【2026】AI 半導體修正：跌深就是底部嗎？用數據與歷史拆解

2026 年 6 月 22 日到 7 月 29 日，AI 半導體修正把 PHLX 半導體類股總報酬指數從 18,757.24 壓到 13,393.78，37 個日曆日回撤 28.6%。但另一邊，SIA／WSTS 公布的 2026 年第二季全球半導體銷售卻比第一季增加 35.1%；Alphabet、Microsoft、Meta、Amazon 上半年現金流量表中的設備投資代理值，合計也比去年同期高約 84%。

這三組數據的統計區間與會計口徑不同，不能拿來證明「股價一定錯了」；它們真正顯示的是價格回撤與已公布的產業銷售／設備投資出現分歧。市場可能正在重估未來成長，但本文沒有足夠的部位與槓桿資料，不能判定跌勢是否主要來自擁擠交易去槓桿；全球半導體銷售額與四家公司設備投資代理值，也不足以單獨確認或排除 AI 加速器需求見頂。能確定的是價格已重估未來；不能確定的是需求已見頂，也不能確定擁擠部位已出清。不講廢話、不灌雞湯，本文用數據和歷史把這個市場想法拆到你能自己驗證、自己判斷。

AI 半導體修正：用二階導數理解修正的一個框架

所謂「二階導數」，白話就是市場不只問業績有沒有成長，還問成長速度是否繼續加快。假設一家產業今年仍成長 40%，但市場原先付的是 60% 成長的價格，估值仍可能先收縮。這套框架能解釋「已公布數據仍成長、股票卻先跌」為何可以同時成立，但它不是已證實的跌勢因果。

截至 8 月 7 日，FRED 收錄的 PHLX 半導體類股總報酬指數已從 7 月 29 日低點反彈到 15,844.89，但仍比 6 月 22 日高點低約 15.5%。同時，SIA／WSTS 公布第二季銷售為 4,033 億美元，高於第一季的 2,985 億美元，季增 35.1%。WSTS 的月度數字採三個月移動平均，不能與單日股價硬對齊；它只能說明，在這次股價下殺發生時，已公布的產業收入資料尚未同步崩落。

這不是第一次發生。2019 年全球半導體銷售比 2018 年下滑 12.1%，其中記憶體銷售下滑 32.6%；但以 2018 年 12 月 31 日至 2019 年 12 月 31 日的日收盤值計算，同期 PHLX 半導體價格指數反而上漲約 60.1%。SIA／WSTS 當年的完整數據還顯示記憶體出貨量微幅增加，表示銷售額下跌主要反映價格，而非出貨量萎縮。這不代表銷售下滑必然利多，而是證明當期營收增減，不是股價報酬的機械開關；價格會先交易庫存、售價、估值與下一個獲利拐點。

設備投資代理值仍高速成長，但「花多少」與「花得值不值」要分開

把四家超大規模雲端業者的現金流量表攤開，2026 年上半年可得到一組方向性很強、但不完全同口徑的投資代理值：Alphabet 806 億美元、Microsoft 667 億美元、Meta 491 億美元、Amazon 984 億美元；去年同期分別約 396 億、338 億、295 億與 572 億美元。簡單合計從 1,601 億增至 2,948 億美元，年增約 84%。

這裡必須保留兩個限制。第一，Alphabet、Microsoft、Meta與Amazon的科目定義、租賃與設備分類並不完全一致，Microsoft 的曆年第二季數字還要由會計年度全年減去前九個月推導；這個合計適合看方向，不適合假裝成精密可比的 GAAP 指標。第二，資料中心支出還包含土地、建築、電力、網路與伺服器，不全是 GPU 或半導體收入。

