AI從對話走向自主執行，推論運算成新戰場

Meta近期推出個人AI代理人Muse，能將使用者目標轉化為行動計畫並串接工具完成工作。隨著AI能力從聊天、內容生成延伸至理解目標、拆解任務甚至跨工具執行，市場焦點正從單純的模型規模，轉向推論效率、運算效能與能源效率。群益投顧資深研究員黃鵬睿分析，當AI代理人需即時處理複雜任務，運算需求同步提高，未來必須整合CPU、GPU與ASIC等異質運算資源，並透過高速互連提升系統整體效率，這標誌著AI產業技術轉型的關鍵節點。

算力基建具中長期需求，光通訊朝3.2T演進

相較於AI模型與應用更新快速且競爭激烈，持續擴張的算力基礎建設反而具備更明確的中長期需求。從晶片設計工具業者新思、益華，到提供架構的安謀，以及掌握先進製程的台積電和晶片大廠輝達、博通、超微，皆為重要環節。復華投信投資部副理洪詩婷指出，AI基建競爭已從「算得快」延伸至「傳得快」。在高頻寬及長距離傳輸需求下，光通訊重要性提升，光模組正由800G朝1.6T升級，並向3.2T演進，帶動高速光模組、光元件與光晶片需求，成為新一代AI算力架構的重要基礎。

通訊供應鏈轉型，ETF持股涵蓋AI基建

在產業布局上，過去受惠5G建設的部分通訊供應鏈企業，如今成長動能正延伸至AI資料中心。從高速光模組、光晶片到伺服器及高速傳輸零組件，均有望受惠全球AI基建投資擴張。部分以5G及通訊科技為主軸的ETF，持股也涵蓋光通訊及AI伺服器相關企業，反映通訊產業投資題材正由5G延伸至AI資料中心。這波趨勢顯示，基礎設施的升級不僅是技術挑戰，更是供應鏈價值重估的機會，投資人應關注具備核心技術優勢的環節。

評論：算力與傳輸的雙重升級，將定義下一波AI紅利的分配格局。