---
title: "AIBT-03｜地緣政治不是無限資本支票：國家競賽與企業利潤的分歧"
english_title: "Geopolitics Is Not an Unlimited Capital Cheque: Divergent Incentives of States, Firms, Supply Chains, and Consumers in the AI Race"
series: "AI 泡沫、產業重整與文明適應論"
series_code: "AIBT"
document_id: "EML-AIBT-2026-03"
series_position: "Core Paper 03 / 12"
version: "v0.1"
date: "2026-10-31"
concept_by: "Neo.K"
research_collaboration: "GPT-6"
institution: "EveMissLab／一言諾科技有限公司"
status: "完整概念研究原稿；2027–2028 年情境待檢驗；未經同行評審"
source_format: "UTF-8 Markdown; LF; no BOM"
math_delimiters: "inline single-dollar; display double-dollar"
evidence_cutoff: "2026-10-31 Asia/Taipei"
parent_document: "AIBT_00_研究總綱_AI泡沫產業重整與文明適應論_v0.1_2026-10-31.md"
previous_paper: "AIBT_02_算力資本密度_能源約束與參數量悖論_v0.1_2026-10-31.md"
next_paper: "AIBT-04｜核心模型席位、平台集中與投資組合博弈"
---

# AIBT-03｜地緣政治不是無限資本支票：國家競賽與企業利潤的分歧

## Geopolitics Is Not an Unlimited Capital Cheque: Divergent Incentives of States, Firms, Supply Chains, and Consumers in the AI Race

**系列：**《AI 泡沫、產業重整與文明適應論》（AIBT）／第一部第三篇  
**命題提出：** Neo.K  
**協作整理：** GPT-6  
**機構：** EveMissLab／一言諾科技有限公司  
**版本：** v0.1，2026 年 10 月 31 日  
**資料截點：** 2026 年 10 月 31 日（臺灣時間）；本稿不將 2027 年結果當作已觀察事實。  
**性質：** 政治經濟學、產業組織、供應鏈、技術經濟與可否證研究；非投資建議，亦不對任何國家政黨或政策選擇做政治背書。

---

**作者：** Neo.K  
**日期：** 2026-10-31  

## 摘要

人工智慧的全球競賽，常被描述為一場因國家安全與科技自主而不可能減速的軍備式投資競逐。但「一國希望保持技術自主」並不推出「其政府能夠無限承擔財務成本」，也不推出「受扶植企業必然願意低價供應本國客戶」，更不推出「每個模型開發商應持續依同一尺度擴大前沿訓練」。本文以美國、中國、法國、韓國、日本的公開政策與產業證據，研究**國家戰略需求、政府財政限制、企業利潤目標、供應鏈定價與終端使用者利益**之間的非同一性。

本文建立「五層利益分離框架」（候選操作名稱）：國家安全與產業自主、公共預算及執行能力、上游製造商與算力供應商、模型與應用企業、家庭與終端產業。它特別分析 2026 年中國長鑫存儲（CXMT）與華為在 DRAM／HBM 供給緊張下的議價：兩者可同屬受國家產業戰略支持的供應鏈，卻仍可能因價格與產能分配發生利益衝突；價格沒有因國產化而自動下降，不能單靠國家戰略敘事推導企業的微觀決策。

本文提出「戰略選擇性減速」的候選機制：一國可以維持 AI 研發、開源模型、國產晶片、具身應用及產業智慧化，卻減少以每一代最大模型訓練規模作為競賽指標的比重。這與「全面放棄 AI」有根本不同。由於資本支出、財政支出、投資公告與實際交付產能不是相同數字，本文以具日期、類別、國別口徑的證據表及反證條件限制推論，提出可於 2027–2028 年持續驗證的多重情境。

**中心結論：地緣政治競爭可提高投資的戰略價值，卻不能使能源、記憶體、設備良率、財政與商業回收的成本消失。競爭不必等同於永久以同樣形式擴張；減速也不必等同於失敗。**

**關鍵詞：** AI 泡沫；地緣政治；科技自主；產業政策；機會成本；政府財政；算力；記憶體；HBM；長鑫存儲；華為；競爭型補貼；企業利潤；價格傳遞；國家政策組合；戰略選擇性減速；可否證性。

### Abstract

Geopolitical competition is often invoked as if it guaranteed unlimited funding for the artificial-intelligence race. This paper separates the objectives and constraints of national governments, public budgets, upstream chip and memory suppliers, model firms, and final users. It argues that strategic demand for domestic AI capabilities does not imply infinite fiscal support, indefinite frontier-training scale races, low prices from domestic suppliers, or assured investment returns. A dated comparison of the United States, China, France, South Korea, and Japan illustrates different combinations of security concerns, industrial upgrading, infrastructure dependence, fiscal capacity, and private-sector incentives. A case study of CXMT–Huawei memory pricing demonstrates that participants in the same domestic strategic supply chain can still negotiate as profit-seeking firms under shortage conditions. The paper proposes falsifiable hypotheses concerning selective strategic slowdown, bottleneck pricing, supply-chain revenue transfer, and the divergence of frontier-model spending from broader AI diffusion. It does not claim that China or another country has decided to abandon AI, nor that an AI investment downturn is certain in 2027.

---

# 0. 學術定位、既有接口與證據紀律

## 0.1 AIBT-01、02 已經回答什麼？

AIBT-01 [R01] 研究估值、營運現金流、資本支出與投資回收期限的錯位：技術持續進步，卻可能同時發生估值修正、融資壓力與特定公司出清。AIBT-02 [R02] 進一步研究算力資本密度、能源與記憶體瓶頸，以及總參數、活躍參數與實際有效算力成本無法互相替代的「參數量悖論」。兩篇均不宣稱 2027 年泡沫已經發生。

本篇加入此前尚未完整處理的**國家—企業—供應商—消費者**利益裂縫：外部競爭是否能保證所有參與者持續投入且投入方式相同？當上游價格上漲、本國買方仍須負擔更高成本時，所謂「國家自己擴張就能降低成本」究竟在什麼條件下成立？

本篇不重複 AIBT-01 的財報貼現模型，不重寫 AIBT-02 的模型計算成本分解；其成果將直接提供給 AIBT-04 對核心供應商、市場集中和資本組合的研究。

## 0.2 本篇使用五類判斷標記

- **OBS（可核對觀察）：** 已公布、具時間與來源的政策、公司公告、財報或具來源限制的媒體報導。
- **DEF（候選操作定義）：** 方便比較的市場、國家與成本分類；不冒充已確立學術定律。
- **HYP（待驗證假說）：** 明示競爭性機制、變量、方向與反駁條件的研究主張。
- **SCN（條件情境）：** 對 2027–2028 年的條件式推演，不是預測已確定發生。
- **NOR（規範立場）：** 對審計、透明或生活保障等制度設計的要求，必須與正面因果分析分離。

