動能交易觸底或仍需數週！高盛為美股打強心針：未浮現系統性風險

一款以遠低於市場預期算力訓練出的人工智慧（AI）模型，再度撼動華爾街長期奉行的「唯有不斷加碼資本支出才能贏得 AI 競賽」敘事。不過，高盛 (GS-US) 最新研判指出，儘管科技股動能交易的修正尚未走完，但美股整體並未浮現系統性風險，市場結構仍具韌性。

高盛 One-Delta 交易台負責人 Rich Privorotsky 指出，其內部動能模型顯示，本輪動能交易的回檔距離真正探底，恐怕還需數週時間，最終跌幅料將接近歷史中位數。

然而，他也提醒，鑑於此波漲勢的斜率遠超過去平均水準，不排除這次回檔幅度最終超越歷史均值的可能。

Privorotsky 觀察到，目前追蹤的動能指標顯示相對波動率仍處偏高區間，尚未出現足以讓市場解除戒心的訊號。

然而市場內部已浮現明顯分歧。部分 AI 硬體概念股已跌入超賣區，與此同時，一些基本面未見實質改善的落後族群卻逆勢反彈，資金輪動跡象清晰可見。

從整體指數表現觀察，美股韌性依舊，類股間相關性維持低檔，顯示資金多在產業之間輪動切換，而非演變為全面性拋售。即使上週五（17 日）隱含波動率一度回升，這樣的市場結構並未出現根本性轉變。

真正引發市場重新思考的，是新一代高效 AI 模型的橫空出世。Privorotsky 透露，他實際測試了參數規模達 2.8 兆的 Kimi K3 模型後，對其工程設計留下深刻印象，儘管該模型仍需企業級 GPU 叢集才能自行部署，並非一般設備可負擔。

他強調，市場真正該關注的重點不在推理階段，而是訓練效率的躍升。

相較於單純堆疊更龐大的算力規模，新一代模型更仰賴演算法優化、架構創新，以及效率更高的混合專家（MoE）路由機制。

以 Kimi K3 為例，其內建 896 個專家模組，但每次推理僅啟動其中 16 個，大幅壓低運算資源消耗。

這項進展迫使市場重新思考一個核心問題，即若尖端模型能靠演算法創新大幅提升訓練效率，AI 產業是否仍有必要持續擴建規模龐大、資本密集的資料中心與訓練叢集？

不過 Privorotsky 認為，這波質疑主要衝擊的是訓練端的投資邏輯，推理端的算力需求依然堅挺，AI 基礎建設的長期需求並未因此出現根本性逆轉。

隨著聯準會進入利率會議前的緘默期，市場短線目光將轉向歐洲央行利率決策、英國 CPI 數據，以及全球主要經濟體 PMI 初值等總體指標。

但 Privorotsky 強調，真正左右市場方向的關鍵仍是即將登場的財報季。

除了 Alphabet(GOOGL-US) 之外，特斯拉 (TSLA-US) 、德州儀器 (TXN-US) 、英特爾 (INTC-US) 等科技巨頭的財報表現，加上超微半導體 (AMD-US) 即將舉辦的「Advancing AI」活動，都將成為觀察 AI 投資週期走向的重要指標，也將進一步檢驗這場動輒上兆美元的 AI 資本開支敘事，究竟能否繼續獲得市場買單。