擔憂輝達AI超額下單崩盤還過早！分析師：3徵兆代表這波AI恐結束

AI之王輝達（Nvidia）財報前景大好，也將成為安謀IPO戰略投資人。但市場陸續傳出AI晶片「超額下單」風險，示警崩盤風險再起。前外資分析師、騰旭公司投資長程正樺表示，假設出現OEM 忽然都可以拿到貨、輝達開始要求塞貨；輝達開始修正對上游的訂單等徵兆，那AI這一波可能快結束，但目前訂單滿足率可能只有三成，目前擔憂還太早。

程正樺指出，研究電子行業二十餘年，看過太多次所謂的超額下單跟存貨修正了。他一入行就看到的千禧年網路泡沫、2007中國手機狂潮、2010 LED 最後狂熱、2018被動元件前妻之亂、2021半導體全面缺貨、2022加密幣挖礦運動，以及多次數不清的記憶體與面板的週期循環。這次的人工智慧晶片，遲早也會有泡沫化的一天，但時間到了嗎？

程正樺分析，觀察一個行業的泡沫化現象，有諸多觀察指標；那為何他還沒有開始擔心？ 因為這並不是 「市場有超額下單」就立刻等於「行業崩盤在即」 這麼簡單的邏輯。

何謂超額下單，就是下單量超過廠商本身看到的市場需求量。由於資訊不對稱和市場的不效率，許多需求會被重複計算。一個客戶對100個零件的需求，在到處都買不到的狀況下，可能跟三五個中間商都下了這麼多的量，最後反應到上游，就是需求被莫名擴大了三五倍。

這次有沒有這種現象？程正樺坦言，相信多少會有，但狀況少很多。不是廠商改變了下單行為，而是主要供應商輝達對市場的掌握減少了資訊不對稱的狀況。

第一點是市場很多研究輝達的人並不知道，這公司有龐大的地面部隊直接面對大部分的終端客人。所謂AI晶片並不是一個廠商買來就會用，以及可以清楚知道該買多少的東西，輝達對大部分的新創 都有人在服務，以及確認他們的需求。

舉例來說，輝達會知道OEM (比如技嘉）出貨給CSP (比如Coreweave）的這一批貨是服務哪一個企業的訓練需求（比如Open AI)。最終客戶如果拿不到貨，並不是多跟幾個CSP or OEM 下單就有機會多拿到晶片，因為輝達知道是同一批需求。

第二個還是目前市場上根本沒有人估計的出來生成式AI（AIGC）的市場會有多大。市場上有任何人可以估計出現在到底有多少新創正在訓練他們的模型、未來又有多少模型需要訓練、以及這些模型的參數演變會是什麼樣子嗎？一個模型要訓練幾次？ 訓練完之後要微調幾次？ 正式上線給消費者使用又需要準備多少推論的晶片？ 至今看不到合理且完整的解釋。

程正樺也指出，有個研究機構寫了篇報導，說今年市場上的模型需要55萬顆NVIDIA H100 來訓練。如果真是如此，市場今天就已經崩盤了，輝達今年可以出的晶片數目是兩三倍以上。

不過，程正樺也指出，市場總有成長趨緩跟飽和的一天，有些徵兆可以幫助做判斷呢？1.OEM 忽然都可以拿到貨了，如果OEM想要多少都可以拿多少，那這一波可能快結束了； 2.輝達開始要求塞貨；3.輝達開始修正對上游的訂單。想要保守一點提前開始擔心庫存問題當然無妨，但在市場還在嚴重缺貨廠商訂單滿足率可能只有三成的時候就開始憂慮.，好像太早了些。

程正樺認為，最終還是要看客戶有沒有變現的方式來回收這些投資。這個月Microsoft Copilot 開始上線就是一個重要的指標。如果要開始擔心AI晶片有沒有超額下單，至少先等到微軟Copilot用戶數低迷無法吸引企業採用再說吧！