華寶股價一個半月跌一半
華寶股價一個半月跌一半
2006.07.15 | 創業

如果哪位有眼光的投資人,有幸在去年七月一日買進華寶(八○七八)股票,而且很有毅力地持有到今年四月中旬,那麼恭喜他,這檔股票讓他獲利翻兩翻,也就是為他帶來二○○%的豐厚投資報酬。但如果四月中旬高點來不及跑,現在還硬撐,對不起,他可能已經吐掉一半的獲利。
這就是這一個半月來手機族群的心情寫照,從兩個月前仍被外資法人捧在手掌心處處呵護,到近一個月如過街老鼠,人人喊打。
手機熱潮是外資法人推波助瀾的結果,主要幫摩托羅拉(Motorola)代工的華寶更是指標代表。但「水能載舟,亦能覆舟」,最後讓手機族群跌得鼻青臉腫的,竟也是外資法人的調降評等報告。

華寶下跌原因——摩托低價手機減單

華寶既是這波手機族群受傷最重者,問題想必出在左右華寶股價的摩托羅拉身上。
仔細回溯外資分析師對華寶的報告,當市場一傳出摩托羅拉第三季低階手機訂單可能減少的消息時,包括美商高盛與港商里昂證券等持多頭論調的分析師還跳出來力挺,原因很簡單,摩托羅拉都沒說話,市場有什麼好緊張的?
但等到摩托羅拉減單成為事實後,確實也嚇到這些分析師。高盛證券科技產業分析師鄭昭義只能解釋說,在台灣看手機跟看PC不一樣,台灣可以從主機板出貨看系統業者的概況,但在台灣看手機,代工的華寶與華冠(八一○一)加上明基(二三五二),市場比重總共也不過占百分之十幾,從零組件廠商來看系統全貌,只反應非常枝微末節的訊息。
這次華寶股價的大跌,完全出乎鄭昭義與里昂證券科技產業分析師鄭勝榮的意料之外。當初華寶股價能站上二百元,說穿了就是這兩位老兄喊上去的,如今華寶股價光環盡失,也逼得這兩位名噪一時的分析師調降投資評等,還一度以為華寶股價是受到員工分紅費用化的影響。
摩根大通證券科技產業分析師張凱偉就表示:「有沒有發現,真正需求出問題的都是摩托羅拉較低階的手機,反觀跟摩托羅拉中高階(初步定位為有照相功能)手機相關的公司,如大立光(三○○八)、美光、美商豪威科技(Omnivision)、可成(二四七四)、德儀等,第二季業績不都嚇嚇叫?」
張凱偉認為,摩托羅拉對中高階手機的需求預期與市場相同;但對低階手機的需求,原本就高出市場很多,最後實際需求連低標都達不到,結果就是華寶股價遭殃。
簡單說來,就是摩托羅拉對低階手機的需求「太高」了,張凱偉形容:「第一季比(去年)第四季好、第二季比第一季好、上下半年需求還要四比六!天底下哪有這麼好康的事?」 華寶過去七季的業績根本沒有淡旺季之分,每季出貨成長率幾乎都達成二五%以上的目標,「華寶當初給的營運展望目標就是第二季出貨比第一季成長二五至三○%,後來修正到二○%至二五%,最後結果只有一三%,那多出來的這七至一二%,第三季就當成庫存來消化啦!」張凱偉認為,說穿了,邏輯就是這麼簡單。

下半年手機市場——等待殺手級應用產品

只是從今年中國五一長假手機銷售狀況來看,月成長率還有二六%,甚至比過去五年的二○%平均值要高,張凱偉認為,問題應該不是出在中國市場,而是印度與俄羅斯這兩大市場,癥結點除了摩托羅拉自身所設定的期望過高外,還包括降價策略造成價差無差異化,導致最低階的手機銷售頓時停滯。
不過有趣的是,即便手機產業發生這麼大的變化,華爾街券商至今卻沒有任何一家調降今年全球手機出貨預估值。
摩根士丹利證券科技產業分析師呂智穎認為,摩托羅拉低階手機庫存問題只是短期現象,追蹤其原因應可歸納為下列四項:一、第二季快速建立庫存的結果,使得整個供應鏈出現裂解;二、手機大廠推出的平台與機款轉型時間點太近,造成訂單波動大;三、市場出現結構性改變,導致手機大廠市占率洗牌;四、整個手機供應鏈正在進行重整。
因應下半年潛在的手機需求變化,目前已有外資法人開始進行敏感性分析,如花旗環球證券科技產業分析師蓋欣山,針對低階與高階手機供需狀況進行評估:以低階手機為例,假定台灣前四大手機PCB廠商第三季與第四季出貨成長率分別達一○%與一五%,那麼今年全球手機PCB出貨將逾十億片,若下半年手機需求維持原先的預估值,全球手機需求為九億一千一百萬支,供需之間就出現一○%供過於求。
至於高階手機部分,蓋欣山認為最大變數為市場需求面,也就是消費者換機速度狀況,由於通膨問題,消費者在手機升級過程中,價格敏感度將扮演非常重要的角色。除非有殺手級應用產品推出,否則明年高階手機換機需求能否維持過去幾年般的高成長,倒是頗值得懷疑。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