全球房價今年開始反漲為跌
全球房價今年開始反漲為跌
2005.08.15 | 科技

全球房價今年開始反漲為跌

在《經濟學人》最新公布的〈全球房價指數〉(House Price Index)中,在被納入指數的二十個國家中,今年第一季房價漲幅超過10%的國家超過半數,而去年漲幅最高的美國全國平均漲幅為50.5%,今年第一季則又增長了12.5%,事實上,美國房價上漲並不是短期現象,從1997年到今年第一季,美國房價漲幅為73%,創下近十年來的高點。在HPI指數調查中,南非以高達224%的漲幅名列第一,而西班牙、愛爾蘭、英國、澳洲漲幅都超過一倍。
國際貨幣基金會(IMF)的研究指出,這波房價上漲因為利率、經濟活動、政策調整而成為全球現象,尤其利率引發的資金流動與購屋需求最為強勁。低利率使得投資人認為償還房屋貸款的利息比租金來得便宜,但是現在的房價是否真的合理?從《經濟學人》統計的房價租金比來看,房價與租金之間已經出現了巨大差異,美國的房價租金比率比1975到2000年的平均值提高了35%,甚至英國,澳大利亞和西班牙的房地產價格都高估了50%。
然而根據美國商務部最新的資料顯示,美國房市今年3月份的房價下跌17.6%,這一數字創下了1991年以來房價的最高月度跌幅。房價開始下跌的國家還包括英國、澳洲、愛爾蘭等,以英國為例,儘管今年第一季的房價漲幅還有5.5%,但是交易量比去年同期減少29%,經濟學家預估,美國在接下來的一年內也會開始下滑。
房價出現的反轉訊號讓IMF提出警告,全球房價不會同步下跌,但是所產生的影響將會非常大,一旦房價暴跌發生之後,所產生的傷害是股市崩盤的兩倍大,甚至會導致經濟衰退。

房價上漲背後的隱憂供需失衡

房價上漲的現象在全球各地發生,儘管經濟學者認為,過去幾年房價漲得太高,降低了人們的支付能力,而且利率的上漲也會影響購屋意願,因此保守預估今年全年的漲幅約在15%到20%之間,但是今年第一季仍上漲了28%。
從1995年至2004年,愛爾蘭的都柏林房價漲幅為273%,居全球之冠。英國倫敦房價從1996年起漲,點燃了全球各大城市的地產熱,房價從1997年到去年,幾乎年年都已近20%的漲幅繼續推高房價,使得倫敦去年的平均房價為27.8萬英鎊(約新台幣1600萬元),為全球之冠。主要原因是歐洲經濟成長穩定,上漲時間與漲幅超前其他地區。不過今年第一季倫敦房價漲幅已經降到比前年同期只增加12%,房價漲幅逐漸趨緩。
西班牙首都馬德里過去一年新屋平均價格漲幅為14%,西班牙全國房價過去二十年年均漲幅是10%,而現在新屋的平均價格是1985年時的七倍。西班牙人認為,購買房屋的利潤比公債高,也比股票獲利穩定,不過受到房價上漲的鼓舞,西班牙建設開發部統計去年已有60萬戶新屋開工。
南非則是過去三年房價漲幅最高的國家,南非首都約翰尼斯堡去年一年的漲幅為32%。不過,南非與整個國際市場房價上漲的原因並不相同,主要是因為南非黑人中產階級數量持續增加,並且經濟能力增長,造成房價上漲。
美國過去一年房價漲幅只有12.5%,其中以南加州Bakersfield的33.7%漲幅最高,而觀光大城拉斯維加斯去年的漲幅也有33%。過去五年則以華盛頓DC特區的平均房價漲幅最高,高達108%。
相較之下,亞洲地區大城市的房價漲幅表現相對弱勢,香港去年第四季房價漲幅相較前年同期漲了29%。而根據摩根士丹利的統計,1998至2003年中國房地產銷售量每年以24.5%高速增長,中國官方統計,現在房地產市場最熱的上海,去年房價平均漲幅僅14.6%,只有在市中心內環線以內的房價漲幅較高為27.5%。
至於台北的房市,過去五年到今年上半年為止,新推個案標準每坪單價漲幅約15%,但是整體台灣地區的漲幅卻只有2.1%。
房屋銷售速度下降使得價格漲幅萎縮,正在各城市同步發生,各國政府積極採取升息、採取調高房屋稅、增值稅,企圖減緩投資客炒作房市。房地產目前最大的隱憂在於供需失衡,當消費者的購屋力因為房價、利率的高漲而下降,各地大量正在興建或待售的房屋,將會因為供過於求,使得房價面臨嚴重考驗。