## 0.3 十二項不得偷換的命題

1. 國家希望科技自主，不等於政府已核准、已支付所有宣布的投資。
2. 「私人投資承諾」與「公共支出」不能直接相加當成國家直接負擔的金額。
3. 企業獲得補助，不表示其所有產品有持續低價供應義務。
4. 記憶體零售模組報價、DRAM 顆粒的原廠契約價與 HBM 晶片供應價格，不能不分品類比較。
5. 單季毛利率極高，不能直接推出未來十年的維持能力，亦不能推出企業沒有研發或擴產風險。
6. 局部生產瓶頸不代表所有 AI 應用都無法發展。
7. 美國企業擴張不等於美國政府直接出資同額資本支出；中國企業定價不等於中國政府已決定退出。
8. 韓國記憶體出口受益，不等於韓國國內每一家公司、家庭或產業均受益。
9. 法國國家債務升高，不等於法國企業無法成功吸引私人國際資本。
10. 日本的公共支援架構不等於所有金額已於 2026 年執行，也不等於日本必須追逐每代世界最大模型。
11. 「放緩新增投資增速」「減少投資總額」「降低前沿訓練頻率」「退出 AI 產業」是四種不同狀態。
12. 地緣政治不是無限資本支票，不等於所有國家必定同步減速、AI 技術必定停止或特定國家已明確敗退。

---

# 1. 核心概念：五層利益分離框架

## 1.1 單一的「國家競賽」故事遮蔽了誰？

若用「中國與美國在競爭」描述所有行動者，就會把至少五種成本與收益錯誤歸到同一張帳：

| 分析層 | 目標或約束的典型例子 | 經濟收益與風險不能互換之處 |
|---|---|---|
| 國家／公共決策 | 供應安全、技術自主、國防與產業能力、公共福利、財政可負擔 | 有戰略效用不等於可無限借款；不同政策具有不同外溢效果 |
| 公共財政與地方政府 | 補助、稅負、授信、電網、土地、風險準備 | 名義支持與實際現金支出不同；地方執行與中央計畫不同 |
| 上游製造／設備／能源 | 晶圓、封裝、HBM、DRAM、電力、變壓器、機房 | 供需緊張可提高上游利潤，同時壓縮下游毛利 |
| 模型、雲端與應用企業 | 模型品質、獲客、服務定價、訓練／推理成本、投資回收 | 模型能力提高未必能收回全部資本支出 |
| 消費者、家庭與一般企業 | 服務價格、可用性、失業／工資影響、供應可靠、契約保障 | 國產化可能改善可得性，卻不必立即降低市場售價 |

**DEF-01｜利益分離：** 同一個 AI 技術與供應鏈事件，對不同層次行動者的淨效果可以具有不同符號。國家風險下降、供應商利潤上升、模型企業成本增加、終端商品價格維持高位，並不構成邏輯矛盾。

## 1.2 安全價值與可分配現金流

假定國家 $n$ 可以選擇一組 AI 投入領域 $k$。作為研究的抽象記帳，而非對任何國家實際偏好的估算：

$$
V_{n,k} = B_{n,k}^{security} + B_{n,k}^{spillover} + B_{n,k}^{service} - C_{n,k}^{fiscal} - C_{n,k}^{externality}.
$$

其中安全、外溢與公共服務效益可能不易貨幣化，卻不等於不存在；財政成本和環境、就業或國際依賴外部性則不能被「自主」敘事取消。各項效益若不能合理加總，應保留為多維向量，不應強行以單一幣值計算。

公共預算仍受跨期限制。最小財政預算式：

$$
\sum_k S_{n,k,t} + G_{n,t}^{other} \leq T_{n,t}+\Delta B_{n,t}+R_{n,t}^{other}.
$$

此處 $S$ 為公共支持現金支出， $G^{other}$ 為其他公共支出， $T$ 為稅收， $\Delta B$ 為淨新增融資， $R^{other}$ 為其他來源；實際預算尚受法律、債務服務與各級政府制度約束。這是會計性分析框架，並不是主張任何國家必須達成單年預算平衡。

## 1.3 企業的目標與國家的目標不必相同

對企業 $i$，簡化的期間營運結果：

$$
\Pi_{i,t} = p_{i,t}q_{i,t} - C_{i,t}^{variable} - F_{i,t} - K_{i,t}^{period} + S_{i,t}^{recognized}.
$$

 $K^{period}$ 代表本期應承擔的資本使用成本、融資或折舊等，不能同時對同一資產重複扣除； $S^{recognized}$ 是依會計口徑認列的補貼或收入項，而非全部宣布的補貼額。這裡是分析性簡式，不能直接取代正式財報中的淨利或自由現金流。

**HYP-01｜戰略協同不等於利潤相同：** 當國內上游零組件的供應低於需求、且存在缺乏近似替代品的買方時，即使雙方同屬國家自主化戰略，供應商亦可能提高價格或優先供給出價更高的客戶。

---

# 2. 資本競賽的五種限制：從財務到物理世界

## 2.1 財政與資金來源

公共資本支援具有財政機會成本，民間投資則受現金流、利率、估值、債務到期與股東要求影響。不可把「國家已發布計畫」視為一個永久且不受條件限制的流動性後盾。

政策資料要分類：

- **直接政府預算：** 已核准的特定年度支出，區分預算承諾與實付。
- **融資或信用支持：** 政府擔保、貸款、優惠融資；應記或有負債，不直接當成同額當期支出。
- **減稅或抵免：** 需要預估稅收損失與行為反應。
- **民間投資公告：** 時間範圍可能跨數年，亦可能取決於執照、供電與市場需求。
- **國家戰略文字：** 不是具有支付效力的支票。

## 2.2 電力、電網與物理建設

**OBS [S01]：** IEA 於 2026 年 4 月的《Key Questions on Energy and AI》表示，全球資料中心用電量 2025 年約 485 TWh，中央情境至 2030 年約 950 TWh；AI 專用資料中心用電在 2025 年的成長快於全體資料中心，HBM 供應短缺可能延續至至少 2027 年底。IEA 亦明確提醒，有些規劃中的機房不會實際落成，且市場融資條件是建設速度的限制。[S01]

此資料不是每個國家的用電配額，也不能把全部資料中心電力算成模型預訓練。機房耗電增加可能來自推理、影片、搜尋、企業工作流與其他非 AI 服務。

**HYP-02｜現實速率限制：** 即使決策者願意資助大型模型，電網接入、變壓器產能、冷卻、許可、材料與高頻寬記憶體仍可能使資本支出無法以預期速度轉成有效算力。

## 2.3 軟體生態、良率與供應鏈互補性

晶片的名義 FLOPs 不等於端到端可交付模型能力。軟體生態、驅動、網路互連、製造良率、測試、HBM 與資料中心持續運作率都影響有效算力；因此不能由國產晶片「已有產品」直接判斷可替代同價位、同功耗或同時程的所有海外產品。

