人工智慧正逐漸成為美股市場最具影響力的長期主題。自 2023 年以來，以生成式 AI 為代表的技術突破，推動大量資金湧入相關上市公司。截至 2026年6月，標普 500 指數中與 AI 直接相關公司的總市值已超過 10 兆美元。
然而，「AI 股票」這一標籤下涵蓋了商業模式、風險特徵與成長動能截然不同的企業。若將所有 AI 相關公司簡單歸為一類，可能導致投資決策出現嚴重偏差。
算力基礎設施層為何成為 AI 浪潮的最大受益者
算力基礎設施層包括設計 AI 晶片的公司、提供半導體製造服務的代工廠，以及生產高頻寬記憶體晶片的廠商。這一賽道位於 AI 產業鏈的最上游，其需求成長直接來自所有中下游企業對算力的剛性支出。
NVIDIA（輝達）是此領域的代表性企業。其 GPU 在 AI 訓練與推論市場中佔據主導地位，資料中心業務收入在過去六個季度內實現超過 300% 的成長。AMD 憑藉 MI 系列加速卡在推論場景中逐步取得市占，而 Broadcom 與 Marvell 則專注於客製化 AI 晶片（ASIC），為雲端服務業者提供更低功耗、更高效率的解決方案。
半導體製造環節的台積電同樣居於核心地位。其先進製程（如 3nm 與 2nm）產能利用率長期維持在 90% 以上，來自 AI 晶片客戶的訂單已成為收入成長的主要動力。美光、SK 海力士等記憶體廠商則受惠於 HBM 晶片需求爆發，該類晶片是高效能 AI 加速器的關鍵組件。
這一賽道的核心優勢在於收入的可驗證性。每一顆售出的晶片都有明確的客戶與價格，市場需求的成長可直接從訂單量、產能利用率與營收數據觀察。缺點則是週期性特徵明顯——當雲端服務業者的資本支出進入下行週期時，晶片訂單可能迅速收縮。
基礎模型層公司的商業模式為何仍面臨高度不確定性
基礎模型層指的是開發大型語言模型、多模態模型並直接對外提供 API 或產品服務的公司。代表性企業包括 OpenAI（與微軟深度合作）、Anthropic、Google、Meta 以及 xAI 等。
該賽道面臨的核心挑戰在於獲利模式尚不明確。訓練前沿模型的成本高達數千萬甚至上億美元，而推論服務雖然帶來可觀收入，但毛利率因算力成本與價格競爭而承壓。截至 2026年6月，領先的基礎模型公司中僅有極少數實現整體獲利。
競爭格局同樣不穩定。開源模型效能持續逼近封閉模型，這削弱了封閉廠商的定價權。同時，企業客戶往往傾向同時接入多家模型供應商以降低供應商依賴風險，導致單一廠商難以壟斷市場份額。
對美股投資人而言，直接投資基礎模型層的機會相對有限。OpenAI 與 Anthropic 均非上市公司，Google、Meta 的 AI 業務收入未單獨揭露，而是與其他業務合併報告。這使投資人難以精確評估該賽道的獨立財務表現。
應用軟體層如何透過 AI 實現收入與成本的雙重優化
應用軟體層指的是將 AI 能力整合至具體工作場景的軟體公司。此賽道涵蓋辦公軟體、客服自動化、程式碼生成、行銷文案、醫療診斷、法律文件處理等多個垂直領域。
兩類企業在此賽道表現突出。第一類是原有軟體巨頭，如微軟、Salesforce、Adobe、Autodesk。它們將 AI 功能嵌入現有產品矩陣，透過調升訂閱價格或吸引新用戶獲取增量收入。微軟的 Copilot 產品線即為典型案例，其企業版訂閱價格明顯高於一般版本。
第二類是 AI 原生新創公司，如生成式程式碼輔助領域的 Cursor、AI 影片生成領域的 Runway 等。這些公司中已有部分完成上市或併購，為投資人提供有別於傳統軟體巨頭的風險曝險。