所以，「資本支出增速可能放慢」是合理假說，「AI 需求已見頂」卻還差幾步。Alphabet 對 2026 年 1,950～2,050 億美元的資本支出是公司指引，不是已發生支出；Microsoft 在FY2026 Q4 法說則說明，reported CapEx 變化涉及未來租賃分類，排除這項影響後，2026 年底層投資預期沒有改變。真正有意義的轉折，應該是絕對支出、GPU／網路訂單、資料中心交付與利用率一起下來。若想把公司層級的數字拆得更細，可搭配 AlphaLab 的 Google Cloud 積壓訂單與資本支出分析、Microsoft FY2026 Q4 財報健檢、Meta AI 資本支出與自由現金流分析閱讀。

AI 半導體修正的歷史鏡子：1995～2002 年電信光纖過度建設

最值得拿來教我們的，不是「網路泡沫時需求都是假的」，而是相反：需求可以是真的，基礎設施也可能同時蓋太多、借太多、付太高價格。

舊金山聯準銀行對 1990 年代電信投資的研究整理出一條清楚曲線：美國上市電信業者的資本支出從 1995 年 470 億美元，升到 2000 年 1,210 億美元，2002 年又降回 490 億美元；長途光纖路由里程則由 1996 年約 14.3 萬英里增至 2000 年約 32 萬英里。研究把供給過剩連到過高的需求預期、過度進入、搶先完成全國網路所造成的重複建設，以及挖掘路線固定成本高、追加光纖邊際成本低；DWDM 又同步提高每根光纖的有效容量。聯準會記錄還顯示，1998 至 2001 年全球電信公司借款合計超過 1 兆美元。個別擴張看似合理，合在一起仍可能超過市場需求。

這段歷史還有一個常被講錯的細節。當年市場廣泛引用「網路流量每 3～4 個月翻倍」的說法；Doms 特別註明其原始出處難以驗證。研究回頭估計後，較可信的速度接近每年翻倍——仍是很快的真實需求，卻遠低於一年 8～16 倍的隱含假設。同時，長途骨幹出現過剩，最後一哩卻仍可能是瓶頸。問題不是「沒人上網」，而是容量蓋錯位置、蓋得太快，部分業者的資本結構又撐不到需求成熟。

這次哪裡不同？歷史類比不能省略資產負債表

今天的 AI 基礎設施並不是 2000 年電信業的複製品。本文檢視的四家平台都有龐大營運現金流，也能把設備放進既有雲端或廣告產品，觀察客戶用量、積壓訂單與營業利益；理論上，這會降低它們自身的短期再融資風險。但這個判斷不能外推到整條 AI 基建融資鏈，因為其中仍有依賴外部融資的雲端新進者與模型公司，資料中心的長建置期也限制了支出快速轉向的能力。

但不同不代表安全。GPU、HBM、先進封裝、網路、電力與機房若同時大擴產，仍可能在交期縮短後暴露重複下單。資產投入先反映在現金流；設備達到可使用狀態後，折舊才逐期進入損益表，電力成本則多隨實際使用發生，而收入未必以相同速度增加。電信史真正可移植的判準是：不要只問需求有沒有，而要問供給擴張、融資期限與變現速度是否匹配。只要雲端收入與營業利益能追上新增折舊，且設備利用率維持高檔，類比就偏弱；若兩者一起惡化，類比才開始變強。

真相校準：四個不能直接拿來判斷底部的訊號

1. 「資本支出增速見頂，所以需求見頂」：增速下來只代表二階導數變慢。要確認需求轉折，還要看到絕對支出、訂單、交付與利用率同步下降；公司指引也必須標成預估，不能寫成已支出。
2. 「大額 put 就是機構賣 put 接股」：每筆成交同時有買方和賣方。OPRA 公開成交規格可標示報價／成交交易所及部分多腿成交條件，但不提供客戶身分、買賣主動方或開／平倉，也不足以還原各腿與整體避險意圖。即使權利金超過 1,000 萬美元，也不能從公開 print 一步推成「現金擔保賣出開倉」；若沒有事前定義事件、樣本、觀察期、基準與樣本外檢驗，也不能把它升格成底部指標。
3. 「長債全部來到 20 年高點」：截至 2026 年 7 月 30 日，20 年期與30 年期名目殖利率分別為 5.22% 與 5.21%，距各自過去 20 年高點約 22 與 14 個基點；但10 年期4.68% 還低約 58 個基點。利率會影響估值折現，卻不是半導體每日漲跌的單因果開關。
4. 「動量資金已與半導體完全解綁」：規則型動量策略會在再平衡時調整，但根據 MTUM 官方截至 2026 年 8 月 6 日的持倉，Micron、AMD、Broadcom 仍分別占 6.11%、5.10%、4.96%，顯示基金仍有明顯半導體曝險。比較準確的說法是權重與領漲結構可能改變，不是資金從此「不會再買」。