## 2.4 效率與需求反饋

既有模型重用、模型蒸餾、特定任務後訓練、稀疏化與推理加速，可減少部分成本；但更低的單位成本可能擴大總使用量，甚至增加整體算力與能源需求。效率改良與總用電下降不是同義語。此為 AIBT-02 的直接技術接口。[R02]

## 2.5 社會與地方可承受性

資料中心供水、噪音、土地、電價、建設利益與地方公共支出，可能讓地方居民、電力用戶、政府與投資商產生不同的利益分配。國家提出宏觀目標，不表示地方部署不受許可、價格或公共接受度限制。IEA 已將社會可接受性與電網負載列為重要限制。[S01]

---

# 3. 美國：戰略支持、民間擴張與企業投資回報分開

## 3.1 戰略方向與治理工具

**OBS [S02]：** 美國白宮 2025 年 7 月 23 日發布的資料中心基礎設施行政命令，要求加速合資格 AI 機房、能源、變壓器、晶片與網路設備的審批；其舉例的政府支持工具包括貸款、貸款擔保、補助、稅務誘因與承購安排。該命令亦寫明，實施仍受既有法律與撥款可用性約束。[S02]

這個正式文字同時反映兩件事：美國政策確實將 AI 基礎設施視為戰略工程；但行政支持**不等於**私人企業每一筆支出由政府保證回收，也不等於此命令創設了等額不可撤銷的預算。

## 3.2 民間資本規模不是國庫同額支出

**OBS [S01]：** IEA 2026 年報告指出，五家大型科技企業 2025 年合計資本支出超過 4,000 億美元，預計 2026 年再增約 75%；這是企業資本支出估計，涉及 AI 和其他基礎設施，不能當作美國聯邦政府直接付款，亦不可把其全部視為基礎模型預訓練。[S01]

此規模所反映的是美國大型平台具備更高的融資與設備採購能力；但即使它們很大，各家仍有利潤、折舊與長期投資回報壓力。國家願意維持技術領先，不等於模型或算力公司未來賣出的每個 token 都一定取得正的自由現金流。

## 3.3 選擇性放緩對美國也並非矛盾

**SCN-US：** 若若干大企業發現企業 AI 導入速度低於建設預估，它們可以提高現有 GPU 利用率、優先履行已有租用合約、降低新增機房支出增速、加強推理收入而不是每一代都以同樣速度擴張預訓練。這可與維持研發領先、國家基礎設施投入並存。反之，若新工作負載與可付費需求持續擴大，新增投資也可能維持高位。

---

# 4. 中國：自立自強不等於所有企業按國家敘事犧牲利潤

## 4.1 2026–2030 年官方戰略確實繼續支持 AI

**OBS [S03]：** 中國 2026 年 3 月公布的「十五五」規劃綱要明確支持科技自立、自主算力、半導體、模型架構改進、演算法效率、工業 AI、具身智慧與開源生態。文本亦提出算力與綠電協同、促進中小企業用算成本下降、提高技術與經濟效率。[S03]

因此，「中國可能選擇性放緩」不能寫成中國在 2026 年已決定退出 AI；官方規劃本身提供了相反證據：繼續投入與發展的政策方向仍然存在。

## 4.2 2026 年 10 月警告盲目投資，與上述支持可同時成立

**OBS [S04]：** Reuters 2026 年 10 月 9 日報導，中國公布有關新質生產力的政策指引，警告高科技領域盲目投資、蜂擁擴張與產業泡沫，同時繼續支持 AI 核心技術、算力供給與產業應用。[S04]

「防止盲目投資」與「繼續支持 AI」不是反義詞。前者涉及資源配置與投資紀律，後者涉及產業戰略。是否真的出現資本支出調整，還必須追蹤地方補助、項目撤銷、企業投資指引、資本回報及製造業產能資料。

## 4.3 「中國可能先放棄」的精確可研究版本

**HYP-03｜選擇性退出最大算力競賽：** 在特定財政、電力、國產設備良率與企業服務回收條件下，一國可能**減少以每一代最大前沿預訓練投入作為競爭指標**，改為增加在既有模型迭代、開源權重、部署效率、國產硬體軟體生態與工業應用的相對資源份額。

此處「退出」是**訓練規模競賽路線的相對退出**，不是停止 AI、科技自主、國防研究、具身研究或半導體製造。此假說不單獨指向中國，也可對其他國家或大型企業檢驗。

### 可觀察變化與反例

若官方與企業文件同時顯示前沿訓練超大專案減少、既有模型部署收入占比上升、同品質推理成本下降，且國內算力設備效能與供應穩定改善，將與路線調整假說一致。若反而持續提高同一種前沿訓練的資本配置，且有充分使用率、現金流與外溢成果支持，則應弱化該假說。

---

# 5. 案例研究：長鑫存儲與華為的國產供應鏈議價

## 5.1 為什麼選擇這個案例？

長鑫（CXMT）生產 DRAM，華為供應 AI 加速器與相關系統；中國的大模型企業、雲端商、手機與工業用戶，則是兩者產品的直接或間接需求來源。兩家公司受到國產替代戰略的需求支持，仍可能在成本分配與銷售價格上意見不同。這是研究「國家目標」與「企業價格」分離的具體入口。

**注意：** DRAM 通用記憶體、伺服器 DDR5、HBM3E 與裝載記憶體的 AI 加速器，是不同的商品與技術層次；價格比較必須同規格、同交易口徑、同時點與同保固條件。

## 5.2 2026 年 7 月：供應商提高價格與買方議價

**OBS [S05]：** Reuters 於 2026 年 7 月 24 日引述知情人士，報導長鑫提高向部分中國客戶（包括華為）供應記憶體的價格，以及相關供應鏈爭議。報導指出若干產品報價可高於韓國競爭品，但屬特定客戶與交易條件下的訊息，不可概括成「長鑫所有 DRAM 都比三星貴」。[S05]

**推論：** 當記憶體供不應求時，國產供應商即使獲國家戰略支持，也可能按稀缺性、擴產成本、替代品選擇及自身利潤目標議價。這不需要假設國家干預已消失，也不需要假設任何一方違反國家政策。

## 5.3 2026 年 10 月：毛利與擴張能力的對照

**OBS [S06]：** Reuters 2026 年 10 月 30 日報導，長鑫 2026 年第三季營收約人民幣 1,187.1 億元（118.71 billion yuan）、歸屬股東淨利約 544 億元（54.4 billion yuan）、毛利率 89.53%。公司短期受益於價格上升、出貨與成本改善；股價當日報導時較 8 月高點回落約 32%。這是特定財報期間的觀察，不應直接延伸為永久高毛利與無限市場需求。[S06]