應用軟體層的核心邏輯在於收入成長與成本控管的疊加效應。在收入端，AI 功能可支撐更高的定價或吸引因新功能而遷移的用戶。在成本端，AI 自動化可降低客服、內容審查、程式碼撰寫等環節的人力成本，進而提升利潤率。這一雙重效應使該賽道在獲利改善空間上具備獨特優勢。
然而，競爭門檻則是應用軟體層的長期風險。當每家軟體公司都能接入類似的模型 API 時，產品功能差異化程度可能迅速縮小，價格戰難以避免。
雲端服務供應商在 AI 產業鏈中扮演什麼角色
亞馬遜 AWS、微軟 Azure、Google Cloud 三大雲端服務商是 AI 產業鏈中不可忽視的力量。它們位於基礎設施層與應用層之間：既採購晶片部署資料中心，也向企業客戶提供模型即服務（MaaS）。
雲端服務商的 AI 收入來自三個來源：算力租賃、模型託管服務，以及自有 AI 產品銷售。三者均受惠於企業客戶對 AI 能力需求的提升。2025 年，三大雲端服務商的 AI 相關收入年增率普遍超過 40%，顯著高於其傳統雲端業務。
雲端服務商的核心優勢在於收入多元與客戶黏著度高。即使某一季 AI 算力租賃需求放緩，傳統企業 IT 上雲、資料儲存與分析業務仍可提供穩定現金流。這讓雲端服務商的風險特徵相較於純晶片或純模型公司更為平滑。
投資人需關注的指標包括：雲端業務資本支出指引、AI 服務對整體利潤率的拉動效應，以及客戶對 MaaS 產品的使用深度。當資本支出增速放緩時，通常意味上游晶片訂單將面臨壓力；反之，資本支出的持續擴張則預示整體產業鏈仍處於景氣週期。
不同 AI 賽道的估值邏輯存在哪些本質差異
算力基礎設施層的估值主要依賴本益比與資本支出週期的匹配。晶片公司的收入與獲利高度週期性，市場通常以遠期本益比作為定價基準。在 AI 算力需求擴張階段，這些公司的本益比可能被推升至歷史高點；但一旦市場預期雲端服務商將減少採購，估值水準會迅速回落。
基礎模型層的估值則更多根據收入規模與用戶成長。由於多數公司尚未獲利，投資人多以市銷率或企業價值對收入比作為參考。市銷率超過 20 倍並不罕見，前提是市場相信該公司模型能維持技術領先並最終實現可觀獲利。此估值邏輯的風險在於，若競爭導致價格下滑或用戶流失，收入成長將無法支撐高倍數。
應用軟體層的估值則是本益比與市銷率的混合。對已獲利的傳統軟體公司而言，本益比仍是核心指標，AI 功能帶來的利潤率提升會使本益比下降，進而推動股價上漲。對 AI 原生公司而言，市銷率更常見，但市場會重點關注客戶留存率、單位經濟模型與獲客成本回收週期。
雲端服務商的估值則同時受到雲端運算整體成長與 AI 附加價值的雙重影響。市場常採用分部加總法，將雲端業務與消費型網路業務分開估值。AI 對雲端業務成長的貢獻是目前估值溢價的主要來源。
資金在 AI 股票賽道間如何流動與輪動
觀察 2023 年至 2026 年的美股資金流向，可辨識出明顯的賽道輪動模式。
第一階段（2023 年初至 2024 年中），資金高度集中於算力基礎設施層。市場關注的核心問題是「誰能提供訓練大型模型所需的算力」，此階段 NVIDIA 等晶片公司漲幅遠高於其他賽道。
第二階段（2024 年下半年至 2025 年底），資金開始向雲端服務商與應用軟體層擴散。市場意識到算力僅是第一步，真正創造長期價值的可能是能將 AI 轉化為可持續收入的平台與工具。微軟、亞馬遜、Salesforce 在此階段獲得顯著資金流入。
