類股輪動加速 抱得住才是王道

ＡＩ主導產業快速輪動，在基金、ＥＴＦ賽道上誰能搭上列車？《財訊》專訪在二○二五年表現優異的經理人，以第一人稱的方式，分享他們對二六年投資機會與操作策略的看法。

文／張道宜

二○二五年共同基金績效冠軍合庫台灣基金
顧克勤：專注ＡＩ大架構抱穩龍頭均衡布局

對二○二六年的台股，我持中性偏樂觀的態度，但絕對不敢過度樂觀。市場永遠充滿變數，二五年四月超過千點的回檔令人相當震撼，投資人要有每年都會發生一次的心理準備。

在投資邏輯上，我習慣從三方向觀察：資金、政策，以及錢往哪裡走。資金面的重點在於聯準會的降息路徑，如果二六年降息次數仍維持在一到兩次，那麼二六年上半年資金就不會像這兩年這麼充沛。



在政策面，目前美國與台灣政府支持產業趨勢沒有改變，政策偏多；但川普上台後的關稅政策，尤其是半導體關稅與美中開放程度，以及二六年十一月美國期中選舉後可能的政策改變，都帶來不確定性。特別是期中選舉，川普第一任期包括美中貿易戰的重大政策，都是在期中選舉後發動的。

至於錢的流向，目前來看資金仍集中在ＡＩ與資料中心相關支出，還看不到其他足以取代的投資主題。綜合這三點，只要資金不突然收緊、政策不急轉彎，相關產業應該還有延續性，但絕對不會是直線上漲。

具體來說，我認為未來ＡＩ技術提升的核心主軸，在於電源轉換效率的提升。隨著ＡＩ帶來缺電考驗，相關技術會更重要，也是具備長期走勢的題材。但實際操作上，我採取在ＡＩ大架構下平均布局，不重押單一子產業或個股，而是分散到晶圓代工、先進封裝、散熱、電源管理、伺服器組裝、ＰＣＢ、檢測設備等領域。這樣做的理由很簡單─投資看錯難免，一旦某個子題材短期轉弱或出現意外事件，其他部位還能支撐整體績效。


顧克勤建議，均衡配置各AI題材龍頭股，才能穩定參與長期漲勢。彭世杰／攝
在個股選擇上，我偏好產業龍頭或技術領先的中大型公司。這類公司擁有研發能量強、產品良率高，與大客戶關係深厚等特性，並且具備海外設廠應變能力。中小型股並不是不會投資，而是必須有對訂單極高的掌握度，如果查不到，那我寧願不要冒險。

在投資上，我相信失敗才是真正的成功經驗。我從二一年對貨櫃航運的執著、二五年四月股災的過度停損、十一月錯過記憶體大漲等錯誤中學到最多。投資永遠在經歷不斷犯錯的過程，我能做的就是把錯的幅度控制住，同時在對的趨勢上抱得夠久，並且強迫自己降低周轉率，追求「買對且抱得住」。我從不覺得自己特別厲害，今年績效好，很大一部分是運氣，但只要保持紀律、尊重市場、控制風險，長期下來，總有機會跑出不錯的成績。

近三年共同基金績效冠軍路博邁台灣５Ｇ股票基金
黃煜：多頭氣勢持續留意第二季震盪

目前我們將ＡＩ相關主題投資比重維持在七○至八○％，相較傳統投資是從個別產業來找機會，ＡＩ時代供應鏈高度交織，從半導體、硬體、工業自動化，到材料、散熱，甚至擴廠所需的傳產如水泥、無塵室，都可能成為受益環節。



我們採取主題式投資，並且密切追蹤美、台ＡＩ大廠動向，因為這些領頭羊的資本支出與技術路線圖，往往預示下一波供應鏈需求。例如，當大廠宣布擴大ＡＩ伺服器或先進製程投資時，就要挖掘其背後供應鏈，從上游晶片、記憶體，到中下游組裝與測試標的。