這組資料有三個重要區分。第一，企業可以在「國產化」政策下透過市場高價盈利；第二，企業盈利不等於所有下游客戶都降低成本；第三，股價下跌不等於公司在當季無法賺錢。

## 5.4 2026 年 10 月：HBM 良率的反向約束

**OBS [S07]：** Reuters 2026 年 10 月 28 日引述知情人士指出，長鑫擬開始有限量 HBM3E 生產，但其良率估計約 20%–30%，相較主要韓國競爭者約 70%；此為媒體引述的產業估計，非經公司獨立審核公布的標準化良率資料。[S07]

良率差距使相同名義產能未必換來相同合格出貨量。若缺乏同等良率、封裝、測試與軟體支援，單純增加晶圓投入、政府資金或廠房面積，不必按比例轉化為便宜且可用的 AI 計算能力。

### 研究用、非現實良率核算範例

假設相同設備與投入晶圓在標準化條件下分別取得 25% 與 70% 合格產出，則要取得相同數量的合格產品，前者的名義投入量約為後者的 2.8 倍：

$$
\frac{0.70}{0.25}=2.8.
$$

但實際成本與交期還受晶圓價格、每片晶片大小、工藝、封裝、能源、庫存與測試影響。**不能**把 2.8 倍視為兩家公司的實際總成本倍數；更不能把媒體估計值當作可精確直接比較的同質製程實測。

## 5.5 2026 年 9 月：華為自身也提高 AI 晶片報價

**OBS [S08]：** Reuters 2026 年 9 月 10 日引述產業人士稱，HBM 成本升高下，華為部分 Ascend 加速器報價相較此前報價提高約 20%–50%，具體依產品與契約而異；這是部分報價變化，不是華為所有產品的統一價格上漲。[S08]

**OBS [S09]：** Reuters 2026 年 9 月 17 日報導，華為表示國內 AI 設備需求高於現有供應能力，並展示後續昇騰及互連技術規劃；相關市場份額與產品性能的公司自述，仍須外部驗證。[S09]

華為同時是國內 AI 戰略供應商、部分記憶體產品的重要買方、加速器賣方與雲端／模型服務參與者。這些不同角色間存在內部與外部交易張力。從國家角度看可能是提升自主可控供應的手段；從華為的下游客戶角度看，卻可能是成本上升。

## 5.6 命題：國產替代不等於消費者低價

對稀缺商品，若一個供應商可以在有限產能下獲得高需求，並且沒有持續、具執行力的價格或補貼傳導約束，其利潤誘因可能是較高價格，而不是主動將全部補貼傳遞給買方。

**HYP-04｜成本與價格傳遞不充分：** 在高需求、產能緊張與有限競爭情境下，增加國產供應商的財務支持，不必在當期導致終端買價顯著下跌；改善供應安全的價值則可能早於價格下降出現。

**反向機制：** 若廠房擴產完成、良率改善、替代供應商增加、需求增速下降或政策與契約要求更強的價格傳遞，國產供應增加仍可能降低長期售價。長鑫的高價案例不能當作「國產化永遠無法降價」的證明。

---

# 6. 法國：主權 AI 訴求、私人資本與公共財政限制

## 6.1 2025 年宣布的產業投資，不等於已支出的公共預算

**OBS [S10]：** 法國總統府在 2025 年 2 月 AI 行動高峰會宣告，AI 相關基礎設施投資計畫合計超過 1,090 億歐元；這是跨來源、跨年限的**宣布投資計畫**，不能寫成法國政府於 2025 或 2026 年單獨支出了 1,090 億歐元。[S10]

法國的能源結構、核電、工業政策與歐洲數據主權需求，使其有條件吸引 AI 基礎設施與模型公司；但個別項目是否實際落成仍取決於融資、供電、客戶需求、土地與法規程序。

## 6.2 民營模型公司可能依靠跨國資本，而非純國家財政

**OBS [S11]：** Mistral AI 的 2026 年公開公告指出，完成約 30 億歐元 Series D 融資，投後估值超過 210 億歐元，投資人包括三星電子及其他基金。此為公司自述，應視為個別募資與估值事件，**不是**法國公共財政支付，也不保證投資人的未來回報。[S11]

其經濟意義在於：國家主權 AI 敘事可以與私人跨國融資並行；地理上在法國設立的模型企業，也可能使用跨境資金與全球企業客戶。

## 6.3 法國的跨期財政限制

**OBS [S12]：** OECD《2026 France Economic Survey》指出，法國 2025 年公共債務約占 GDP 115.5%、財政赤字約 5.1%；報告並提示後續的財政整頓需求。這些數字是總體財政資料，並不是 AI 專項預算或對某家模型公司償付能力的判定。[S12]

因此，即使某些 AI 項目有國家戰略價值，公共資金仍須與醫療、教育、國防、能源、老齡化及債務服務等其他支出競爭；但也不能據此推論法國的私人資本市場必然停止 AI 投資。

**HYP-05｜財政與主權分岔：** 當公共財政空間受限，而私人／國際資本仍可取得資源，主權 AI 發展可能更多依賴特定具有客戶、軟體與資本管道的企業，以及多邊合作，而不是完全依賴國家直接負擔大部分訓練成本。

---

# 7. 韓國：既是 AI 競賽參與者，也是全球訓練擴張的供應方

## 7.1 政府的 AI 投入規劃

**OBS [S13]：** 韓國科技主管部門在 2026 年 9 月公布 2027 年度預算**提案**：科技部門整體約 29.6 兆韓元，其中 AI 方向約 9.4 兆韓元，含半導體、physical AI、AI 資料中心及模型研發等。這屬於提案，不能直接寫成全部已於 2026 年支出或正式執行完畢。[S13]

韓國的政策目標兼含本國模型與產業 AI 自主、半導體技術進步、人才、應用與國內基建；不能只以「與美國爭最大模型」概括其全部政策。

## 7.2 外國超大型企業資本支出的傳導風險

**OBS [S14]：** Reuters 2026 年 10 月 27 日引述韓國銀行向國會議員提出的**悲觀情境測算**：若美國大型科技公司 AI 基建投資放緩，韓國半導體出口在 2027 年可能比先前預測低 500 億至 1,000 億美元，並可能對 GDP 成長造成約 0.4 個百分點的壓力。這不是已經發生的出口損失，也不是韓國銀行對 2027 年必然結果的無條件預測。[S14]

這個案例顯示：對某些國家，AI 全球擴張的主要收益，可能來自**賣記憶體給外國資料中心**，而不是直接擁有最強的前沿模型公司。

## 7.3 供應鏈受益與全球需求依賴可同時成立

韓國記憶體公司可因 HBM、DRAM 價格及供需緊張受益；但若全球 AI 訓練／推理資本支出突然放慢、產能投資已經做出，半導體價格與利用率又可能波動。故「韓國有強大 HBM 產業」和「韓國部分產業對美國 AI 投資周期高度敏感」不互斥。

