高盛看 1 兆美元 AI 支出，三檔可看
高盛預估 2027 年 AI 基礎設施支出上看 1 兆美元，Nvidia、AMD、Micron 可能直接吃到這波伺服器與記憶體採購潮。
高盛預估 AI 基礎設施支出在 2027 年可能衝上 1 兆美元，Nvidia、AMD、Micron 都有機會吃到這波伺服器採購潮。
講白了，這不是在聊概念股。這是在聊真金白銀的資本支出。2026 年 AI 基礎設施支出已經超過 7000 億美元，2027 年還可能再往上跳。
你可能會想問，錢最後流去哪裡。答案通常不是只流向模型公司，而是流向賣 GPU、記憶體、網路和電力設備的人。這篇就把焦點放在三家最直接吃得到的公司。
| 指標 | 數值 | 意義 |
|---|---|---|
| 2026 AI 基礎設施支出 | 超過 7000 億美元 | 代表現在的建置量已經很大 |
| 2027 高盛估值區間 | 9200 億到 1.4 兆美元 | 顯示明年還會繼續砸錢 |
| 中位數情境 | 1.25 兆美元 | 約等於美國 GDP 的 3% |
| Nvidia forward P/E | 16 倍，財年 2028 預估 | 估值沒有想像中誇張 |
| AMD GPU 承諾 | 兩筆各 1000 億美元 | 顯示 inference 需求很猛 |
| Micron forward P/E | 9 倍，財年 2027 預估 | 記憶體股還沒被炒到很貴 |
AI 支出開始變成硬預算
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
這波錢不再只是喊口號。資料中心要買 GPU、CPU、DRAM、HBM、交換器，還要散熱和電力設備。每一層都有自己的供應商，也都有自己的獲利空間。
高盛估的中位數是 1.25 兆美元。這個數字很扯，因為它大概等於美國 GDP 的 3%。你把它放回科技史裡看，這種等級的支出只會出現在超大規模建置潮。
而且這類資本支出有個老規則。真正賺錢的，常常不是最會講故事的那家，而是賣工具、賣零件、賣基礎元件的公司。這次也差不多。
- 2026 年 AI 基礎設施支出已超過 7000 億美元。
- 高盛估 2027 年會落在 9200 億到 1.4 兆美元。
- 中位數 1.25 兆美元，約等於美國 GDP 的 3%。
- 支出會分散到 training、inference、agentic AI。
Nvidia 還是核心位置
Nvidia 目前還是最直接的受益者。訓練大型模型時，市場幾乎還是先想到它的 GPU。這代表它不只是賣晶片，還賣生態系，連開發者習慣都一起綁住。
Geoffrey Seiler 在 The Motley Fool 的文章裡提到，Nvidia 最新一季營收年增 85%。這種數字很直接，意思就是需求還在燒，而且燒得不小。
更有意思的是估值。它的 forward P/E 只有 16 倍，對一家公司卡在 AI 最大支出潮裡，這個數字不算離譜。很多人看到漲很多就以為很貴，但市場有時候就是這麼愛打臉直覺。
“The company has been seeing extraordinary revenue growth, including 85% last quarter,” Geoffrey Seiler wrote in The Motley Fool.
- 最新季度營收年增 85%。
- forward P/E 約 16 倍。
- 強項是 AI training GPU。
- 也在往 inference 和 agentic AI 擴張。
AMD 和 Micron 吃到下一段需求
AMD 沒有在 training 打贏 Nvidia，但它在 inference 和 agentic AI 裡的機會更明確。原因很簡單。這些工作負載更吃系統平衡，也更吃記憶體配置，不是只有 GPU 算力大就夠。
AMD 的 ROCm 軟體堆疊這幾年有進步，至少不像以前那麼像配角。再加上它的 chiplet GPU 設計，能把更多記憶體塞進系統裡，這對推理工作很重要。文章還提到它拿到兩筆各 1000 億美元的 GPU 承諾，這數字很硬。
Micron 的位置又不一樣。它賣 DRAM 和 HBM，這兩樣都是 AI 晶片的命脈。只要資料中心繼續擴，記憶體就不會缺席。文章也提到 Micron 的 forward P/E 只有 9 倍，這比很多 AI 名牌便宜太多了。
- AMD 有兩筆各 1000 億美元的 GPU 承諾。
- AMD 認為 GPU:CPU 比例會從 8:1 變成 1:1。
- AMD 覺得 CPU 機會可到 1200 億美元。
- Micron 的 forward P/E 約 9 倍。
- Micron 直接受惠 DRAM 與 HBM 需求。
三家公司在同一波支出裡，吃到不同位置
如果把這波 AI 支出拆開看，Nvidia 是最核心的算力供應商。AMD 比較像第二梯隊裡的搶位者，專攻 inference 與更彈性的系統架構。Micron 則是底層原料商，賣的是整個 AI 伺服器堆疊都少不了的記憶體。
這種分工很重要。因為當市場開始追問誰能真正拿到訂單時，答案通常不只一個。資料中心不是買單一產品，而是整包採購。你要 GPU，也要記憶體，還要網路和電源。
所以比較這三家，不該只看誰最紅。更該看誰的估值還沒把未來吃光。現在看起來，Nvidia 很強，但 AMD 和 Micron 的價格彈性反而更大。
- Nvidia：最強的 training GPU 供應商。
- AMD：更偏向 inference 與 agentic AI。
- Micron：吃記憶體與 HBM 需求。
- 三者分別對應算力、系統、原料層。
這波不是短炒，是產業級建置
高盛這個預估最值得看的地方，不是 1 兆美元這個大數字本身，而是它代表 AI 支出已經進入企業預算表。這種錢一旦進去，就不會因為幾個月的新聞熱度而停下來。
我覺得接下來最該盯的，是 GPU 供應、記憶體價格，還有 inference 需求有沒有真的放量。因為只要推理工作變多，整個採購結構就會變，從單純追算力，轉成追整體系統效率。
這也解釋了為什麼很多人只盯著最有名的 AI 公司，反而會漏掉真正賺錢的位置。這波比較像工業化建置，不像單一產品爆紅。
投資人接下來可以盯什麼
如果高盛的估計接近現實，2027 年的重點就不是 AI 會不會繼續花錢，而是錢會先卡在哪個環節。是 GPU 產能？是記憶體供給？還是電力和散熱？這些瓶頸誰先解，誰就先拿到訂單。
對台灣開發者來說，這件事也很實際。因為 GPU、HBM、伺服器、網通設備，很多都跟台灣供應鏈有關。你在看美股時，其實也在看整條硬體鏈的景氣。
我的判斷很直接：這波 AI 支出不太像短期題材，比較像一段會持續好幾年的大型採購潮。接下來如果你只想挑一個觀察點，就盯 2027 年的實際資本支出數字，看看它是不是往 1.25 兆美元靠近。