第三階段（2026 年至今），資金呈現分層配置特徵。大型機構投資人開始同時在三個賽道布局，但權重分配取決於其對 AI 商業化進度的判斷。看好算力持續短缺的投資人超配晶片股；看好模型能力商品化的投資人轉向雲端服務商；看好軟體效率提升的投資人則更關注應用層。
這一輪動規律給一般投資人的啟示是：不必將 AI 主題視為單一整體，而應理解每個賽道的驅動週期。當算力需求成長放緩訊號出現時，減碼上游、增配中下游可能是合理的再平衡策略。
一般投資人篩選 AI 股票需關注哪些指標
根據上述分析，可從賽道特性建立篩選框架：
對算力基礎設施層，重點關注 訂單積壓量、產能擴充計畫、客戶集中度與庫存週轉天數。訂單積壓量反映未來 2 至 4 季的收入可見度；產能擴充計畫則暗示管理層對長期需求的判斷。
對雲端服務商，關注 資本支出指引、AI 服務收入占比，以及營業利潤率變化趨勢。資本支出擴張通常預示上游景氣，但若利潤率因過度投資下滑，則可能影響估值。
對應用軟體層，關注 AI 功能的付費轉換率、客戶留存率、與競爭對手的功能差異度。付費轉換率是檢驗用戶真實需求的關鍵指標；功能差異度則決定公司能否在長期競爭中維持定價權。
所有賽道皆適用的通用指標包括：內部人交易紀錄、分析師評級調整與機構持股變化。這些資訊可於財報與 SEC 文件中取得，是辨識資金態度變化的重要輔助依據。
總結
AI 股票並非單一類型，而是由算力基礎設施、基礎模型、應用軟體與雲端服務四大核心賽道組成的產業鏈集合。每個賽道在收入可驗證性、競爭格局、估值方法與資金輪動節奏上皆有本質差異。
算力基礎設施層受惠於剛性需求，但具高度週期性；基礎模型層代表技術前沿，但獲利路徑尚不明朗；應用軟體層兼具收入成長與利潤改善的雙重邏輯，但面臨功能同質化風險；雲端服務商提供多元收入與高客戶黏著度，但資本支出壓力持續存在。
對於透過 Gate 參與美股 AI 股票交易的投資人而言，理解上述分層邏輯有助於打造更符合自身風險偏好的配置方案。在任何賽道中，基於基本面指標而非市場情緒進行決策，都是控管風險的基本原則。
常見問題（FAQ）
問：Gate 上線了哪些 AI 相關的美股股票？
答：Gate 美股交易板塊已上架包括 NVIDIA（NVDA）、AMD、微軟（MSFT）、Google（GOOGL）、亞馬遜（AMZN）、Salesforce（CRM）、Adobe（ADBE）等多檔 AI 產業鏈核心股票。您可於平台內查詢完整清單及即時行情數據。
問：現在投資 AI 股票是否已經太晚？
答：AI 技術商業化仍處於早期階段。雖然部分股票已大幅上漲，但產業鏈中不同賽道的滲透率差異明顯。建議依上述賽道分析架構，結合自身風險承受能力與投資期間進行獨立判斷。
問：AI 股票的回檔風險主要來自哪些方面？
答：估值過高、雲端服務商資本支出增速放緩、競爭加劇導致利潤率下滑、AI 應用落地進度低於預期，以及總體經濟環境變化引發的整體市場調整。
問：如何獲取 Gate 上 AI 股票的最新行情數據？
答：登入 Gate 平台，進入美股交易板塊，搜尋相關股票代碼即可查詢即時價格、歷史走勢與基本面數據。所有行情均依據交易所即時數據更新。
問：投資單一 AI 賽道還是分散多個賽道較佳？
答：沒有標準答案。若您對某一賽道邏輯有深入研究，可集中配置。但考量不同賽道間的週期性差異，分散配置有助於平滑組合波動。建議依自身研究能力與風險偏好決定。
