重點整理
- 輝達B200晶片二手價格暴漲超原價58%，直接反映全球AI算力供給遠低於需求
- 晶片殘值保值率創新高，預示AI基礎設施投資將成企業資本策略重心
- 台灣企業應把握晶片代工、算力整合等環節的結構性機會
為什麼AI晶片會出現「越用越值錢」的怪象？
輝達B200晶片的二手價格竟能超越原價58%，這在科技產品歷史上極為罕見，根本原因在於全球AI訓練與推理的算力需求已達到「一晶難求」的臨界點。
傳統晶片的價值曲線是貶值的——購買後隨著新品推出而逐年縮水。但B200打破這個規律，因為企業急迫需要算力來搭載大語言模型、多模態AI、以及生成式AI應用，而輝達的供給端無法跟上需求爆炸。根據市場觀察，全球AI晶片的訂單已排隊到2026年底，導致二手市場成為算力飢渴企業的「黑市」替代方案，價格因此被推高。
這反映了什麼樣的市場失衡？
B200晶片的殘值暴漲是AI算力供給端結構性不足的直接信號，預示未來12-24個月內，計算能力將成為比原油、稀土更稀缺的戰略資源。
根據產業數據，全球AI訓練與推理的算力需求年增速達到65-75%，遠超晶片製造產能的增速。即便輝達、AMD、英特爾等廠商已全力擴產，仍然趕不上企業的采購熱潮。更關鍵的是，B200作為輝達目前性能最強的AI訓練晶片，具有「一片難求」的壟斷地位，導致持有者可以以溢價出手，而急需算力的企業必須接受這個價格。這形成了一個正反饋循環：短缺→漲價→持有者不願出售→更短缺。
對台灣企業的投資與策略意義在哪裡？
台灣在半導體製造、晶片設計、AI服務等領域的企業應將此視為結構性機會的信號，從三個維度調整策略：第一，晶片製造商（特別是台積電等代工廠）應加速AI專用晶片的產能投資，因為任何新進競爭者的晶片一旦推出就具備溢價空間；第二，算力整合服務商應提前布局，透過與雲端業者合作提供算力租賃與優化服務，在B200短缺期間提供替代方案；第三，AI應用企業應考慮提前鎖定晶片供應或採用租賃模式，避免被迫接受高價二手交易。
更深層的啟示是，這輪AI浪潮的贏家不只是模型公司（如OpenAI、Anthropic），更包括掌握算力供給鏈的企業。台灣的製造優勢應該轉化為「算力供應鏈中樞」的定位——從晶片製造、伺服器組裝、冷卻系統、再到算力交易平台，形成完整的AI基礎設施生態。
這會如何改變企業的資本預算配置？
B200晶片殘值保值率創新高，正在改寫企業對「AI基礎設施投資」的財務評估邏輯，從成本中心轉變為資產保值的投資項目。
過往企業購買伺服器與晶片時，將其視為5-7年折舊的消耗品，每年計提折舊費用。但在算力成為稀缺品的新現實下，企業開始發現購買AI晶片反而是「保值」甚至「增值」的決策——即便未來替換設備，舊晶片仍能以溢價轉售。這會刺激企業加速AI基礎設施的資本投入，將預算從「成本中心」轉向「資產管理」。這一轉變已開始影響企業的融資決策，如何將AI算力投資列入固定資產而非營運費用，成為CFO與CTO之間的新討論焦點。
常見問題
為什麼二手B200晶片能賣得比新品還貴？
全球AI算力需求遠超供給，企業急需GPU進行模型訓練，導致即便是二手晶片也能以溢價出售。一片難求的狀況使持有者握有議價權，購買方為了獲得算力而不得不接受高價。
這對台灣晶片產業有什麼啟發？
台灣應抓住AI算力短缺的機會窗口，加速AI專用晶片的設計與製造，同時建構算力租賃、晶片回收等完整生態，將製造優勢轉化為「AI基礎設施供應鏈樞紐」的戰略地位。
企業該如何應對AI晶片短缺？
企業可採取三管齐下策略：提前鎖定晶片供應合約、改用租賃或雲端算力服務降低資本支出、投資晶片優化軟體以提升現有硬體的利用效率。