**HYP-06｜外部需求暴露：** 半導體上游受益者的企業收入可以在全球 AI 擴張期顯著成長，卻不必提高該國全部家庭的即期購買力；當外部需求減速時，其出口價格與庫存對景氣調整會更敏感。

---

# 8. 日本：選擇性支援半導體、產業 AI 與物理部署

## 8.1 2024–2030 年的財政與民間投資框架

**OBS [S15]：** 日本經濟產業省公開的 AI／半導體產業基盤強化架構，規劃至 2030 財年度的七年公共支援超過 10 兆日圓，並希望帶動十年超過 50 兆日圓的官民投資；實際執行時，須符合產業競爭力、經濟安全及私人資本不足等條件。這是中長期框架及目標，不是 2026 年已支付全部數字。[S15]

值得注意的是，政府制定此框架時本來就含選擇性資助條件，並非宣稱任何 AI 模型、任何晶片公司都可以拿到相同資源。

## 8.2 2026 年 7 月的 AI 基本計畫與創新政策

**OBS [S16]：** 日本內閣府官方網站記錄，2026 年 7 月 14 日政府通過第二期 AI 基本計畫及整合創新戰略；內容重視研發、產業化、垂直／物理 AI 與產學合作。政策文件的存在，表示日本將 AI 視為多產業政策的一部分，而非只有大型模型訓練賽跑。[S16]

其戰略空間包括半導體製造、材料、機器人、工業軟體、部署及產業服務。若直接以「是否擁有與美國同規模的最大模型訓練」衡量日本在 AI 領域的全部選擇，會錯過其產業鏈分工與特殊應用優勢。

**HYP-07｜供應鏈分工的戰略替代：** 一國可不必在每代前沿模型能力競爭中投入最大訓練規模，而透過半導體製造、材料、工具、具身系統、工業軟體與特定應用形成可持續產業收益與技術自主的一部分。但這也不自動消除對他國模型或雲端的依賴。

---

# 9. 五國比較：不是排名，而是政策組合與限制類型

| 國家 | 可核對的截至 2026-10-31 方向 | 主要可分析限制 | 不應由觀察直接推出 |
|---|---|---|---|
| 美國 | 透過行政審批與能源／機房基建政策支持擴張；超大型企業進行高額私人資本支出 [S01][S02] | 股東回報、現金流、信用市場、電網、地方可接受性 | 國家支持等於每家民企投資獲利 |
| 中國 | 科技自主、模型效率、算力建設及產業 AI 並進；政策同時警告盲目投資 [S03][S04] | 半導體設備、HBM 良率、財政與地方投資、企業定價 | 已放棄 AI 或國內供應商必定低價 |
| 法國 | 主權 AI 與資料中心投資宣告；私人與跨國融資參與 [S10][S11] | 公共債務、財政整頓、電力／機房及客戶營收落地 | 公布之總投資等於政府支出或私人市場必衰退 |
| 韓國 | 本國 AI 研發／部署預算提案，並具國際記憶體供應產業 [S13][S14] | 外部 AI 資本支出、記憶體週期、出口價格與產能配置 | 供應鏈營收高等於本國全部產業無風險 |
| 日本 | AI／半導體多年公共支援、物理與垂直 AI 及產業政策 [S15][S16] | 產業選擇、項目條件、供應鏈成本、預算與實際落地 | 沒有最大基礎模型就退出全部 AI 競爭 |

**比較原則：** 各國公布數字包含實際歷史公共支出、未來預算提案、私人募資、投資宣告及中長期支援框架；它們不構成可直接相加比較的「國家 AI 投入總額」排行榜。本篇只比較政策與經濟機制，不建立政治評價名次。

---

# 10. 為何「供應鏈都是商人」是可檢驗的經濟命題

## 10.1 補貼不能自動穿透所有價值鏈

模型簡式下，某上游供應商取得 $s$ 的單位支持，若有效供給受產能約束、買方需求強烈，其市場價格可以保持高位；企業可將部分新增資源投入研發、擴產、償債或股東回報。僅由 $s>0$ 不能推出終端價格下降。

價格傳遞可定義為：

$$
\tau_p = -\frac{\Delta p_{buyer}}{\Delta s},
$$

其中僅在其他條件可合理對照、補助口徑與產品同質時才有可解釋性。 $\tau_p$ 可為正、接近零，甚至在需求同步暴增時因混雜因素而觀測為負。應利用政策或成本變化的因果識別，不應把相鄰期間價格差直接當作補助效果。

## 10.2 國家安全收益與消費者剩餘不是同一個方向

供應鏈自主可能先體現在危機時較低的中斷機率、更短的替代採購時間或技術自主權，而非當期售價。反之，某些高度補貼的擴產可能因需求誤判形成閒置資本及財政浪費，須按實際情境檢驗。

## 10.3 供給鏈上可以同時有贏家與輸家

假設記憶體市場供給緊縮，HBM 及 DRAM 報價上升：

- DRAM／HBM 上游有能力交貨者可能提高毛利。
- 模型訓練與 GPU 組裝企業的單位成本可能上升。
- 家庭記憶體或伺服器終端使用者的採購價格可能上升。
- 本國供應鏈對海外禁運的脆弱性可能降低。
- 新投資若在下一個周期集中完成，也可能帶來產能過剩與價格回落。

這是不同會計主體間的成本與收益轉移，不是供應鏈共同承受同樣損益。

## 10.4 競爭可能讓國產供應長期變便宜

與短期議價相反，若國內廠商逐漸改善良率、擴張有效產能並形成真正可替代競爭，市場均衡價可能下降。這是反向機制。不能用長鑫 2026 年某季高毛利率去斷言 2028 年記憶體仍會同樣昂貴。

---

# 11. 「選擇性減速」的四種非等價形式

**DEF-02｜戰略選擇性減速：** 在保持某些 AI 研發與部署目標的前提下，主動或被動降低對特定高資本密度技術路線的相對支出與擴張速度，並將部分資源轉往可改善成本、可得性或戰略韌性的替代路徑。

| 路徑 | 可能的資源轉移 | 與退出 AI 的差異 | 仍有風險 |
|---|---|---|---|
| 前沿訓練規模增速放緩 | 轉向現有模型後訓練、模型效率與推理服務 | 仍在進行模型研發 | 可能錯失前沿能力突破 |
| 硬體自研與供應鏈投入優先 | 轉向 HBM、EDA、製造良率、互連與開放軟體 | 是將供應能力作為目標 | 技術追趕成本與周期風險高 |
| 垂直／物理 AI 部署優先 | 轉向機器人、製造、能源調度、專用系統 | 不依賴每代最大模型才能應用 | 需求、驗證、現場安全與責任更複雜 |
| 跨國／跨公司合作與採購 | 開源、API、託管、合資、契約與替代供應鏈 | 利用專業化與相互供應 | 外部依賴、出口限制及政治風險仍在 |

