EP330. 輝達 GPU 要漲價、中國機器人跑很快、特斯拉新消息更新 | M觀點

M觀點 · 2026-08-24

重點

章節

其他節目怎麼看

這一集談到的個股裡，有 8 檔在發布前 30 天內也被其他節目談到（同期共 9 個節目）：1 檔與其他節目同向、0 檔相反。

比較的是各節目公開說法之間的異同，不是對股價的判斷。看多、看空怎麼判定

輝達 GPU 漲價 15% 的底氣：AI 算力市場供不應求與中國機器人賽跑破紀錄的商業化迷思

近期輝達通知大型客戶其GPU伺服器將於明年初漲價至少15%，此舉反映出AI算力市場極度供不應求的現狀，且漲價壓力部分來自記憶體成本飆升。同時，中國人形機器人在百米賽跑中打破人類世界紀錄，雖然展示了運動控制演算法的進步，但距離真正的商業化與通用工作能力仍有巨大鴻溝。

輝達 GPU 漲價 15% 的背後：記憶體成本轉嫁與供不應求的鐵證

市場傳出輝達已通知微軟、谷歌、亞馬遜和甲骨文等大型客戶，其GPU伺服器價格將在明年初普遍上漲至少15%。此次漲價不僅涵蓋下一代Vera Rubin平台，連現有的Blackwell世代（如B200、GB300等）也一併調漲，顯示出AI算力市場的需求遠超供給。

值得注意的是，輝達此次漲價的關鍵原因之一在於記憶體成本的飆升。由於高頻寬記憶體供不應求，記憶體製造商的毛利率據傳已拉升至80%左右，遠高於台積電等晶圓代工廠的獲利水準。這迫使輝達必須將成本轉嫁給終端客戶，也解釋了為何各大科技巨頭在最新財報季紛紛調高資本支出，主因正是記憶體漲價而非伺服器採購量增加。

從市場供需角度來看，輝達敢於在此時大幅漲價，代表其對未來的訂單能見度極具信心。即使H100/H200等舊款晶片的租賃價格仍居高不下，且新一代Blackwell大量出貨在即，市場依然處於「一卡難求」的狀態。這也間接證明，儘管ASIC與TPU的競爭加劇，但在電力供給有限、單位算力產出Token量成為關鍵的背景下，輝達的GPU仍具有難以撼動的單位經濟優勢。

中國機器人賽跑破紀錄：一場秀的背後，運動能力與工作能力的巨大鴻溝

在北京世界人形機器人運動會的百米賽跑預賽中，中國人形機器人「天宮Ultra」與「榮耀Lightning」分別跑出9.39秒和9.47秒的成績，打破了人類短跑傳奇博爾特保持的9.58秒世界紀錄。雖然這展示了中國在機器人運動控制演算法與物理力學控制上的顯著進步，但從商業化角度來看，這更像是一場精心設計的技術秀。

這些機器人在衝過終點線後無法自主減速或轉彎，只能撞上防護墊停止，顯示其運動能力是為了直線衝刺進行了過度優化，犧牲了泛用性。這類為了特定任務（如賽跑）而設計的極限性能，往往是以犧牲零件壽命為代價的，類似於F1賽車的技術，雖然酷炫但短期內難以直接應用於一般商用汽車。對於人形機器人而言，真正的商業價值在於穩定的操作機械、搬運重物和精準放置物品，而非追求極限的跑酷或短跑能力。

回顧波士頓動力的發展歷程，其極限運動能力雖強，卻因缺乏真實世界的工作能力而屢遭轉賣。這凸顯出當前人形機器人產業的核心命題：如何從「看起來很酷」進化到「實際上能用」。中國機器人產業在運動控制上的突破值得肯定，但若無法解決真實工作場景中的泛化能力與耐用性問題，這些破紀錄的賽跑成績對推升產業估值的實質幫助將極為有限。

F1 技術的啟示：從賽場到量產，中國機器人商業化的漫漫長路

針對外界將機器人賽跑類比為F1賽車技術轉移，必須釐清的是，F1賽場上開發的技術，大約只有十分之三最終能應用到一般市售車，且往往需要經過長達十年的簡化與調整。同理，中國人形機器人在賽跑中展現的極限運動能力，其背後的硬體結構與力學設計，大多是為了「一次性」的任務表現，並未考慮商業化所需的數萬次使用壽命與穩定性。

這種「為了比賽而優化」的思維，與追求通用型態的Optimus形成了鮮明對比。在商業場景中，機器人需要的是在數萬次重複操作中保持極低的故障率，而非在百米賽跑中跑贏人類。因此，雖然中國在機器人硬體的量產與成本控制上具有強大競爭力，但在軟體大腦（Physical AI）與真實世界數據收集方面，仍與領先者存在顯著差距。

