這輪 AI 修正不是需求崩塌：是擁擠交易撞上回報率重估
看見科技股急跌，最直覺的解釋通常是需求轉差。但這份報告提供另一個更有用的框架：需求仍成長，真正轉弱的是增長的斜率、投資人的槓桿與估值容忍度。
價格、槓桿、產業預期同時到臨界點
報告把 6 月下旬視為調整起點。當時多個科技指數位於高檔，韓國又出現重新檢視單一股票槓桿 ETF 的監管訊號。估值缺乏安全邊際、融資部位偏高、交易規則可能收緊，三者疊加後，第一批減倉很容易觸發被動平倉。
存儲漲價也從上游公司的利多，逐漸變成終端品牌的成本壓力。這是一個典型的價值鏈轉折：同一個價格上漲，對供應商是毛利，對客戶卻可能是漲價、需求遞延或規格調整。市場不是突然討厭 AI，而是開始計算誰真正保得住利潤。
從修正到企穩：事件不是因果，事件背後的脆弱性才是
| 時間 | 市場事件 | 真正影響的變數 |
|---|---|---|
| 6 月 22–23 日 | 高檔後調整啟動 | 估值安全邊際與槓桿 |
| 6 月 25 日 | 終端以記憶體成本為由調價 | 上游漲價開始壓迫下游 |
| 7 月 16–17 日 | 開源模型競爭再升級 | 模型定價權與 API 毛利 |
| 7 月 23–29 日 | 雲端財報前降風險 | CapEx、FCF、硬體訂單 |
| 7 月 30 日後 | 財報驅動差異化修復 | 收入與利潤是否兌現 |
需求仍在，二階變化卻不夠漂亮
AI Coding 的企業席次、收入與使用量仍在成長，但市場關注的是成長有沒有繼續超過原先的高預期。當 Token 用量短暫回落、Agent 落地慢於算力投資，硬體訂單即使沒有衰退，估值仍可能先被下修。
這就是一階與二階的差別：一階是需求仍增加，二階是增加速度變慢。高估值公司最怕的不是負成長，而是成長率從『驚喜』變成『符合預期』。財務模型裡只要遠期增速或終值倍數下調一點，折現回今天就可能是很大的股價差。
判斷修正結束，不能只看反彈
真正的企穩需要三個條件：去槓桿告一段落、財報證明需求仍能轉成收入、資本支出沒有因現金流壓力被迫急煞。任何一項缺席，反彈都可能只是空頭回補。
對經營者也一樣。AI 專案的預算不會因為大家喜歡 AI 就永久存在；它必須從試驗費用進入部門預算，再變成可衡量的省時、增收或降低錯誤率。資本市場在問 ROI，企業客戶其實也在問同一題。
如何分辨健康修正與需求反轉
健康修正通常先發生在估值與籌碼：本益比下降、槓桿部位縮小、成交集中度回落，但企業訂單、雲端收入與資本支出仍維持成長。需求反轉則會逐步進入營運數字，例如訂單遞延、設備交期突然縮短、客戶砍單、存貨周轉天數上升，最後才反映在營收與毛利。兩者在股價上都可能很痛，財務含義卻完全不同，前者是價格回到現實，後者才是獲利預期需要重新估算。
因此，不能把股價跌幅當成基本面惡化的替代指標。比較穩健的做法，是同時看估值分位、融資餘額、企業財測、供應鏈交期與終端使用量。如果只有估值下降而營運指標仍強，市場可能正在消化過度樂觀；如果股價反彈但存貨、應收帳款與取消訂單繼續惡化，則可能只是技術性回升。修正是否結束，要由資金面與基本面一起回答。
企業也正在經歷同一場 ROI 重估
資本市場要求雲端公司證明投資回報，企業客戶也會用相同邏輯檢查 AI 專案。試用階段可以用新奇感取得預算，但要進入正式採購，必須證明每名員工節省多少時間、錯誤率下降多少、營收提高多少，或原本需要外包的工作能否內製。若效益無法量化，專案就容易停留在創新部門的展示櫃，模型用量再高也不等於可持續收入。
我會把 AI 專案分成三層：第一層是工具替代，例如整理、翻譯與客服摘要；第二層是流程重組，把多個步驟串成可驗收的工作流；第三層才是商業模式改變，例如成果計價、個人化服務或新產品。越往後，價值越高，但資料治理、責任歸屬與跨部門整合也越困難。市場修正其實提醒所有經營者：買算力不會自動產生護城河，能把算力變成流程與現金流的人才會留下來。
資料來源與策展方法
主要來源為廣發證券投資策略專題報告《誰將引領 AI 新敘事？》（2026 年 8 月 9 日）。本文依指定頁碼轉述、交叉計算並重新繪圖，不重製原報告版面；其中的預估值與情境假設，不等於公司財測。