對任何國家而言，選擇以上一項或數項都需要多維評價。不能把「不造最大的模型」視為不投入 AI，也不能將「擁有最大的模型」視為已取得完整產業自主。

---

# 12. 競爭賽局與跨期選擇權：為何不會單純一起停下？

## 12.1 戰略互動不等於所有人的收益同向

若兩國各可在「積極擴張前沿訓練」與「重配資源」中選擇，策略回報受對方選擇、民間參與、外交、安全風險及技術突破機率影響。不存在不需估計參數即可通用的「兩邊必然一起擴張」定理；同樣也不存在「一方減速另一方必然停止」定理。

| | 對方積極擴張 | 對方重新配置 |
|---|---|---|
| 本方積極擴張 | 高投入競逐；可取得能力也可能形成過度建設 | 擴張者可能取得前沿優勢，也可能獨自承擔過剩成本 |
| 本方重新配置 | 可降低短期資本壓力，但承擔能力差距風險 | 雙方皆可能提高效率或失去突破機會 |

此表為研究用的策略空間，**沒有提供任何國家實際效用或固定勝負名次**。

## 12.2 選擇權與路徑依賴

重大硬體或資料中心工程通常有長建造期與沉沒成本。企業若已簽長期購電與設備合約，即使想放緩，也不一定能無成本立即停工；反之，保留少量研發、設備人才或可切換供應商，也可能具有未來重新加速的選擇權價值。

定義僅供比較的策略資源配置向量：

$$
\mathbf z_{n,t} = \left(z_{frontier}, z_{efficiency}, z_{hardware}, z_{deployment}, z_{physical}\right),\qquad \sum_k z_k = 1.
$$

若 $z_{frontier}$ 降低，只有在絕對訓練投資、總支出與其他用途同時觀察後，才能判斷是「前沿支出下降」或只是「其他支出增長得更快」。

## 12.3 科技樹的多路徑持續性

前沿訓練規模的資本支出放緩，不表示軟體算法、應用、訓練後技術、推理服務、開源生態或工業實作必然停下；反之，不能因科技樹有其他分支進步，就宣稱任何特定分支的研究與人才流失沒有代價。

這也是 AIBT-01、02 和未來 AIBT-12 的共同邊界：**局部技術減速、資本周期下行與整體 AI 技術樹繼續擴散可以同時發生。**

---

# 13. 2027–2028 年候選情境：條件而非日期預言

## SCN-A｜戰略競賽持續升級

條件：模型能力與客戶需求高增長、國家及私人投資具可持續融資、物理瓶頸逐步解除。可能結果：新增算力、能源與晶片投資繼續增長，部分公司的自由現金流仍受壓但整體需求支持擴張。這會削弱普遍減速假說，不能因既有高估值就否認其可能性。

## SCN-B｜資本選擇性減速與架構替代

條件：既有模型對常用任務已足夠、前沿新增收益放慢、訓練和部署效率改善。可能結果：某些前沿支出增速降低，但高需求的推理、開源、國產元件、垂直與具身應用持續增加。國家政策可強調效率與用途，不必公開宣告退出競賽。

## SCN-C｜外部需求放緩與記憶體周期反轉

條件：美國雲端企業放慢新增機房、韓國／中國／其他國家已擴產的 DRAM/HBM 陸續供貨、需求增長低於預期。可能結果：記憶體價格、毛利與股價受壓；部分供應商退出或合併，但最終使用者可能獲得較便宜記憶體。這不是所有 AI 技術同步衰退。

## SCN-D｜技術衝刺快於實體交付

條件：模型與 Agent 工作負載繼續增長，但電網接入、變壓器、設備良率和高功耗機櫃仍為瓶頸。可能結果：名義簽約、建設公告與資本支出高，實際新增可用算力及落地收益卻較慢，並對其他電力用戶與地方社會造成壓力。

### 各情境的關鍵觀測指標

| 情境 | 支持訊號 | 必須排除的競爭解釋 |
|---|---|---|
| A | 有持續的實際設備交付、客戶現金回收及能效進步 | 單純公告或內部雲端轉帳沒有新增最終需求 |
| B | 前沿訓練預算占比下降、同品質任務成本降低、其他 AI 部署增加 | 只是財報重新分類，沒有真實資源重配 |
| C | 記憶體庫存上升、同規格價格下降、供應商指引下修 | 產品世代轉換或一般半導體週期，而非 AI 資本修正 |
| D | 電網／施工落後、設備排隊、低有效利用率、當地供電壓力 | 項目尚未到正常投產期，不應過早認定失敗 |

---

# 14. 實證設計與資料字典

## 14.1 國家政策—企業行為—市場結果三層面板

建議以季度 $t$ 觀察：國家 $n$ 、供應鏈環節 $s$ 、企業 $i$ 、產品規格 $g$。最低記錄以下欄位：

| 分析單位 | 變數 | 單位與必要口徑 |
|---|---|---|
| 國家／地方 | 已核准補助、實際支付、稅收優惠、擔保餘額 | 同一幣值、時間、是否為存量或流量 |
| 民間投資 | 公告、已簽合約、實際 CapEx、可交付產能 | 公告年份、年化、項目完成比例 |
| 財政 | 債務、利息、支出約束與替代用途 | GDP 比率、總預算口徑、歷史／預測 |
| 產能 | 可用 GPU、DRAM/HBM 合格良率、機房 MW | 產品世代、良率來源、可交付而非名義產能 |
| 能源 | 實際購電量、供電可靠性、接入等待時間 | 年度 TWh、MW、PUE 與邊際電價 |
| 企業 | 定價、毛利率、營運現金流、自由現金流、資本支出 | 分部／合併、季度／年度、會計政策 |
| 模型 | 指定任務成功率、推理成本、訓練成本、部署成本 | 固定品質、硬體、測試集和驗證準則 |
| 終端 | 同規格零件價格、客戶轉換成本、停機率 | 同幣值、稅費、售後與採購規模 |
| 社會 | 家戶電價、就業、地區建設成本、購買力 | 有無對照組、特定階層或地區 |

所有資料需維持原始來源、報導時間、適用期間、是否官方初始政策、自述或獨立統計、後續修訂紀錄；沒有原始報表時不得用一個新聞敘述替代完整因果估計。

## 14.2 六組可執行比較

1. **政策出台前後的定價：** 追蹤同一規格記憶體在相同通路、交易條件的價差，設無補貼／海外競品對照。
2. **產能與良率：** 比較宣布新增產能、實際合格出貨、單位耗電及交付時程。
3. **公私支出落地率：** 以實付及實際設備上線對比公布額，報告取消或延遲原因。
4. **國家間分工路線：** 分別量測前沿訓練、元件、基礎設施、工業應用的絕對支出與產出，避免只比較排名。
5. **信用周期與訂單：** 對照模型公司／雲端商 CapEx 指引與 HBM、伺服器、機房設備供應商銷售及庫存。
6. **消費者與社會成本：** 檢查工業 AI 專案的單位成果與電網、電價、土地、就業和公共服務變化，建立受益與受損群體分布。

