別再只看 NVIDIA：一張表追蹤 AI 產業鏈 13 個景氣訊號

上游：價格與設備訂單仍強

截至報告觀察日，DDR5 現貨價格維持高檔，燃氣服務訂單成長，說明資料中心需求不只拉動晶片，也擴散到儲存與電力設備。上游景氣仍熱，但同時要追蹤擴產，因為今天的高價格會變成明天的新增供給。

觀察上游時，最好把價格、數量與交期放在一起。價格漲、交期拉長、訂單增加是強景氣；價格漲但交期縮短，可能代表供給正追上；價格跌但數量大增，則要判斷是成本下降擴大需求，還是庫存去化。

中游：算力租金是供需壓力計

報告記錄 B200 租金約每小時 5.59 美元，尚未出現明顯供給過剩。算力租金比單看晶片出貨更接近實際供需，因為它同時反映設備取得、機房、電力、網路與客戶利用率。

但租金也需要分規格、地區、合約長短與叢集品質。低價可能來自效率提升，也可能來自閒置產能。若租金下降、Token 用量快速上升、雲端收入同步加速，這通常是健康降本；若三者只有租金下降，就要小心供過於求。

下游：收入兌現，但價格下降是長期考題

報告指出模型公司 ARR、ChatGPT 與 Gemini 月活、AWS 等雲端收入都在擴張，顯示需求開始變成真實收入。這是目前最重要的正面證據。

不過 Token 價格持續下降，用量成長未必等比例變成營收。下一階段要把模型 ARR、雲端收入、Token 消耗量與單位推理成本放在同一張表。只有收入增速能覆蓋資本支出與折舊，AI 的高景氣才不只是流量繁榮。

把 13 個指標做成每月營運節奏

儀表板不是蒐集愈多數字愈好，而是讓更新頻率與決策節奏一致。現貨價格、算力租金與信用利差可以每週更新；雲端收入、資本支出、折舊與設備訂單適合跟著季度財報；模型 ARR、月活躍用戶與大型專案則在公司公布時更新。每個指標都要保留資料日期、來源與前值，避免把不同時間點的數字拼在一起，製造一張看似即時、其實時差很大的圖。

我會為指標設定綠、黃、紅三種狀態，但不以單一門檻自動判斷。例如算力租金下跌若伴隨用量與雲端收入上升，可以標成綠色的效率改善；若租金下跌、利用率下降、信用利差擴大，才轉為紅色的供給壓力。儀表板的工作不是替投資人下結論，而是及早指出哪一組關係開始不合理，提醒我們回到原始資料查原因。

四組訊號能比單一領先指標更早發現轉折

第一組是供給：資本支出、設備交期與新專案；第二組是價格：記憶體報價、算力租金與 Token 單價；第三組是使用：Token 消耗、月活躍用戶與雲端收入；第四組是金融條件：自由現金流、信用利差與融資活動。健康擴張通常是供給增加、價格緩降、使用量快速上升且金融條件穩定；若供給繼續增加、價格快速下跌、使用量停滯，則要提高警戒。

這套設計也能避免只看 NVIDIA 的盲點。晶片公司可能仍因過去訂單交付而維持高營收，但算力租金與雲端利用率已先轉弱；相反地，晶片出貨短期受供應限制，模型收入與 Token 用量卻持續加速，需求未必真的消失。股價經常比財報快，營運數據又比股價更能說明因果。把四組訊號串起來，才能知道市場是在提前反映轉折，還是暫時被籌碼嚇了一跳。

每月更新時還應寫下一句因果備忘錄，例如『租金下降來自新供給上線，但使用量增速更快』，並列出下一個可推翻判斷的數字。三個月後回頭檢查，才能知道原本的解釋是否成立，而不是只把圖表往右延伸。儀表板真正的價值在於保留判斷歷史：哪些訊號曾經領先、哪些只是雜訊、哪些資料在轉折時最容易失真，久了就會形成自己的產業研究資料庫。