億萬富豪不是名單，是市場替算力供給鏈開出的定價表

01｜財富怎麼被算出來

如果把富豪名單當成結果，更值得探索的方式是它背後的計算方式。最常見的公式其實很精簡：股權（或持股比例）乘上可交易估值（股價與市值），再扣掉折價、鎖定期等現實條件。這也解釋了為什麼同樣喊 AI 有些人會被算進「新富」，而有些人則不會。

彭博億萬富翁指數（Bloomberg Billionaires Index）提供了一個可回查的例子：寒武紀（Cambricon）共同創辦人、董事長兼執行長陳天石（Chen Tianshi）的財富，多數來自對寒武紀的持股。這個結構本身就在提醒：市場並不是替「AI 這個概念」付錢，而是替「某個可交易、可承接預期的供給位置」付錢。

02｜算力、晶片、出場機制、政策協調，這些都是稀缺資源

把話講直白一點：誰掌握稀缺資源，誰就更有機會捕捉價值。而所謂的稀缺資源不是抽象名詞，而是可以明確指出的。

首先，算力背後是電力與資料中心的承載。算力不是買伺服器就結束，真正卡住的常常是機房上架、用電、散熱、供電穩定度，以及「能不能按期交付」這種營運層級問題。

其次，AI 晶片牽動的是供給與交付節奏。市場對晶片的關注，往往不是因為它某個 benchmark 贏了多少，而是它能不能穩定出貨、能不能進入資料中心的採購清單、能不能在供應受限時成為替代路徑。

最後，資本市場需要出場機制，才能把高風險敘事變成可交易資產。你可以把它理解成一套「把故事變成資產負債表」的制度設計。

路透社在報導 Moore Threads 上市時，幾乎是把市場熱度直接放在「自給自足」這件事情上：IPO 募資約 11 億美元，首日股價大幅上漲。這其中的微妙之處在於，市場所追的未必是單一公司的技術細節，而是它所代表的供給位置，是否可能成為長期稀缺的「關鍵零組件」。

同一時間，路透社也報導李強曾提到的，要更好協調電力與運算資源，以支撐 AI 發展的規模化與商業化應用。把兩段訊息放在一起看，你會更容易理解市場到底在買什麼：它買的不是「AI 很熱」，而是「供給會被拉成長期」的可能性。當政策開始用資源協調的語言描述 AI，資本市場就更容易把它解讀成一條更長、更穩的需求曲線。

03｜為什麼缺口可能會被拉長：規則是一套會演進的治理工具

你可能接著會問：為什麼市場會覺得缺口「可能會拉長」？

美國商務部旗下的工業與安全局（BIS）在公開頁面把 2022 年 10 月 7 日、2023 年 10 月 17 日這兩次與先進運算、半導體製造相關的出口管制內容放在同一個脈絡下整理。若是把這兩個時間點並排著看，你其實會更容易抓到一個重點：出口管制比較像一套會隨情勢演進、持續微調判準的治理工具，而不是只講一次就定案的聲明。隨著規則持續更新，企業端就更容易把「算力取得」視為產品節奏的硬性限制，因此，這就不光是成本的問題，還要看交付時程能不能成立。相對地，資本市場也更可能把「能補缺口的供給」當成可以長期下注的選項。

路透社曾引述 NVIDIA 執行長黃仁勳的說法：出口管制反而推動中國加速本土替代。這當然是產業觀點，不是結論，但它剛好踩在市場的心理預期上，也就是缺口不會很快消失，甚至可能被拉得更久。

這裡的推論不是「一定會這樣」，而是有前提的。假如出口管制開始鬆動，或是授權條件變得更寬鬆，很多原本卡住的缺口變小了，那市場把高估值壓在「本土供給端」的理由就會變弱，因為不再那麼稀缺了。相反地，如果規則變得更細、管得更到位，甚至連「用途能不能用在某些場景」以及「要符合哪些合規條件」都直接寫進交易條款，那供給端的稀缺就更可能被拉長，資金與估值也更容易集中到少數關鍵環節上。

04｜三種「新富」路徑：持股變貴、上市定價、故事加分

如果把焦點從人物移開，改從算力供給鏈來看，你會發現所謂「AI 新富」大致有三種形成方式。

第一種，其實很單純，就是持股變貴。像陳天石這類案例，財富增加並不是因為公司突然賺進大量現金，而是因為上市公司股價上漲，原本持有的股份變得更值錢。富豪榜只是把這些持股用當天的股價換算成淨值，數字自然就被放大了。

第二種，是上市定價。Moore Threads 在科創板（STAR Market）掛牌，IPO 募資約 11 億美元，首日股價明顯上漲。對市場來說，這是在為未來下注；但對創辦團隊與早期股東來說，意義在於股權第一次被公開市場標價。原本只是紙上估值，現在變成有市場價格的資產，價值被正式算進帳本。