全球流動性泡沫創造高油價幻影

自去年第三季來油價一路攀升,主要是供給與需求之間的緊張關係以及人為炒作因素。近期因為沙烏地阿拉伯可能遭受恐怖攻擊以及美國煉油廠的停工,引發了市場對石油供應的憂慮,八月上旬原油期貨價格創下每桶逼近65美元的歷史新高。
儘管供需失衡的情況提供石油價格飆漲的好理由,但是摩根士丹利首席經濟分析師謝國忠卻認為,高油價是一個泡沫,因為全球經濟對石油的強勁需求反映的是全球流動性泡沫,在原油期貨與油品市場中最大的買單,幾乎是來自於對沖基金,創造出投機性的需求。
中國是目前全球最大的原油進口國,印度對進口原油的依存度高於中國,未來預估15年內原油消費會比目前再成長一倍。全球最大的能源集團埃克森美孚(ExxonMobil)預測,石油輸出國組織(OPEC)以外的石油產量5年後就將達到最高點,未來供給面顯得吃緊。為了解決高油價對於經濟帶來的衝擊,亞洲國家對原油的需求量正在逐步降低。今年上半年,中國的原油進口量雖然小幅增加3.9%,但是遠低於去年同期的34.8%。其他如韓國下降7.6%,印度也下降了4%。此外,許多國家開始積極尋找替代能源,像是中國上半年煤炭進口量增長58%。日本石油進口量下降2.1%,但是天然氣進口量卻增長7.1%。
從高油價獲利最多的莫過於石油生產商,對於亞洲經濟成長以及中國需求寄予厚望,但是謝國忠提醒,亞洲與中國的經濟成長都以慢速進行,當能源市場認清亞洲或中國需求並非無止境時,油價便會開始大幅下跌。

中國印度大量需求造成貴金屬上漲

在貴金屬市場中產品交易量最大的是黃金與白銀,而貴金屬在國際交易平台上都以美元為主要計價單位,因此美元匯率的走勢影響價格波動。世界黃金協會研究顯示,由於新礦的準備作業時間長達七到十年,而主要的產金國家如南非、美國、澳洲等國,都嚴格管制產量,可預見未來數年全球黃金產量難以大增,而去年黃金需求量,受到印度與中國對於消費金飾需求大幅增加,價格維持在420美元以上。
在黃金市場裡最受矚目的,就屬中國市場的需求大幅攀升,因為個人收入增加與政府鼓勵消費刺激內需的雙重因素下,今年第一季中國的黃金珠寶需求增加13%,而投資用途的黃金更是增加36%。美林證券預估,人民幣若逐步升值,增加對美元計價商品的購買力,到2010年時,中國將取代印度成為全球最大黃金消費國,而金價甚至由現在每盎司437美元上升至725美元。
此外,當1944年黃金被列為國際貨幣系統的一部分後,黃金的價格就成為和固定匯兌下的轉換因子,美元走勢對非美元國家的貴金屬價格影響頗大,如果美元上升,非美元國家對黃金購買力將會下降,打擊黃金價格;反之,隨著美元走勢長期呈現疲弱,黃金的價值則相對強勢。
在白銀市場上,主要受到中國對外出口白銀的數量增加,使得價格表現不如黃金,但是從過去五年的價格波動來看,電子工業用的銅、鉛、鎳、白銀、白金漲幅都在四成以上。整體而言,全球經濟若能持續成長,貴金屬的消費與工業需求將會持續增加;反之,如果經濟情況逆轉,將對需求造成打擊,使得價格失去持續上漲的支撐。

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