超微(SMCI)毛利率上修帶動AI基建熱，背後真正卡住的是哪個瓶頸？

AI 基建不是只有晶片行情：伺服器、勞動力與短債資金正在一起改寫市場

我認為，現在你們看到的 AI 交易，已經不再只是 Nvidia、Meta、Microsoft 這類大型科技股的估值重定價，而是開始往整條基礎設施鏈滲透。從伺服器製造商的毛利率跳升，到資料中心施工的人力荒，再到短天期美債 ETF 持續吸金，這其實是在告訴市場：AI 的主戰場已經從「模型」轉向「建設」。

 

伺服器廠的訂單，不只是景氣好，而是資本支出在加速

這一波最直接的訊號，來自 Super Micro。它盤後股價一度大漲，關鍵不是營收突然爆發，而是公司把6月當季的毛利率預估大幅上修到15%至17%，明顯高於先前的8.2%至8.4%。這種跳升代表的不是單純接單變多，而是產品組合變好、客戶結構更優，也就是高階伺服器與AI相關訂單占比提高。

營收方面，Super Micro 仍預估落在原本給出的110億至125億美元區間低端，接近市場估的116.7億美元。但真正讓市場眼睛一亮的，是訂單能見度。

公司說，到2026財年結束時，未完成訂單 backlog 已經創下新高，而且光是財年第四季就拿到超過600億美元新訂單。這個數字很大，代表的不是一次性情緒，而是未來幾季交貨節奏會很密集，AI 伺服器的需求不是短打，而是往中期持續推進。

從產業鏈角度看，這也解釋了為什麼 Dell、HPE 這些伺服器與企業硬體廠股價也同步上漲。市場現在不是只買晶片，而是在買AI 資本支出週期。

 

AI 真正吃掉的是整個資料中心供應鏈

Super Micro 的說法其實很清楚，需求主力來自搭載 Nvidia GPU 的伺服器，這些設備主要用於 AI 模型訓練與推論。換句話說，Nvidia 的晶片需求，不只反映在自身財報，也一路往下游伺服器、散熱、電力、網路與機房工程擴散。

這也就是為什麼市場會對 SpaceX、xAI 這類超大型專案特別敏感。Super Micro 執行長梁見後提到，他很自豪能再度參與建置新的 GW 級 AI 資料中心。你們如果把這種規模想成一般 IT 擴充，那就太小看了。這種案子牽涉的是：

• 大量 GPU 與伺服器
• 供電與變電設備
• 冷卻系統
• 機房工程
• 網路骨幹

所以我一直認為，AI 並不是單一產業題材，而是資本密集型的全鏈條投資週期。這個週期如果延續，受惠的不只 Nvidia、AMD、TSMC，也包括伺服器、電力設備、散熱、甚至部分工業與建設類企業。

但問題也在這裡：當所有人都在搶著加碼 AI 資本支出時，估值與現金流的落差就會開始變成風險。

 

人力缺口正在成為 AI 基建的另一個瓶頸

比起硬體，我更在意的是勞動市場。因為如果資料中心建不出來，晶片再多也沒用。

BlackRock、Carhartt、Ford 跟 Google 共同成立了 Alliance for America's Skilled Trades，目標是擴大美國技職人才供給，尤其是透過學徒制與產業合作，去補資料中心與大型基礎建設的人力缺口。這不是公關活動而已，而是大型企業已經開始承認：AI 基建的限制，不只是資本，也包括工人。

Google 的 Ruth Porat 講得很直白，她指出技術工人短缺會威脅到資料中心供電、實驗室冷卻、製造廠安全，以及大量工作空間的日常維護。這句話其實很重要，因為它把 AI 熱潮從雲端敘事拉回到地面：不是每個瓶頸都能靠軟體解決。

JLL 今年4月的報告也提到，美國已經到了「需求加速、勞動力萎縮」的轉折點。資深技工退休、年輕人不願投入藍領工作，讓電工、暖通空調、管線與建築技工的缺口愈來愈大，薪資也跟著上升。

