比特幣接下來會漲還是跌？專家：95%機率不會跌破這一低點|數位時代 BusinessNext

經濟學家提摩西·彼得森預測，比特幣的底部價格為69,000美元，並認為有很高的機率不會再跌破此低點。這點為投資者提供了一個重要的價格參考，有助於估比特幣的潛在風險。

儘管短期內市場存在波動，但彼得森對比特幣的長期潛力仍然持樂觀態度，並預測到2035年其價格可能達到150萬美元，凸顯了分析師對比特幣長期價值的信心。

比特幣的成本基礎在84,000美元至85,000美元之間，這對於評估市場心理和潛在的反轉至關重要，對投資者而言這些價格都是重要的觀察指標。

比特幣還會跌嗎？

近期比特幣（Bitcoin）價格出現波動，一度跌至去年11月以來的最低點，引發市場對其未來走向的擔憂。然而，知名網絡經濟學家提摩西．彼得森（Timothy Peterson）卻秉持著樂觀的態度看待未來走勢，並認為比特幣有75%的機率在未來九個月內再創新高。

彼得森於3月初於社群平台X上發推文指出，比特幣的底部價格大約落在69,000美元，而現階段比特幣的幣價已經相當接近這個範圍。因此，他認為比特幣有95%的機率不會再次跌破這一低點，且未來出現積極反彈的可能性很大。

這一預測一出，下方網友們都表示相當興奮。之所以受到網友們的關注，是因為彼得森過去的預測，包括在2020年牛市期間的預測，都被證明是準確的。

彼得森使用的這套「最低價預測」（Lowest Price Forward）指標，追蹤比特幣長期價格趨勢，雖然不能預測比特幣的價格將走向何方，但卻可以預測幣價「不會」跌到多低。

儘管比特幣價格最近曾短暫跌至78,000美元，彼得森認為這樣個狀況並不會一直持續下去。

彼得森指出，市場修正通常發生在價格大幅下跌後，投資者因恐慌或絕望而大量拋售資產之後，隨後就會出現兩到三個月的冷卻期。在此期間，價格會趨於穩定，然後會再次上漲。

比特幣

2020年6月，彼得森就曾預測比特幣將永遠不會再回到四位數的價格，而比特幣也確實再也沒有回到這樣的價格。今年當比特幣價格在92,000美元左右時，彼得森又設定了比特幣到2035年的長期目標價為150萬美元。

可以看出，儘管市場出現了下跌，彼得森對比特幣的長期潛力仍然充滿信心。

儘管一些市場參與者在近期波動中保持謹慎，但彼得森的分析顯示出更為樂觀的前景。他的研究表明，經過這段市場調整期後，比特幣很可能會恢復上升的趨勢。再加上「比特幣價格趨勢」指標已經成功預測了長期趨勢，為他的預測又增加了不少可信度。

地緣政治決策和宏觀經濟因素持續影響比特幣的價格，投資者情緒也隨著全球事件的變化而變化。

此外，彼得森在3月25日的X貼文中也強調，比特幣目前處於歷史範圍的下限附近，未來有很大機率出現積極反彈。

他表示：「短期內，比特幣有50%的機率上漲50%以上。」

彼得森的這番言論是基於一項早期研究，該研究發現，比特幣年度多數的看漲表現，通常發生在4月和10月。若回顧過去十年這兩個月的表現，可以發現平均漲幅分別為12.98%和21.98%。

加密貨幣分析平台CryptoQuant的匿名分析師Crazzyblockk指出，大多數活躍地址的成本基礎在84,000美元至85,000美元之間，如果跌破成本基礎可能就會引發拋售。也就是說，現階段來看，84,000美元至85,000美元的範圍，成為影響幣價走向的關鍵區域。

分析師補充說：「這些鏈上成本基礎水準，代表了市場心理轉變的決策區。交易者和投資者應密切關注這些區域的價格反應，以評估趨勢強度和潛在的反轉。」

本文授權轉載自web3+，作者為邵元婷

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。」

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。