## 14.3 效果識別注意事項

需要區分國家政策帶來的新供給，和全球 AI 景氣、匯率、產品換代、季節性採購、記憶體週期、出口管制等共同衝擊；可考慮差異中之差異、事件研究、產線對照與自然實驗，但不得未經檢驗就假設平行趨勢或排除內生選址／選廠問題。

---

# 15. 八項可否證假說與判準

| 假說 | 核心預測（條件性） | 可能支持的觀測 | 弱化、否證或必須改寫的觀測 |
|---|---|---|---|
| H01 戰略與企業定價分離 | 國產戰略供應商在緊缺時仍具市場議價力 | 同規格買價上升，且反映供給約束 | 成本變化被充分傳遞、具嚴格價格義務、長期低價穩定 |
| H02 物理建設速率限制 | 資本宣告先於有效產能交付 | 電網等待、HBM 良率限制、延期 | 大規模、按期、可持續的實際有效算力交付 |
| H03 選擇性減速 | 國家或公司降低最大模型訓練相對投入 | 其他 AI 技術用途增加但超大訓練占比下降 | 所有關鍵投入方向均持續同速擴張，且收益可支持 |
| H04 價格紅利不自動發生 | 補助不能當期完全傳遞至消費者價格 | 供應商盈利提高而終端價格未降 | 可識別之補助引起長期同規格有效價格下降 |
| H05 法國的公私財政分離 | 公共財政有約束時私人國際融資仍可持續 | 國際股權／企業採購支撐模型與雲端 | 私人投資同時枯竭或政府承擔全部融資 |
| H06 韓國外部需求暴露 | 上游記憶體景氣依賴國際 AI 建設周期 | 海外 AI CapEx 指引變動先於價格與出貨調整 | 國內需求／其他產業足以平滑長期外部衝擊 |
| H07 日本產業分工替代 | 垂直、半導體、物理 AI 可在非最大訓練路徑下產出 | 跨產業部署收益、國內設備與服務出口增加 | 缺乏可付費需求或關鍵依賴反而上升 |
| H08 競賽不是永久無限財務承諾 | 戰略意願受成本、財政與技術回報節制 | 指引下修、用途重配、項目績效條件收緊 | 持續可負擔的公共與私人融資，外溢收益高於負擔 |

「支持」與「反駁」都要求明確的時間窗口、統計口徑與對照組。單一國家、一筆報價、一份財報或一次股價下跌，不足以證成全球普遍定律。

---

# 16. 與下一篇 AIBT-04 的接口

AIBT-03 已將國家、財政、上游供應商、模型企業與消費者拆成不同經濟主體。下一篇 AIBT-04 將問：當資本與模型採購逐漸集中至少數核心供應商時，市場究竟把哪些企業視為可持續的「核心席位」？這是否造成投資組合的路徑依賴、跨層垂直整合及後進者的不可替代性審查？

需要傳遞的資料與研究問題：

- 前沿模型公司、雲端平台、晶片製造、HBM 供應與 AI 應用是否形成不同集中度。
- 政府產業政策是否對企業市占率產生有利、無效或反效果的區域差異。
- 為什麼某個國家技術自主的改善，不必對應該國單一模型企業的股東獲利。
- 中國長鑫／華為的供應鏈議價如何與美國科技公司的採購權力和韓國 HBM 產業競爭比較。
- 「贏家預期」與「投資者實得報酬」如何分離，避免將競爭者數量與股價價值機械等同。

---

# 17. 階段性結論

「地緣政治」能夠提高前沿 AI 與半導體的戰略權重，但其主要作用是**改變政府與企業願意接受的成本結構及風險分配**，不是取消物理資源稀缺與跨期資金限制。國產化可能提高供應安全，卻未必立即帶來低價格；上游記憶體在短缺時盈利，下游模型與應用商則可能更難回收投資。國家不必放棄 AI 就可以調整策略；市場不必停止發展就可以重新定價。

2027–2028 年若真的發生投資周期修正，它可能表現為部分民間建設延後、上游記憶體價格反轉或資本市場估值重新配置，而不是一場簡單的「誰先退出 AI 競賽」的故事。若反過來，創新收益、晶片良率、電網接入與應用收入充分支撐擴張，選擇性減速假說就必須依證據修訂。

**最終命題：國家競爭不是企業必然盈利的充分條件；企業盈利不是國家整體福利的充分條件；國家投入 AI 也不是無限制而永遠不改變方向的承諾。**

---

# 參考來源（截至 2026-10-31；數值按原始幣值與期間保留）

### 系列前置文獻

- **[R00]** AIBT-00，《AI 泡沫、產業重整與文明適應論：研究總綱》，2026-10-31，EveMissLab 原始 UTF-8 Markdown。
- **[R01]** AIBT-01，《AI 泡沫不是技術終結：估值、現金流與投資回收期限》，2026-10-31，EveMissLab 原始 UTF-8 Markdown。
- **[R02]** AIBT-02，《算力資本密度、能源約束與參數量悖論》，2026-10-31，EveMissLab 原始 UTF-8 Markdown。