這裡有一個很有意思的結構性現象：
AI 一方面會取代部分白領工作，另一方面又逼迫更多人去考慮技職與專業證照。也就是說，科技越進步，市場對「可落地的人力」反而更稀缺。

 

教育選擇正在轉向，這是長期週期的訊號

從教育數據也看得出來這個變化。National Student Clearinghouse 的資料顯示，2025年秋季美國本地學士班入學只小幅增加不到1%，但學士以下證書與副學士課程都成長約2%。

Lumina Foundation 與 Gallup 的調查也發現，大眾對四年制學位的信心在下降，兩年制副學士與短期職涯導向課程的吸引力上升。Lumina 的研究主管 Courtney Brown 甚至直接說，雖然四年制學位仍然是黃金標準，但社區大學在負擔與實用性上更有優勢，所以越來越多人靠過去。

我覺得這點很關鍵。這不只是教育偏好改變，而是勞動市場對報酬率的重新定價。當資料中心、電力系統、工程建設、維運與技術服務都需要大量可即戰力的人才，傳統四年制學位的吸引力就會相對下降。

 

資金也在重新站隊：短債成了股市高估值下的避風港

在金融市場這邊，AI 題材雖然還在推高科技股與伺服器股，但資金並沒有完全冒進。你們可以看到，短天期美債與相關 ETF 最近持續吸金，這就是很典型的風險資產上漲、但防守部位也同步加強。

JPMorgan 的 Jamie Dimon 最近就警告，股市估值偏高，長天期美債風險也不小。他甚至表示自己不太想買長年期公債，認為10年期殖利率合理區間大約在4%到4.5%。這背後反映的是幾個宏觀壓力：

• 聯準會利率路徑仍不完全明朗
• 財政赤字與供給壓力持續
• 長債殖利率波動風險不低
• AI 與大型科技股估值已經相當集中

所以資金自然會找短天期工具避險。像 iShares 0-3 Month Treasury Bond ETF（SGOV），今年淨流入已經達到475億美元，資產規模逼近千億美元，成為市場少數能在高風險環境下持續吸金的固定收益產品之一。

如果把這個現象放回資產配置的長期框架，其實很符合 Buffett 早年提過的思路：90% 標普500、10% 短期美債。在 AI 帶動的高波動市場裡，這種配置邏輯又被很多資金拿回來當參考。

 

我看到的是機會，但更看到集中化風險

整體來看，現在的 AI 浪潮已經不是單純的成長故事，而是同時牽動：

• 伺服器與晶片供應鏈
• 資本支出週期
• 技術工人與薪資結構
• 教育與職涯選擇
• 債券與 ETF 的資金流向

這代表市場機會很大，但我也要提醒你們，題材集中化的風險同樣在升高。當少數大型科技股、少數晶片廠、少數伺服器供應商成為主流資金唯一押注的方向，估值就容易脫離基本面，特別是當 AI 需求必須持續維持高強度資本支出，才能支撐當前的成長敘事時，風險會更明顯。

所以你們如果問我，現在這波 AI 基建到底是長期趨勢還是短期泡沫，我的答案會是：趨勢是真的，但價格與預期可能跑得比基本面快。

未來要持續觀察的，不只是 Nvidia 或 Super Micro 的接單，而是：

1. 企業 EPS 是否跟得上資本支出
2. 資料中心建設是否真的能按時落地
3. 技職人才供給能否補上缺口
4. 聯準會與長債利率是否壓縮估值
5. AI 需求是否從「買設備」進一步轉成穩定現金流

這些才是我認為更接近核心的觀察點。
所以你們的看法是如何呢？你們是比較希望看到 AI 題材繼續擴散，還是先出現一點估值修正，讓市場回到基本面說話呢？

我最後還是要用警示型分析收尾：AI 基礎設施確實是下一輪成長主線，但當資本支出、勞動力、估值與利率同時交纏時，這條路不會只有機會，還會有結構性風險。