近期人工智慧相關股票的拋售潮，將一份安全與治理聲明視為資本支出週期的衝擊，星展集團認為這種看法過於武斷。本質上，Anthropic 執行長 Dario Amodei 提出的“放緩AI前緣模型的發展步伐”的理念，意味著要刻意放慢頂尖人工智慧技術的發展速度，以確保安全和協調以及治理能夠跟上步伐的呼籲，隨後得到了OpenAI的執行長Altman、馬思克及其他科技領袖的背書，這並非是要停止模型訓練或技術進步。相反地，這是一項提議，旨在放緩能力提升的速率，以便評估、協調和治理措施能同步跟上，進而構建一個更具永續性的未來。Altman後來補充強調，“放慢步伐並不意味著停止”。

事實上，這裡有一個值得考量的新脈絡：更嚴格的評估標準、能力門檻以及更長的發布週期，可能會推遲下一次大規模的預訓練模型運行。這對於那些盈餘模型仍建立在更大型、更頻繁的前沿算力叢集（Frontier Clusters）之上的個股來說，影響較為顯著。但這並不意味著廣泛的AI基礎設施支出需求會崩盤，也不代表AI題材正在消退。近期從晶片與記憶體類股轉向軟體與網路安全公司的類股輪動，更多地反映出市場正轉向AI部署、防禦及任務關鍵型架構，而非“AI 泡沫化”的觀點。

至於前沿模型是否真的會放緩，目前仍是未知數。AI 現正處於技術創新、爭奪市場率的商業競爭，以及國家安全考量的交匯點。因此，無論是西方還是東方的業界領袖，都將持續推動開發專有AI能力，並建立穩健的使用者介面。

中國對於科技領袖們的呼籲反應明確，將此類說法形容為“散布恐懼”，認為這會擾亂全球治理，而官方媒體則將該計畫框架為“冷戰劇本”。川普的評論也指向相同的方向。競爭、主權以及搶佔先機的價值，仍然是持續建設與創新的務實理由。

若這種放緩現象確實存在，其提出的理由本身即是一種背書。引發此波“放緩”的觸發因素並非產品週期失敗或資本支出削減，而是一種說法：系統正接近遞歸式自我改進，智能體集群可能在數月內造成大規模破壞。這是一項權力的宣示：最接近前沿領域的人士認為，能力曲線已經超越了安全曲線。這種說法強化了算力的核心看漲論點，而非削弱它。設定安全防護措施會增加搶先的成本，而不是消除現有生產模式背後所需的產能。

前沿模型（Frontier models）僅是資本支出堆疊中的眾多層級之一。另一個重要事實是，AI 資本支出不僅是由下一個旗艦級訓練運算所驅動：

• 推論與部署（Inference and deployment）： 來自已嵌入企業軟體、程式編碼、搜尋、廣告、服務及代理中模型的Token使用量。
• 訓練後處理與安全（Post-training and safety）： 即便前沿模型的預訓練時程有所延宕，微調、模型評估、紅隊演練（結構化的安全演練）及安全部署仍會增加工作負載。
• 長週期實體設備（Long-cycle physical plants）： 高頻寬記憶體（HBM）、晶圓製造、先進封裝、測試、網路、儲存、冷卻系統、電力變電站及電網連接等規劃，皆是以跨季及跨年的長期視角進行。因此，大型雲端業者（Hyperscaler）的資本支出指引，是錨定於電力供應能力與晶圓廠交期，而非單一模型的發布時程。
• 企業執行（Enterprise execution）： 企業採用技術的優先考量日益集中於數據、整合、工作流程及治理層面，而不僅僅是基準測試。

多種前沿模型可以與對人工智慧服務、部署和營運的持續投資並存。因此，資料中心擴建和生態系統建設是長期投入，不會因呼籲“放緩”前沿模型的發展步伐而逆轉。

持續選擇性佈局。所謂的“放緩發展步伐”可能會改變最大規模訓練運算的時程，但並未顛覆其核心邏輯：人工智慧仍然具有重要的戰略意義、商業價值和基礎設施密集特徵。看好上游科技供應商、半導體創新企業、電力公用事業、電網受惠者，以及專注於推理和企業部署的公司。

持續看好具備供給紀律，且在部署、訓練與推論領域能見度較高的上游業者：包括先進運算（Leading-edge compute）、先進邏輯晶片（Leading-edge logic）、先進封裝、高頻寬記憶體（HBM）與記憶體、網路設備及光學元件。同時，我們認為將電力與電網設施相關領域納入投資組合，作為輔助性的配置亦相當合理。畢竟，即使是在技術能力競賽速度放緩的情況下，仍舊需要電力、變壓器、開關設備及冷卻系統。這代表著市場正從僅仰賴下一次前沿模型發布的敘事，轉向由部署、業務連續性及電力需求所驅動的新階段。