第三種，是故事帶動估值，但風險同時存在。路透社報導 MetaX 上市首日大幅上漲，IPO 募資約 6 億美元。不過報導也提醒，公司仍在虧損，與全球領先者之間還有技術差距。也就是說，市場願意給高評價，但質疑聲音並沒有消失。

如果把整段話濃縮成一句比較務實的判斷：資本市場確實在為「本土算力供給」這個方向買單，但同樣的公開資料也在提醒估值可能偏熱、交付能力還需要時間驗證。富豪名單更像是一張資本與權力集中位置的地圖，而不等於技術已經全面勝出。

05｜兩個觀察指標：把熱度與實力分開看

接下來會怎麼發展？與其急著猜誰會進富豪榜，不如看兩個比較實際、也比較能驗證的指標。這兩個指標，可以幫你把市場熱度和真正實力分開。

第一個，是交付與採用。

關鍵不在技術簡報講得多漂亮，而在本土 AI 晶片公司能不能真的持續拿到大型客戶，並把合作做成穩定的生意，而不是一次性專案。觀察時可以抓三個簡單線索：

一，看有沒有公開可查的客戶與續約訊號，例如同一客戶持續追加採購、或擴大部署規模。

二，看出貨與量產是不是穩定，而不是偶爾衝一次高峰。交付週期如果不穩，再多故事都很難變成長期收入。

三，看營收結構有沒有改善，例如收入是否從專案型慢慢走向較可預測的合約型，現金流品質是否提升。

如果這三件事站得住腳，代表實力正在累積，而不只是話題升溫。

第二個，是規則與供給環境。

出口管制與授權條件會不會再變得更細、更嚴，甚至把合規條件直接寫進交易限制，這會影響整個供給缺口能維持多久。路透社曾報導，美國商務部長 Howard Lutnick 提到，輝達對中銷售 H200 晶片需要符合更具體的管制條件。這類規則變化，會直接影響供給端的稀缺性。

簡單說，第一個指標決定故事能不能變成現金流；第二個指標決定稀缺能維持多久、估值能撐多久。把這兩條線分開看，才不會被短期熱度帶著走。

總結｜把「新富」當成地圖，而不是勝利宣言

彭博社把「中國 AI 新富」整理成一個群像，其實是在提醒一件事：資本市場已經開始把某些算力供給位置，當成可以被標價、被結算的資產。換句話說，錢正在往特定環節集中。

但另一面，路透社對 Moore Threads、MetaX 的報導，也讓這條路徑變得更清楚。你看到的是募資規模、上市首日的熱度；同時也能看到公司仍在虧損、估值偏高，以及與全球領先者之間可能存在的技術差距。熱度與風險，是一起出現的。

真正有用的，不是去記住誰上榜，而是把這些案例轉成幾個可以放回自己公司決策桌上的問題。

第一，你的算力來源有沒有備案？如果主要供應出現限制，還有沒有替代方案？
第二，你的法遵與供應鏈策略，跟得上規則持續變動的速度嗎？還是每次都被動應對？
第三，你怎麼判斷一家公司或一個技術，是有真實交付能力，還是只有市場熱度？你看的是簡報與估值，還是看導入案例與現金流？

把「新富」當成一張資本流向的地圖，而不是技術已經勝出的宣言，或許更接近企業決策真正需要的角度。

FAQ

Q 1｜為什麼中國 AI 新富的出現，不能只當成富豪榜新聞來看？

因為富豪名單本身是一種「市場定價結果」，而不是起點。當 Bloomberg 把中國 AI 新富合計財富整理成約 1,005 億美元時，那代表資本市場已經替某些算力供給位置完成標價。