此外，從通訊往下延伸，則會連動到許多新的題材。一方面ＡＩ伺服器功率不斷增加，八百伏高壓直流電架構電源會成為主流，這直接牽動電線、電力基礎建設與散熱的需求。

至於機器人，我認為是應用端最明確的方向。從勞力成本到工廠自動化，都讓機器人有很高的必要性；搭配ＡＩ之後，可以解決許多過去依賴人力的問題，也能降低錯誤率。這會是ＡＩ應用真正能落地的領域，也會帶動通訊、電源、伺服器與整體產業鏈的建設需求。

市場輪動速度非常快，我擔任經理人初期，市場每個月調整一次方向，現在幾乎是一週就會看到新的主題。但在台灣的環境，我不認為一定要當最早、最快布局的人；相反的，當龍頭已經漲很多、難以下手時，我會找「lagger」，也就是同族群中還沒漲或剛開始動的公司。因為台灣產業有明顯的「族群性」，只要龍頭一動，第二、第三名往往會跟著動，落後補漲空間通常更大。像記憶體就是最典型的例子，幾家開始動之後，整個族群一起上來，只要掌握族群輪動，就能參與最關鍵的行情。

從時間點來看，我們對二六年第二季會比較保守一些。一方面現在股市的爆發性成長預計可延續到第一季，但第二季並不是基本面不好，而是會有比較多不確定性，包括美國期中選舉或是ＡＩ相關新產品測試狀況等紛擾，這會導致市場比較大的波動。這時候就可以重新思考配置，如果沒有其他技術帶動投資動能，那六月開始的世足賽與相對應的傳產題材，則是投資人可以考慮轉換部分投資部位的方向。

二○二五年ＥＴＦ績效冠軍復華中國５Ｇ通信ＥＴＦ
吳允翔：中國追趕算力通訊產業持續受惠

作為這檔ＥＴＦ的經理人，我經常被問到：這檔ＥＴＦ名字叫「５Ｇ」，為什麼二五年漲得這麼凶？答案很簡單—這不只是手機時代的５Ｇ，而是演變成ＡＩ時代最關鍵的高速傳輸主題。ＡＩ模型訓練與推理需要龐大算力，而算力背後最核心的瓶頸，正是資料傳輸。

在中國，情況尤其明顯。由於無法取得最先進的輝達高階ＧＰＵ，中國雲端服務商與科技廠選擇「以量制勝」，也就是以大量國產晶片堆疊成ＡＩ集群；這導致資料中心內部與中心之間的資料流動量暴增，機櫃內部需要更密集的連接（scaleup），不同機櫃甚至不同資料中心之間也需要高速互通（scaleout）。


我們的成分股，如中際旭創、新易盛等，正是這波需求最直接的受益者。這些並不是短線炒作，而是真金白銀的資本支出在支撐，北美雲端服務商（ＣＳＰ）業者加速興建資料中心同時，也讓中國更積極跟進自建供應鏈。

放眼未來，這波ＡＩ基礎建設熱潮遠未結束。二五年的經驗告訴我們，ＡＩ模型的競賽尚未到盡頭，大型語言模型仍需大量訓練，推理需求也持續增加，傳輸作為底層基礎，只會愈來愈重要。機櫃內部目前多用銅線加「重計時器晶片」應付短距離傳輸，但隨著速度需求提升與距離拉長，是否「光進銅退」備受關注。

中國的另一個優勢是土地資源充裕，電力補充迅速，太陽能電站僅需數月即可上線發電；這讓中國能不計成本追趕ＡＩ基礎建設，供應鏈自給自足，需求持續爆發。加上中國消費、房地產疲弱的環境，科技供應鏈反而成為最確定的投資標的。此外，美國進入降息週期後，新興市場，特別是陸股更有望迎來資金青睞。事實上，人民幣已經走強，這意味著資金已有流入。

更長遠來看，當ＡＩ應用從雲端走向邊緣端，也會帶動高速傳輸下一個世代的需求。自駕車的全自動輔助駕駛如果成熟，車輛必須即時處理大量感測資料，不能容忍雲端延遲，就需要極高速、低延遲的通訊。至於其他應用場景，如人形機器人、智慧工廠、AR/VR等移動裝置同樣如此，這些都不會只靠Wi-Fi，而是必須仰賴５Ｇ，甚至未來的６Ｇ網路。

… 本文摘錄自 《財訊》2025/12月 第753期