AI晶片今天短缺，明天就會過剩？｜半導體週期 蛛網理論｜Simon Universe｜國際關係教室｜🤖💾
觀看數觀測
共同標籤
這支影片尚未比對共同詞彙
比對版本
youtube-quality-20261017-a
影片說明
AI晶片而家明明供不應求，科技巨頭亦繼續投入巨額資金興建數據中心，點解半導體行業仍然逃唔過「缺貨 → 擴產 → 過剩 → 減產」嘅循環？ 今集《國際關係教室》，Billy 會由過去幾輪半導體週期講起，拆解點解需求可以幾個月內改變，但晶圓廠同新產能往往要幾年先真正到位；亦會解釋疫情期間嘅搶貨、庫存同牛鞭效應，點樣將一個供應短缺放大成之後嘅庫存過剩。 今次 AI 熱潮又係咪真係唔同？HBM、高階 AI 晶片、先進封裝同傳統晶片其實未必行緊同一個週期。就算 AI 使用量繼續上升，只要新供應增加得比需求更快，週期仍然有可能重新出現。 最後我哋再睇，如果半導體週期由高峰轉向，點解晶片公司業績未差，股價已經可以先跌；而資金又可能點樣喺 AI 應用、價值型股票、債券、現金、黃金同商品之間重新配置。 而半導體背後呢套「蛛網理論」，其實亦可以用嚟理解樓市、航運、農產品同礦業。真正關鍵唔係需求會唔會消失，而係今日做嘅供應決定，要幾耐之後先真正到市場。 00:00 開場 00:36 今集三條核心問題 01:06 半導體點解一次又一次由缺貨變過剩 01:53 真正問題係供應同需求嘅時間差 02:47 晶圓廠擴產點解容易追錯週期 03:42 牛鞭效應點樣放大需求變化 04:12 NAND市場上一次低潮 04:42 半導體週期真正核心 05:17 AI今次真係可以避過週期？ 05:41 2026年AI供應鏈仍然有幾旺 06:16 點解同一時間可以有幾個半導體週期 06:56 AI冇消滅週期，只係令週期分化 07:27 AI週期真正危險嘅轉向位 09:02 下一次轉向會出現咩訊號 09:47 長約點解會令轉折更難睇 10:35 AI需求再強都避唔過估錯產能 11:04 週期轉向點樣先傳到供應鏈 11:58 記憶體公司點解反應最快 12:25 股市點解比產業週期行得更快 13:14 半導體股見頂未必要等到過剩 13:42 產業週期同股市週期係兩個時鐘 14:17 科技股轉弱後資金可能去邊 14:22 第一：AI硬件轉AI應用 15:04 第三：衰退時資金轉向債券同現金 15:23 第四：通脹與地緣風險下嘅黃金商品 16:14 週期唔等於末日 16:46 農業、樓市、航運都有同一種週期 17:16 航運點解同半導體特別相似 17:34 礦業嘅供應時間差更長 18:19 結語：需求變得快，供應改得慢 本節目只作資訊及教育用途，不構成任何投資建議。 #半導體 #AI晶片 #人工智能 #晶片 #科技股 #半導體週期 #蛛網理論 #HBM #投資 #SimonUniverse #國際關係教室 ＿＿＿＿＿＿＿＿＿＿ ☝️ 成為「沈旭暉｜國際關係教室」頻道會員 https://www.youtube.com/channel/UCXf8jlTSP9kp6g4ROCfgvbQ/join 沈旭暉 Social Media 🌍 ⏺️ Patreon：patreon.com/simonshen 🛜 Website: https://thesimonglocal.com ▶️ YouTube 沈旭暉｜國際關係教室： https://www.youtube.com/@simonglobal ▶️ YouTube 沈旭暉｜從典藏看世界： https://www.youtube.com/@simonglocal 🔼 Facebook：facebook.com/shensimon ℹ️ Instagram：instagram.com/simon.diplomacy 💰 YouTube Sinic Analytica 政經頻道：https://www.youtube.com/@SinicAnalytica ＿＿＿＿＿＿＿＿＿＿ 所有客席主持及嘉賓提供的內容，已授權本頻道作內容的管理、編輯及發佈的決策權。 影片及圖片素材來源：Envato、Wikimedia Commons、Artlist