富豪淨值的計算，通常來自「持股比例 × 市值」，而市值反映的是市場對未來供給能力與成長性的預期。

換句話說，這不是單純的個人致富故事，而是市場在回答一個問題：哪些算力、晶片與資料中心位置，被視為長期稀缺？

因此，這類名單更像是一張產業權力結構地圖，而不是八卦新聞。

Q 2｜資本市場到底在為什麼買單？是技術實力，還是政策紅利？

資本市場同時考量三件事：

第一，是供給位置是否可交易、可擴張。例如上市公司股權是否能承接預期，是否具備公開市場流動性。

第二，是供給缺口是否可能被拉長。若出口管制、授權條件與合規要求持續演進，市場會假設供給替代需求具有長期性。

第三，是交付能力是否能轉化為穩定收入。技術簡報與 benchmark 分數不是核心，能否穩定出貨、取得大型客戶、維持現金流才是關鍵。

因此，市場買的不是「AI 很熱」，而是「稀缺供給 + 可交易資產 + 預期成長曲線」。

Q 3｜出口管制為什麼會影響估值？

出口管制改變的是供給結構，而不只是成本。

當規則從一次性公告，變成會持續微調判準的制度工具時，企業端就會把算力取得視為產品節奏的硬性限制。

如果供給缺口難以快速補上，本土替代路徑就可能被市場視為長期機會。相反地，若規則鬆動，缺口縮小，原本壓在本土供給端的高估值就會面臨重新評價。

因此，出口管制本質上影響的是「供給稀缺性維持多久」，而估值高度與稀缺時間長度密切相關。

Q 4｜如何分辨估值熱度與真實實力？

可以觀察兩個核心指標。

第一，是交付與採用。包括是否有公開可查的大型客戶、是否出現續約與追加採購、出貨節奏是否穩定、收入是否從專案型轉向合約型。

第二，是規則與供給環境。出口管制是否持續細化？合規要求是否提高？這些都會影響供給端的稀缺程度。

若公司能在規則變動下仍維持交付能力，代表實力正在累積。若營收高度依賴市場情緒與敘事，而交付能力尚未驗證，則估值波動風險較高。

Q 5｜對台灣企業決策者而言，最實際的啟示是什麼？

第一，算力應被視為營運風險，而不是單純設備採購。企業必須盤點算力來源是否具備備援與替代方案。

第二，法遵與供應鏈策略必須同步升級。若規則持續演進，單次合規審查並不足夠，必須建立持續監控機制。

第三，評估合作對象時，應將「交付能力」與「估值熱度」分開分析。觀察現金流品質與出貨穩定度，比短期市值波動更重要。

簡單說，真正的競爭不在於誰先喊出 AI 口號，而在於誰能在不確定環境中穩定運轉。

Q 6｜中國 AI 新富現象是否代表技術已全面超越全球領先者？

目前公開資料並不支持這種結論。

部分公司仍在虧損階段，與全球領先者之間存在技術與製程差距。市場願意給予高估值，代表對供給位置與替代需求的預期，而不等於技術全面勝出。

因此，這更像是一場結構性重組，而不是單點技術競賽。理解供給缺口、規則演進與資本流向，比單純比較模型分數更重要。

參考資料：

• China's Rising AI Billionaires

• Chen Tianshi - Bloomberg Billionaires Index

• Moore Threads, 'China's Nvidia', soars over 400% in Shanghai debut

• MetaX shares rocket 700% in debut as China AI chips push gathers speed

• China should support AI advancement with power, computing resources, premier says

• BIS updated public information page on export controls imposed on advanced computing and semiconductor manucturing items to the People’s Republic of China (PRC)

• Nvidia must live with guardrails around its AI chip sales to China, Lutnick says

相關閱讀推薦：

• 新聞速讀｜華爾街日報指出中國頂尖 AI 開發者轉悲觀，關鍵卡在先進晶片

• 精選解讀｜中國為「像人一樣的 AI」劃下紅線，監管開始介入人機關係

• 精選解讀｜當資本開始厭倦算力神話：全球資金為何重新計算中國 AI 的風險與價值？

• 新聞速讀｜百度加速自研AI晶片　重啟中國AI產業成長動能

• 新聞速讀｜中國晶片堆疊在出口封鎖下挑戰 Nvidia AI 規則

• 新聞速讀｜Databricks 創辦人倡議美國擁抱開源 AI 應對中國挑戰

• 精選解讀｜全球 AI 競賽進入新階段：Kimi K2 Thinking 成為中國開源模型新指標

• 精選解讀｜中國無人計程車全球出擊，自駕車產業迎戰國際新局

• 精選解讀｜李開復警告：美國在AI硬體上逐步落後於中國

• AI 新聞速報｜中國稀土出口新管制震撼全球半導體　台灣、ASML等業者迎來供應鏈危機

• 精選解讀｜中國工廠AI自動化浪潮來襲：人口紅利結束，機器人與AI重塑製造業未來

• AI 新聞速報｜華為宣佈三年內挑戰 Nvidia中國 AI 晶片自主戰略揭開新序幕

• 精選解讀｜阿里巴巴 AI 晶片加速戰：中國聯通攜手落地，產業自主路線的關鍵一役

• 精選解讀｜中國 AI 晶片突圍戰：直追輝達，能否打破美國科技封鎖？

• AI 新聞速報｜螞蟻集團正式進軍機器人戰場：中國 AI＋製造升級關鍵分水嶺

• 精選解讀｜中國的 AI 路線圖：務實應用優先，會比美國的 AGI 更聰明嗎？

• 精選解讀｜當資本開始厭倦算力神話：全球資金為何重新計算中國 AI 的風險與價值？

文/ InfoAI 編輯部

AI 時代的思考力革命｜AI 素養，不是學技術，而是拿回主導權的能力升級

與 AI 一起思考，成為能定義方向的人

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。

如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［QRCode］／［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。

AI 協作聲明：

本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。

JUDGEMENT

We help you make better judgement about AI.

不是更快知道 AI 新聞，而是更早做出你能承擔後果的判斷。

InfoAI 存在的目的
是把 AI 的變化，轉換成可被理解、可被評估、可被行動的判斷框架。