### 公開、具時間與來源之資料

1. **[S01]** IEA, *Key Questions on Energy and AI*, Executive Summary, 2026-04-16. https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary  
   使用：2025 年資料中心用電、2030 年預測、HBM／電網限制、超大型企業資本支出與金融融資條件；報告中央情境非已發生數據。
2. **[S02]** The White House, *Executive Order 14318: Accelerating Federal Permitting of Data Center Infrastructure*, 2025-07-23. https://www.whitehouse.gov/presidential-actions/2025/07/accelerating-federal-permitting-of-data-center-infrastructure/  
   使用：AI 資料中心與能源供應的國家政策、各式可能金融支持工具、執行須依法律及撥款；不當作任何項目已獲全額融資。
3. **[S03]** 中國政府／新華社，《中華人民共和國國民經濟和社會發展第十五個五年規劃綱要》，2026-03-13。https://www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/2026/2026_zt03/yw/202603/t20260314_1430877.html  
   使用：模型架構、算法、算力、科技自主、工業 AI 與綠電協同之正式規劃；規劃文字不能當作所有政策已完成。
4. **[S04]** Reuters, *China vows to curb tech bubbles, keep AI risks in check*, 2026-10-09. https://www.marketscreener.com/news/china-issues-guidelines-for-new-productive-forces-including-ai-ce785ddfd08bf422  
   使用：中國警告盲目投資與過度擴張，同時繼續 AI 支持；二手轉載，與正式規劃交叉核對。
5. **[S05]** Reuters, *China’s memory chip makers ride AI boom to new power — and U.S. scrutiny*, 2026-07-24. https://www.reuters.com/world/china/chinas-memory-chip-makers-ride-ai-boom-new-power-us-scrutiny-2026-07-24/  
   使用：長鑫與華為特定供應價格爭議；主要依知情人士敘述，非普遍統計。
6. **[S06]** Reuters, *China’s CXMT reports quarterly profit after Asia’s biggest IPO this year*, 2026-10-30. https://www.reuters.com/world/asia-pacific/cxmt-turns-third-quarter-net-profit-544-billion-yuan-2026-10-30/  
   使用：2026 Q3 營收、歸母淨利、毛利率、股價變動；財報時點固定，不外推所有年份。
7. **[S07]** Reuters, *China’s CXMT to start advanced AI memory production despite poor yields, sources say*, 2026-10-28. https://www.reuters.com/world/china/chinas-cxmt-start-advanced-ai-memory-production-despite-poor-yields-sources-say-2026-10-28/  
   使用：HBM3E 有限量供應計畫及知情人士良率估計；不宣稱正式實測已公開。
8. **[S08]** Reuters, *Exclusive: China’s AI chipmakers raise prices as high-bandwidth memory shortage bites*, 2026-09-10. https://www.investing.com/news/stock-market-news/exclusivechinas-ai-chipmakers-raise-prices-as-highbandwidth-memory-shortage-bites-4894950  
   使用：華為部分加速器報價的區間變動，非統一售價。
9. **[S09]** Reuters, *China’s Huawei says AI chip demand outstrips supply as it steps up Nvidia challenge*, 2026-09-17. https://www.reuters.com/world/asia-pacific/chinas-huawei-launch-two-new-ai-chips-2027-2026-09-17/  
   使用：華為公開供應限制與產品路線之公司自述；市場份額另待檢驗。
10. **[S10]** Élysée, *Make France an AI powerhouse*, 2025-02-11. https://www.elysee.fr/en/emmanuel-macron/2025/02/11/make-france-an-ai-powerhouse  
    使用：超過 1,090 億歐元 AI 基礎設施投資**公告**；不是 2026 年已支付國庫金額。
11. **[S11]** Mistral AI, *Making sovereign, open-weight AI the technology frontier*, 2026 年公司公告。https://mistral.ai/news/mistral-makes-sovereign-open-weight-ai-to-frontier/  
    使用：30 億歐元 Series D 與投後估值，公司自述，非政府直接支出。
12. **[S12]** OECD, *OECD Economic Surveys: France 2026*, Executive Summary, 2026. https://www.oecd.org/en/publications/oecd-economic-surveys-france-2026_e88a1716-en/full-report/executive-summary_54991856.html  
    使用：2025 年財政赤字與公共債務比率、財政約束；勿與 AI 專項混淆。
13. **[S13]** 韓國政府政策簡報，《2027 年度科學技術資訊通信部預算案》，2026-09-01。https://www.korea.kr/news/policyNewsView.do?newsId=148971010  
    使用：29.6 兆韓元部門預算案、AI 約 9.4 兆韓元提案；非已實際支付。
14. **[S14]** Reuters, *Bank of Korea warns country's chip exports could fall by up to \$100 billion if AI spending slows*, 2026-10-27. https://www.reuters.com/world/asia-pacific/bank-korea-warns-countrys-chip-exports-could-fall-by-up-100-billion-if-ai-2026-10-27/  
    使用：韓國銀行的悲觀情境，非既定結果或基準預測。
15. **[S15]** 日本經濟產業省，《AI・半導體産業基盤強化フレーム》，2026-05-14 版本。https://www.meti.go.jp/policy/mono_info_service/ai_semiconductor_frame/ai_semiconductor_frame.html  
    使用：七年公共支援超過 10 兆日圓、十年官民投資超過 50 兆日圓及政策條件；非全部實付。
16. **[S16]** 日本內閣府，《人工知能基本計畫》（第二期）及《統合イノベーション戦略2026》，2026-07-14。https://www8.cao.go.jp/cstp/ai/ai_plan/ai_plan.html ；https://www8.cao.go.jp/cstp/tougosenryaku/2026.html  
    使用：國家正式 AI 與產業創新策略；本稿不直接分析其 PDF 原文或對其作未核對的細部數字主張。

---

## 附錄 A｜證據與主張映射表

| 主張 | 依據 | 強度與限制 |
|---|---|---|
| 2025–2026 年 AI 相關基建與 HBM 緊張 | [S01] | IEA 綜合研究與情境預測；不同年份口徑不同 |
| 美國國家政策支持基建，但條件依撥款 | [S02] | 白宮公開行政文件；不是每個項目的支出明細 |
| 中國維持 AI 自主政策且反對盲目投資 | [S03][S04] | 官方綱要＋Reuters 報導；不能直接推導 2027 投資方向 |
| 長鑫與華為價格爭議 | [S05] | 匿名消息；缺少全部合約原文，故不概括所有產品 |
| 長鑫當季財務 | [S06] | 期間性財報數字，不能作長期預測 |
| HBM 良率落差 | [S07] | 產業人士估計；未必與國際廠同口徑 |
| 華為設備需求與報價 | [S08][S09] | 部分報價與公司公開敘述；需外部市場驗證 |
| 法國主權投資公告和私人募資 | [S10][S11] | 不同資金類別與時間，不能相加當國庫支出 |
| 法國總體財政 | [S12] | OECD 歷史資料與展望，非 AI 企業償債能力 |
| 韓國預算案與出口壓力 | [S13][S14] | 提案與悲觀情境；不得當成已實現 |
| 日本 AI 半導體政策 | [S15][S16] | 中長期支援框架及戰略網頁，與年度實支不同 |

## 附錄 B｜未驗證問題與後續更新機制

1. 長鑫對華為及其他客戶的完整採購合約、可直接比價的同規格晶片、供貨與付款條件，目前不在公開證據中；後續若取得應修正任何過強的價格判斷。
2. 長鑫 HBM 良率來自媒體知情人士；正式工廠、製程、測試標準與量產驗收結果若公開，必須重新計算比較。
3. 法國 AI 投資公告需逐案追蹤供電與落地率；投資承諾不能等同建成。
4. 韓國 2027 年度預算案後續法定審議結果、2027 年出口數據不能用 2026 年時點的預測代替。
5. 日本框架的年度實際支付、民間投資誘發量和生產能力須另核對；不以十年承諾額除年限當作實付。
6. 美國大型雲端與基建企業分部資訊不完全一致；跨公司比較時須拆開業務範圍、合併口徑與資料中心財產權。
7. 每次更新保留新舊資料版本，分別列出 OBS、DEF、HYP、SCN，不能讓後來已知的 2027 結果滲入本稿 2026 年的原始預測表述。

**本稿定稿狀態：2026-10-31 v0.1 canonical source。**