AlphaLab 的判讀：基準情境不是 V 型，也不是需求崩盤

建設性情境：獲利追上資本支出，修正成為估值重置

絕對 AI 支出與訂單維持高檔，雲端收入、營業利益及自由現金流逐季改善；HBM 與先進製程利用率沒有明顯鬆動，獲利預期停止下修。這種情境下，28.6% 回撤比較像把過度樂觀的倍數與槓桿洗掉，產業仍可在較低估值下重新上行。

基準情境：支出增速降溫，絕對金額仍高，行情轉成高波動選股

這是本文採用的基準情境：我們假設未來的資本支出指引不再逐季上調，供給鏈成長率回落，但交付與使用量尚未負成長；指數可能反覆測試估值，領漲從「所有 AI 都買」收斂到能把算力轉成收入、現金流或持久瓶頸的環節。這是有條件的推演，不是已發生事實。想理解槓桿型半導體工具為何會放大路徑風險，可另讀 SOXL 完整解析；若偏好較廣泛曝險，可比較 SOXX ETF 的持股與集中度。

保守情境：需求與供給同時轉折，電信史開始變成主劇本

如果連續兩季看到超大規模雲端業者的絕對設備投資與加速器訂單下降，先進製程與 HBM 售價／利用率走弱，庫存天數上升，雲端變現又追不上折舊、電力與利息，則「價格先重估未來、需求資料稍後才確認」的基準假說會被推翻。這時市場面對的就不只是估值消化，而是盈利週期與過度建設同時反轉。

AI 半導體修正儀表板：用五組資料取代猜底

1. 絕對資本支出與訂單：每季從 Alphabet、Microsoft、Meta、Amazon 的 10-Q／10-K 與法說更新現金設備支出、租賃承諾及資料中心交付。只有增速變慢仍偏中性；絕對值與訂單連兩季下降才是明確反證。
2. 利用率與交期：追蹤晶圓代工、記憶體與半導體設備公司的法說，觀察先進製程／封裝與 HBM 是否從缺貨轉為交期快速縮短。交期正常化不一定看空；利用率與售價一起降才危險。
3. 出貨量、平均售價與庫存：用 SIA／WSTS 看產業銷售，再用主要供應商申報拆量、價與庫存。銷售放慢但庫存穩定，可能只是基期；量價齊跌且庫存天數上升，才像週期反轉。
4. 雲端變現與現金流：把雲端收入、營業利益、折舊、營運現金流與設備支出放在一起。收入和獲利若能追上折舊，過度建設風險下降；資本投入持續增加、自由現金流與增量利潤卻惡化，風險上升。
5. 估值、獲利修正與市場廣度：底部不要求三者同一天轉正，但最好看到預估下修速度鈍化、指數不再只靠少數權值股，以及更多成分股站回中期趨勢。這比追一筆 put 或猜某個日曆日可靠。

AlphaLab 的基準假說是：價格可能正在已公布的銷售與支出資料之前重估未來成長。本文沒有足夠的 positioning 證據把跌勢定性為擁擠交易去槓桿，全球半導體銷售額與四家公司設備投資代理值也不足以確認或排除 AI 加速器需求見頂。這不等於立即看多，也不替任何估值背書；它只要求我們把「價格跌很多」、「成長率可能放慢」與「絕對需求已反轉」分成三件事。接下來每季更新這五組儀表板，會比替單日最低點取名字更有用。