本頁的資料來源與計算方式
影片的數字
- 公開統計
- 觀看、喜歡與留言總數是取得當時的 YouTube 公開統計，不是即時數值；各項統計的觀測時間可能不同。「資料最後記錄」是影片資料的記錄時間，不代表觀看、喜歡或留言都在那時重新觀測。
- 觀看歷史
- 圖上每個點是實際儲存的觀測，連線只為方便閱讀，不代表中間時間的測量值；沒有歷史觀測時不建立時間序列。
- 喜歡占互動
- 喜歡 ÷（喜歡＋不喜歡＋顯示留言），任一來源缺值時不估算。
- 字幕
- 只記錄來源是否提供字幕，尚未擷取逐字稿，因此字幕不列入標籤比對。
- 觀測分析
- 直播逐時／逐日最高同時在線取自所讀直播紀錄；讀取上限、略過與解析失敗的筆數列在「資料涵蓋範圍與解析限制」。
共同標籤
標籤來源：新文易數（tag.observe.tw）。共同標籤以文字比對影片標題與說明，不是 AI 判讀；命中不代表事件歸屬或立場，與頻道分類分開。標題或說明出現標籤，不代表影片主題；可能來自固定宣傳或版權文字。字幕尚未取得，不列入比對。
- 比對範圍
- 僅列出目前詞彙版本與影片標題、說明仍相符的比對結果；待比對或來源文字已變動的影片不列入，數量見「收錄與比對範圍」。
- 期間
- 「往前 N 日」包含今天與前 N 天，共 N+1 個台北日曆日（往前 7 日為 8 個日曆日）；指定起訖日期時以實際起訖日為準。日數、日期與小時條件同時套用。
- 命中片段
- 每支影片最多顯示 3 段，標示來自標題、說明或字幕；沒有片段時顯示「沒有命中片段」，來源文字缺漏時顯示「來源文字未提供」，不另行補寫。完整比對依據在影片頁的「共同標籤與比對依據」。
- 顯示排除
- 符合標籤顯示規則的詞（上游排除詞、雜訊、純數字或日期、長度不符，以及核定的來源或平台名稱、雙字通用詞、國家城市政黨詞、少數 YouTube 平台或宣傳用語）整詞不列入排行，但仍保留在原始詞彙池與比對證據中；原始詞彙池列出排除原因。雙字通用詞只依核定清單判定，包含它們的人名、事件或具體議題不會因此被排除。管理員也可以在排行上直接排除個別標籤，同樣只影響排行顯示，每次排除與恢復都留有紀錄。
- 說明欄樣板
- 同一頻道說明欄反覆出現的宣傳段落不列入比對。「24小時」這類詞只在這種重複宣傳段落中略過，出現在一般新聞內容時照常計入；這不同於整詞的顯示排除。
- 示例
- 列表與片段只是符合條件的影片例子，不能用來推算整體比例或全站失真程度；有效比對的影片比例只代表比對完成度。
- 觀看
- 累計觀看是取得當時的公開觀測值，不是期間增量；無觀看值的影片不當作 0。
本頁資料範圍
觀看數與互動數為取得當時的公開觀測值。
時間序列只有一筆有效觀測時，只列出該值與觀測時間，不畫走勢圖；累積兩筆以上才畫圖。
資料來源
本站以納入名單的 YouTube 頻道與影片為範圍（名單見頻道觀測），數據來自 YouTube 公開資料與定時觀測：直播約每分鐘輪詢一次，頻道統計、新影片與影片統計則分批輪流更新，所以同一頁的數字不一定在同一時間取得。不涵蓋全 YouTube；缺漏、尚未收錄或資料服務中斷都不等於零，尚未取得的數值顯示「—」。
頁面使用台北時間（UTC+8）。「更新於」是來源已記錄的觀測時間；來源沒有記錄時顯示「未記錄」，不以開啟網頁的時間代替。
共同標籤詞彙的標籤來源：新文易數（tag.observe.tw），保留來源、版本與比對依據；本站的頻道分類沿用有影儀表板的來源組織方式，與內容標籤是不同維度。影片數、觀看數與直播同時在線人數分開計算，不代表 YouTube 全站流量，也不表示因果關係。