目前中國機器人產業百花齊放，多家廠商激烈競爭，這有助於探索正確的研發方向。然而，要將賽場上的技術轉化為工廠裡的生產力，需要的不僅是演算法的突破，更是整個供應鏈思維從「表演導向」到「耐用導向」的根本轉變。

中國機器人的真正優勢：量產能力與 Physical AI 大腦的落後

儘管中國人形機器人在運動控制上頻頻「秀肌肉」，但其真正的核心競爭力在於強大的量產能力與成本控制。放眼全球，唯一能在機器人量產規模與價格上與特斯拉競爭的，恐怕只有中國的機器人供應鏈。然而，決定人形機器人能否真正工作的關鍵，並非跑得多快，而是其「大腦」——處理Physical AI的能力。

在這方面，中國的機器人公司與Optimus之間存在著巨大的落差，特別是在處理複雜多變的物理世界任務時。目前多數中國AI公司的強項在於數位世界的生成式AI，但要將這些能力直接轉換為物理世界的精準操作（Physical AGI）難度極高。這不僅需要先進的演算法，更需要海量的真實世界操作數據來訓練模型，而這正是目前最稀缺的資源。

因此，雖然中國機器人產業在硬體製造與運動控制上展現出強勁的追趕氣勢，但在軟體與數據驅動的智慧化層面，至少仍落後領先者五年以上。未來人形機器人的勝負關鍵，將取決於誰能率先建立起數據飛輪，讓機器人在真實工作中不斷學習與進化。

特斯拉 Optimus 進度追蹤：CyberCab 即將規模化，FSD V15 迎來跳躍式升級

根據摩根大通分析師參訪特斯拉費利蒙工廠後的消息，特斯拉正刻意減少將Model Y投入Robotaxi車隊，主因是專為無人駕駛設計的CyberCab已準備好規模化推出。據悉，特斯拉管理層對近期內大量部署CyberCab極具信心，目前停車場內已有數百至上千輛的庫存等待上線。由於CyberCab沒有方向盤與踏板，無法直接銷售給消費者，將其投入Robotaxi車隊是消化產能的最佳選擇。

在自動駕駛軟體方面，FSD V15已開始初步上路測試。該版本被譽為相較於V14的「跳躍式升級」，不僅參數量更大（HW3無法運行），其上下文窗口（Context Window）也將顯著擴大，使車輛能參考更長時間的駕駛數據做出決策，同時延遲將再降低20%。目前，V15的部分核心技術（約40%）已在奧斯汀的Robotaxi車隊中進行驗證，反應良好。

值得注意的是，德州奧斯汀的Robotaxi車隊已全數轉為無安全員的「Unsupervised」版本，數量達到155台，顯示特斯拉對其自動駕駛安全性已具備高度信心。隨著CyberCab在9月3日正式發表，預計第四季將迎來一波大規模的無人駕駛車隊擴張。

Optimus 量產延遲的真相：數據稀缺成為通用機器人最大障礙

特斯拉的Optimus第三代機器人（Gen 3）進度再次延遲，預計將推遲至今年底或明年初才會正式公開並量產。這凸顯出人形機器人的工程難度遠超預期。根據最新揭露的三階段部署計畫，首批生產的機器人將進入「Optimus學院」進行真實世界數據採集，而非直接投入工廠使用，這揭示了當前機器人研發的最大瓶頸：訓練數據的極度匱乏。

與自動駕駛僅需控制油門、剎車和方向盤不同，人形機器人全身擁有數十個關節與感測器，要完成一個簡單的「拿水杯」動作，就需要數萬筆涵蓋不同角度、力道與路徑的數據。即便特斯拉已聘請大量人員穿戴感應器進行動作捕捉，所產生的數據量仍遠遠不足以訓練出一個通用型機器人。因此，將數百台機器人投入學院進行「在工作中學習」，是為了建立數據飛輪的必要之舉。

儘管進度延遲，但特斯拉堅持走「通用型」路線的策略是正確的。如同大型語言模型的發展，先追求通用智慧，再解決專用任務往往更有效率。一旦Optimus能夠在特定場景中穩定運行並收集數據，其能力將呈現指數型成長。預計明年上半年，Optimus將開始導入特斯拉內部工廠進行實戰，並在明年下半年逐步對外銷售。

結論

從輝達漲價的底氣到中國機器人的賽跑秀，再到特斯拉在自動駕駛與人形機器人的艱難探索，我們正處於AI從數位世界向物理世界滲透的關鍵轉折點。算力需求依然強勁，但硬體成本的飆升與軟體數據的稀缺，正成為制約產業發展的雙重瓶頸。投資者在關注AI族群時，應仔細分辨哪些是真正的技術壁壘，哪些僅是曇花一現的炫技，才能在市場迷霧中捕捉到長線的成長價值。

相關個股

產業 / 題材