CPU伺服器或非標準GPU伺服器）的需求上升將為相關公司在下半年帶來更多的盈利上行空間。此外，伺服器需求的增長也將帶動介面晶片的出貨量增加。AI計算對NVIDIA GPU的封裝基板（AVF）具有主導市場份額，其單價隨著每一代NVIDIA GPU的更新而急劇上漲。通過專用工廠生產NVIDIA所需的AVF封裝基板，預計公司將在2026財年第四季度實現高於預期的銷售額，而無需調整折舊費用。基於此，已上調2026財年第四季度的盈利預測，並將目標股價提升至7,500日元。另一方面，村田製作所在MLCC業務上的利潤預計將略有下滑，儘管銷量可能小幅增長。RF模組業務在iPhone中的應用將在今年恢復，但利潤水平短期內難以回到2025財年的高度。基於上述，Hamamatsu Photonics被上調至等權重評級，而Alpha Alpine則被下調至低配評級。 (Alpha外資風向標)