与黄仁勋长期保持交流的纬创董事长林宪铭，最近正面否定了 AI 泡沫论，重要的不只是他担任一家 AI 服务器生产公司的董事长，更重要的是，他与英伟达合作数十年，能够近距离同步观察黄仁勋的想法和实际供应链动向。

把他的发言串联起来，AI 接下来的发展方向就相当清晰了。

1.AI 的最终市场不是数据中心，而是整个世界经济

市场仍在计算微软、谷歌、Meta、亚马逊的资本开支何时放缓。然而在黄仁勋和林宪铭看来，AI 市场并不局限于四家超大规模云服务商的数据中心预算，最终图景是，制造、金融、医疗、物流、国防、行政、机器人等全球各行各业，都将 AI 作为新的生产资料引入。

这意味着，AI 不是 IT 升级周期，而是重塑全球 GDP 生产率的长期产业周期。

2.AI 不是软件，而是新的劳动力

林宪铭认为，利用 AI，可以用远少于过去 100 人的人力完成过去由 100 人承担的工作，这与黄仁勋所说的数字劳动力方向一致。

AI 服务器并非只是存储数据或运行程序的计算设备，它是企业为了获得额外智能和生产能力而安装的一种新型生产设施。

推理成本越低，企业越可能不是削减 AI 支出，而是把更多工作交给 AI。

AI 效率提升可能不会破坏需求，而会推动 AI 劳动力价格下降并拓展应用场景。

3.AI 时代最现实的瓶颈是电力

林宪铭指出，台湾低估了 AI 时代所需的电力需求，这意味着，不能只凭模型性能或 GPU 出货量分析 AI 产业。

AI 是一个投入电力、生产 token 和智能的实体产业。

随着 GPU 增加，存储、光通信、网络、电力转换、冷却、变压器和机架集成也必须同步扩张。

AI 投资周期的结束信号，并不是模型变得更高效的那一刻，它更接近于电力和数据中心基础设施的供应真正足以满足实际需求的那一刻。

4. 价值将从硬件转向 AI 应用能力

林宪铭强调，台湾不应停留在硬件制造者的位置，而应转变为 AI 应用强者，这番话语对投资者也很重要。

仅仅生产 AI 服务器或拥有 AI 相关收入，并不意味着就能成为长期赢家。真正的受益者，是那些把 AI 应用于研发、产品设计、工厂良率、库存管理、销售和用户开发，从而改变成本结构和生产效率的公司。相比仅拥有 AI 敞口的公司，AI 落地深入的公司可能拥有更高价值。

5. 下一个战略资产是数据与主权 AI

通用 AI 模型的性能越趋近，国家和企业所拥有的独有数据就越重要。

语言、文化、制造工艺、医疗、金融和法律数据，很难仅依靠互联网数据替代。这也是林宪铭强调自主语言模型、开源生态系统和获取本地数据的原因。

AI 竞争的下一阶段，不取决于谁拥有最大的模型，而取决于谁能把独有的产业数据转化为实际服务和生产率。

6. 等待完善监管规则的企业将在学习曲线上落后

AI 仍有版权、安全、准确性和责任归属等许多问题需要解决。

林宪铭的做法不是等到规则完善后再行动，而是先从有限领域开始使用，在试错中发现并修正问题。

AI 时代的竞争差距，可能不在于能否使用相同的模型，而在于组织尽早开始使用的多番历史沉淀与内部数据积累。

执行和组织学习方面的差距，可能比技术差距更加重要。

7. 黄仁勋与林宪铭眼中的 AI 是一个完整系统

如果只看 GPU，AI 周期可能显得昂贵。

但如果把 AI 劳动力、电网、数据中心、存储、光通信、冷却、机器人和主权 AI 连接起来看，就会发现许多领域仍处于建设初期。

林宪铭真正的信息优势，并不在于能从黄仁勋那里听到非公开数字，而在于他能在供应链端确认，黄仁勋所说的长期愿景，是否与客户的实际订单、电力扩建方向和硬件采购动向吻合。

透过这两个人的发言，应当得出的结论很简单：资本市场把 AI 视为科技公司的半导体资本开支周期，黄仁勋和林宪铭则把 AI 视为一场重新设计人类劳动、企业生产方式和国家基础设施的长期产业革命，AI 的核心问题也随之改变，比起 “超大规模云服务商的资本开支何时转弱”，“谁能确保获得电力和算力”“谁能积累独有数据”“谁能最先把 AI 转化为实际生产率和现金流” 更加重要。

AI 真正的超额收益不在于造出最好的模型，而在于先找到因智能价格下降而新开启的需求，以及让这些需求成为现实的实体瓶颈。